- 1＜数据集＞作物虫害识别数据集＜目标检测＞
- 2MYSQL错误代码对照表较完整 mysql_errno()_mysql数据结构不兼容 导致字段错误
- 3Linux(kali)永恒之蓝(ms17-010)漏洞实验_linux里有ms17-010漏洞吗
- 4网易游戏面试_网易 游戏后端面试
- 5聊聊ICMP协议及ping过程_ping icmp
- 6力扣刷题攻略：数组篇（更新中）_在o(n)时间内重排数组,将所有取负值的关键码 力扣
- 7如何使用 Containerfile/Dockerfile 构建 .net 镜像？
- 8安卓移动开发课程设计/Android期末大作业，备忘录书签app+源代码+文档说明+运行截图
- 9vue3 学习笔记17 -- 基于el-menu封装菜单
- 10微分方程(Differential Equation)_differential equation in normal form
SPSS数据分析 | 数据预处理1_spss怎么对数据进行预处理
赞
踩
前沿
数据预处理在数据分析中是至关重要的步骤，它包括清理、转换和整理原始数据，以确保数据质量和可用性。在数据预处理的过程中包含以下几种处理方式，包含了具体操作步骤以及各个步骤的解释。具体包括10个步骤：数据的排序、查找重复个案、变量计算、个案选取、个案内值的计数、分类汇总、数据分组、数据转置、加权处理、数据拆分。由于篇幅过长，此次先进行前5个的解释说明。
1、数据的排序
（1）排序在数据分析中的作用：快速找到可能的离群点；一些操作需要排序作为前提（如文件的合并）。
（2）将所有个案按照用户指定的某一个或多个变量的变量值的升序或降序重新排列。
排序次序：升序、降序
多重排序：选择变量名的次序很关键。
操作：数据-个案排序（可以选择多个变量名）
2、查找重复个案
（1）通常在分析数据时，不应当出现关键变量（如编号）相同的个案。
（2）如果出现重复的个案，主要原因可能是数据录入时的疏忽或者不合理的编码等。
（3）在处理的数据量比较大的时候，自动查找其中的重复个案是必要的。
操作：数据-标识重复个案-定义匹配个案的依据（可能出现重复的变量名）-匹配组内的排序依据（重复数据的排序依据）
要创建的变量：主个案指示符（1=唯一个案或主个案，0=重复个案）。选择“每组中的最后一个个案为主个案”；“将匹配个案移至文件开头”用于人工判断；“显示创建的变量的频率”会出现在查看器中。
3、变量计算
根据用户给出的SPSS算术表达式，对所有或部分样本数据进行加工，产生新变量或对原变量进行必要的转换（如预测问题，产生比率数据，偏态数据的正态处理，时间序列的平稳处理等）
（1）SPSS算术表达式：
由算术运算符（+、-、*、/、**）、SPSS函数以及SPSS变量名组成的式子。
（2）SPSS函数
包括算术函数、统计函数、分布函数、逻辑函数、字符串函数、缺失值函数、日期时间函数、其他函数
如算术函数：(numbexpr,数字表达式；)
| 函数 | 说明 | 范例（x=2.6，y=3） |
| ABS(numbexpr) | 绝对值函数 | ABS(y-x)=0.4 |
| RND(numbexpr) | 四舍五入函数 | RND(x)=3 |
| TRUNC(numbexpr) | 取整函数 | TRUNC(x)=2 |
| SORT(numbexpr) | 平方根函数 | SORT(y)=1.71 |
| MOD(numbexpr,modulus) | 求算两数相除后的余数 | MOD(y,x)=0.4 |
| EXP(numbexpr) | 以e为底的指数函数 | EXP(y)=20.09 |
| LG10(numbexpr) | 以10为底的对数函数 | LG10(x*10)=1.41 |
| LN(numbexpr) | 自然对数函数 | LN(y)=1.1 |
统计函数：
| 函数 | 说明 | 范例（X1=2,X2=5,X3=8） |
| MEAN(numbexpr,numbexpr,.....) | 自变量的平均值 | MEAN(X1,X2,X3)=5 |
| MIN(value,value,..) | 自变量的最小值 | MIN(X1,X2,X3)=2 |
| MAX(value,value,..) | 自变量的最大值 | MAX(X1,X2,X3)=8 |
| SUM(numbexpr,numbexpr,.....) | 求和 | SUM(X1,X2,X3)=15 |
| SD(numbexpr,numbexpr,.....) | 求标准差 | SD(X1,X2,X3)=3 |
| VARIANCE（numbexpr,numbexpr,.....） | 求方差 | VAR(X1,X2,X3)=9 |
| CFVAR（numbexpr,numbexpr,.....） | 求变异系数 | CFVAR(X1,X2,X3)=0.6 |
变异系数是概率分布离散程度的一个归一化度量，其定义为标准差与平均值之比。变异系数只有在平均值不为0时有定义，而且一般适用于平均值大于零的情况。变异系数也称为标准离差率或单位风险。
比起标准差来，变异系数的好处就是不需要参考数据的平均值。变异系数是一个无量纲量，因此在比较两组量纲不同或均值不同的数据时，应该用变异系数而不是标准差来作为比较的参考。
（3）SPSS条件表达式
由SPSS关系运算符、逻辑运算符、SPSS函数以及SPSS变量名组成的式子。
关系运算符：>、=、
逻辑运算符：&或AND、|或OR、~或NOT
变量计算生成一个新的变量。
操作：转换-计算变量-目标变量（设置新的变量名）-然后填写数据表达式-可以设置条件表达式
4、个案选取
- 个案选取（数据选取）是从已收集到的大批量数据（总体）中按照一定的规则抽取部分数据（样本）参与分析。
- 个案选取可以提高数据分析效率和检验模型。
- 个案选取的方法包括：
-
- 按条件选取
- 随机选取
- 选取指定区间中的样本
- 操作：数据-选择个案-如果条件满足（根据条件选择）；随机个案样本（选择所有个案的百分之多少的样本）；基于时间或个案范围（选择第几个到第几个个案）；使用过滤变量（可以再选择一个变量）
5、个案内值的计数
- 对所有或部分个案，计算若干个变量中有几个变量的值落在指定的区域内，并将结果存入新变量中。
- 制定需要参与技术的变量。
- 计数的结果存入的新变量由用户设定
- 指定计数区间是一个关键步骤。在SPSS中，单个变量值、系统缺失值，给定最大值和最小值的区间等，都属于计数区间。
- 操作：转换-对个案中的值进行计数-目标变量（自己来设定）；目标标签（对目标变量的解释）；选择变量；-定义值（也就是计数区间）-如果（在个案满足条件时）
