SPSS数据的预处理.pptVIP

第三章　SPSS数据的预处理 3.1　数据的排序　 3.2　变量计算 3.3　数据选取 3.4　计数 3.5　分类汇总 3.6　数据分组 3.7　数据预处理的其他功能　　 3.1　数据的排序 根据某些变量值重新排列各观测量在数据文件中出现的先后顺序，如：按高矮排队、按成绩排名等。 数据排序的目的： 数据排序在数据分析过程中有很重要的作用： 便于数据的浏览，有助于了解数据的取值状况、缺失值数量的多少等。 找到数据的最大值和最小值，进而可以计算出数据的全距（极差 Range），初步把握和比较数据的离散程度。 快捷的发现数据的异常值，为进一步明确它们是否对分析产生重要影响等提供帮助。 数据排序步骤 1。打开数据文件 2。选择Data-Sort Case a. 选择Sort by变量 b. 升序或降序 3。选择排序变量 4。选择排序方式 5。击OK 数据排序实验 数据排序的应用举例 以“住房状况调查.sav”为例，通过数据排序功能分析本市户口和外地户口家庭的住房面积情况。 结果解释： 本市户口家庭住房面积的最小值为6平方米，最大值为300平方米；外地户口家庭住房面积的最小值为7平方米，最大值为168平方米。可见，在最小值上，本市户口和外地户口家庭差距很小，但在最大值上却有较大差距，而且从全距角度看，本市户口不同家庭间的住房面积差距比外地户口要大许多。 数据排序实验 实验内容：案例3－1。打开数据文件“3.1职工数据.sav”，以职称为主排序变量的降序，基本工资为第二排序变量的升序进行多重排序。详细写出SPSS具体操作过程及分析结论。 3.2　变量计算 变量计算目的 数据的转换处理 对数据的原有分布状态进行转换 几个概念 SPSS算术表达式 SPSS条件表达式 SPSS函数 步骤 1。读数据文件 2。选Transform-compute 3。确定目标变量 4。确定目标变量的数值表达式 5。按OK 例：现有某班的5门功课期末考试成绩。为了进一步的分析，需要先对数据进行整理，要求算出5门功课的总分、平均分、加权总分（语文、数学的权重为1.2，物理、化学的权重为1.0，生物的权重为0.7）。 1、建立数据文件“3.2test.sav”，变量名为no（学号）、chinese（语文）、math（数学）、physics（物理）、chemist（化学）、biology（生物）。 2、选择[Transform] →[Compute]，打开Computing Variable（计算变量）主对话框，见图。 3、在Target Variable（目标变量）框中，输入变量名score。 4、单击[TypeLabel]，打开Compute Variable: Type and Label（计算变量：类型与标识）对话框，见图。在此可设定目标变量的变量标识（ Label ）与变量类型（ Type ）。 Label（变量标识） （1） Label（标识），由用户自行录入标识名称，本例为“总分”。 （2）Use expression as label（使用表达式作为标识）。 Type（变量类型），可选择Numeric（数值型）或String（字符串）。 5、在Numeric Expression（数值表达式）框输入表达式： SUM（chinese，math，physics，chemist，biology） 或者chinese＋math＋physics＋chemist＋biology 6、单击[OK]，即可生成一个新变量（score）。 同样的操作，我们还可计算出平均分与加权总分，有关设置如下： 变量1：平均分 目标变量1：Mean 标识1：平均分 数值表达式1：MEAN(chinese,math,physics,chemist,biology) 变量2：加权总分 目标变量2：W_score 标识2：加权总分 数值表达式2：chinese*1.2+math*1.2+physics+chemist+biology*0.7 例：为了便于对某市儿童死亡资料（age_com.sav）进行进一步的分析，先根据出生日期（bdate）及死亡日期（ddate）对该数据按如下要求进行分组。（见下一页表） 年龄的分组要求及值标识 打开文件“3.2age_com.sav”。 选择选择[Transform] →[Compute]，打开Computing Variable（计算变量）主对话框。 在Target Variable（目标变量）框中，输入变量名group。 单击[TypeLabel]，打开Compute Variable: Type and Label（计算变量：类型与标识）对话框，在此对话框中设定变量标识（ Label ）为死亡分组。 在Numeric Expr