对变量值进行分组或合并recode.ppt

实习3 数据管理（一） 数据管理：对数据文件的结构进行重新调整或转换，以便适合于相应的统计方法。 数据管理包括的内容：计算新变量、变量取值重新编码、变量值排序、文件合并、文件拆分等。 数据管理有两个级别： 变量级别（Transform菜单即“转换”菜单） 文件级别（Data菜单即“数据”菜单） 学习目标（1） 利用“Compute”(计算变量)计算新变量 利用“Recode”(重新编码)对变量值进行分组 利用“Visual Bander”(可视离散化)对连续型变量进行可视化分组 利用“Automatic Record”(自动重新编码)将字符变量转化成数值变量 利用“Rank Cases”(个案排秩)计算秩次 学习目标（2） 利用“Sort Cases”(排序个案)进行排序 利用“Split File”(拆分文件)进行记录拆分 利用“Select Cases”(选择个案)进行记录筛选 利用“Weight Cases”(加权个案)进行记录加权 利用“Aggregate”(分类汇总)进行分类汇总 主要内容 3.1 变量级别的数据管理 3.2 文件级别的数据管理（一） 3.1 变量级别的数据管理 功能特点（1） 主要通过Transform菜单(“转换”菜单)对变量进行操作，包括：对变量进行四则运算生成新变量、记录的排秩、对数据重新编码等。这些都是对数据进行统计分析的预处理。 功能特点（2） 计算变量（Compute）：最常用和重要的过程。 变量转换：包括Recode（重新编码）、Visual Bander（可视离散化）、Count（计数）、Rank Cases（排秩个案）、Automatic Recode（自动重新编码）这五个过程。 实际上都可以被看成是compute过程在某一方面功能的强化和打包。 计算变量：Compute 功能：用于计算新变量，或者给老变量赋值。 三个概念：SPSS算术表达式、SPSS函数、SPSS条件表达式。 实例：transforme.sav是某年级学生数学、英语、语文三门成绩的数据文件，现在统计英语成绩在60分以上的学生的语文和数学的平均成绩。 对变量值进行分组或合并：Recode(1) Recode过程： Recode into same variable Recode into different variable（“重新编码为不同变量”，较常用） 对连续型变量进行分组（注意组边界取值） 在transform.sav中生成新变量grade，当英语成绩小于60时取值为“不及格”，大于等于60且小于70为“及格”，大于等于70且小于80为“良好”，大于等于80为优秀。 组边界值归为哪个类别？“先下手为强” 对变量值进行分组或合并：Recode(2) 分类变量类别的合并 将transform.sav中产生的变量grade中的“优秀”、“良好”和“及格”三个等级合并为一个等级“PASS”，将“不及格”转化为“NOPASS”。 连续变量的可视离散化：Visual Bander 功能：相比Recode，分组更有规律，可对变量值进行等距分组、等样本量分组等。 三种分组方式： 等距分组：transform.sav中，数学成绩60分以下为一组，60分以上按间距为10进行等距分组。 等比例（等样本量）分组 按标准差范围分组（可用来筛选异常值） 字符变量转换为数值变量： Automatic Record 功能：将字符型变量自动按原变量值的大小或者字母排序生成新变量，其值就是原值的大小次序。 在transform.sav数据中，将字符型变量city转化为数值型变量newcity。 （k）昆明：3 （b）北京：1 （s）上海：4 （c）长春：2 计算变量秩次：Rank Cases 功能：给变量值排序，给出序号。 结点：相同的观测值形成一个结点。 在结点处秩次的处理方法： 都取最小秩次 都取最大秩次 都取平均秩次 当做一个记录处理 对个案内的值计数：Count 功能：统计每个个案内满足条件的变量数。 如计算每位学生的优秀科目数。 3.2 文件级别的数据管理（一） 功能特点 对数据进行加工整理，例如根据统计分析的要求对数据进行分组、合并、加权、筛选等操作 简单命令：不学也会。插入变量、插入记录等。 常用简单过程：好学，而且非常重要。排序、拆分文件、选择记录、加权记录等。 专用过程：难学，用途比较特殊 记录排序：Sort Cases 功能： 将记录按一个或多个变量值的升序或降序排列，有利于进行查找、修改等操作。 将某个变量按升序或降序排列，可以方便用户了解数据，进行数据分析。 缺失值在排序中会排在最小值的前面，可以通过排序的