张伟豪SPSS培训视频3笔记缺失值处理筛选个案.docx

张伟豪SPSS培训视频3笔记缺失值处理筛选个案.docx

《张伟豪SPSS培训视频3笔记缺失值处理筛选个案.docx》由会员分享，可在线阅读，更多相关《张伟豪SPSS培训视频3笔记缺失值处理筛选个案.docx（27页珍藏版）》请在冰豆网上搜索。

张伟豪SPSS培训视频3笔记缺失值处理筛选个案

如果要把连续变量进行分组，比如将不同的年龄分为老中青三种，30岁以下，30到50，,5以上，如何处理呢？

如下

选择转换——重新编码为不同变量

将age选入，命名新名称为agenew，然后点旧值与新值。

现在旧值这边选范围，从最低到值，写上30，意思是从最低值到30的范围，新值命名为1，然后添加进去

然后选择范围，填30到50，意思是范围30到50，命名为新值2，添加进去，

然后在范围，从值到最高里填入50，意思是50岁以上，新值命名为3，添加后点击继续

在这里要注意的是，虽然旧值到新值数字有重叠，但是SPSS会认为上一行包含重叠数字，下一行不包含，例如上面，第一行包含30，第二行包含50.

最后一列生成新数据。

对于缺失值的处理，一般缺失值最好不要超过总数的5%，最多不能超过总数的10%。

如果要查看每个测量题目是否有缺失值，有多少个缺失值，只需要做频数统计就行了。

但是如果要查看每个问卷是否有缺失值，有多少个缺失值，就需要用计算变量，如下，

选择函数和特殊变量中的NMISS，在括号中选择所有变量，点击确定，

最后一列就会显示出都哪些问卷有缺失值，缺失值是几个。

那如何处理缺失值呢？

第一种方法，选择转换——替换缺失值

把有缺失值的变量选入新变量框中，在选入之前先要选择补缺失值的方法，一般使用序列平均值和线性差值，但是使用序列平均值的话，缺失值过多就不行了，不科学。

但是如果选用其他方法，万一缺失值是第一份问卷的值，那么就会空缺，补不上。

选择后确定，数据的最后几列就会出现补好的新值。

第二种方法：

每种分析方法都会有缺失值的处理方法，如下

比如T检验，点选项，缺失值有两种处理方法，按分析顺序排除个案指的是分析的变量有缺失值，就把这个缺失值排除，如果分析的变量没有缺失值，那就不排除。

（也就是说按列排除）而这种方法能最大限度的保留数据，但是分析出来的结果会显示个案数n不一样，因为有缺失值的变量排除了，而没有缺失值的变量没有排除，所以导致每个变量的n都不一样。

按列表删除个案指的是，只要遇到有一个个案（问卷）有缺失值，就会把这个个案删除（也就是说按行排除）。

回归分析排除缺失值有些特殊，多了一个使用平均值替换，而按对排除个案和按分析顺序排除个案是一样的。

如何从所有数据中筛选一部分进行分析，而不是分析全部呢？

选择数据——选择个案

选中如果条件满足，点击如果

假如要选出高于40岁的男性进行分析，就输入如上图计算公式，确定

那左边被划掉的就是去除的个案，剩余的是符合条件的个案，最后一列中的1代表符合条件的个案，0代表不符合条件的。

可以右击，选择降序排列，那么所有的1就是筛选出来所需要的个案。

如果要把筛选掉的个案恢复，只需要将变量视图中的最后filter删除就可以了。

如果是想随机挑样本，那就选择随机个案样本，弹出对话框，第一个大约，指的是从所有样本中随机选大约百分之多少的样本，百分之多少可以填在格子里。

第二个是精确，比如从所有的295个样本中选50个，那么就在第一个空填50，第二个空填295.

随机选样本的作用：

一般我们都需要预调研，但这样的话就需要调研两次，比较麻烦，我们可以偷个懒，直接收集一次所有的样本，然后通过随机筛选的方法，选出一部分样本作为我们的预调研样本进行分析，但是这是偷懒的做法，不能写在论文里的。

如果需要将选出来的样本单独建一个数据集，如下

选择将选定个案复制到新的数据集，起个名字，确定，就会新出现一个新的数据集。

还可以选择第三种，基于时间或个案全距，也就是可以选一个范围，比如选第50到80个，但是一定要注意，这50到80不是自己设定的ID编号，而是spss最左边列的编号。

最主要的筛选方法就是这几种，最后一种几乎用不到。

还有一种情况是需要把所有数据按照一定标准分成几组，然后同时分析这几组，那就需要拆分文件，如下

选择数据——拆分文件，

如果我们要按性别进行同时分析，就选择比较组，把gender选进去，然后确定。

这样的话随便做一个分析，比如做回归，

首先在右下角就会显示拆分条件gender

随便做几个变量的回归，输出表格里每个表格都会按男女分开展示分析结果。

也可以同时加入好几个变量进行拆分后的分析，比如性别、婚姻等都可以同时放进去，分析结果就会按照这些条件分开分析。

如下图

以上所有的统计方法，大多都是回归的特例。

次数分配和描述性统计不一定必须是做分类或连续变量，只不过是习惯这样分着做，有时可以互换。

先说频数统计

频数统计一般是针对分类变量，因此统计量选项不要勾选方差标准差等内容，因为分类变量没有这些东西。

频数统计报告的第一个作用是看看有没有缺失值，有的话补上。

还要看每个变量的频数是不是正常，比如上图中婚姻，只有1和2，但是出来3等异常数字，说明录入的有问题。

其次看下边的频数表，需要掌握的原则有两个，第一个，每个变量的选项中，最小数量频数的选项不能小于最大数量频数选项的4倍，比如上图中，小学频数是8，最大的大学频数是190，远小于4倍，这时候就需要将小学和高中合并，成为54，那190就不是它的4倍了，才可以。

第二个，每个变量的选项中，最小数量频数的选项不能低于总频数的5%，比如上图中小学频数是8，总频数是295，小于5%，就需要调整（合并）。

这样检查并调整后，才能做T检验或者ANOVA（方差检验）。

最后还有一条，任何一个变量，在做T检验和ANOVA时，选项数量不能超过4个，比如上图中，职业类型就有12种，这种是不能分析的。

所以一般是不拿职业类型做分析的。

如果想要在输出结果中出现上图红框中的数字，而不是只显示选项名称，那就需要操作下

选择编辑——选项——输出，在上图红框中选为值和标签，默认是只有标签。

如果变量的选项不符合条件需要合并，怎么操作呢？

如下

比如收入需要合并最下边两项，我们要合并的是前边的红框中的数字，而不是收入数字

使用重新编码为不同变量功能

选择income，新起个名字，点新值和旧值

然后旧值123都是新值123，然后把其他所有制编为新值4，当然也可以编为4是4,5是4.

这样最后一列就会出现合并后的新值。

最后记得将变量视图中新的income值加上新标签。

要注意的是，在论文中呈现的应该是最原始的分组，不要进行并组，只不过在表格说明中说一下哪个需要并组，原因是什么，在做后边方差分析时会先并组。

就可以了。

如果要做连续变量，就需要用描述性统计，方法如下

把所有需分析的变量选入框中，在选项框中，需要选中峰度和偏度，这两个值是检验是否符合正态分布的，因为我们的变量要符合正态分布才可以分析。

分析出来之后，需要对输出表格进行解释。

第一列代表都是295个样本，没有缺失值。

最小值和最大值可以检查是否有错误录入，因为是1到7，所以如果出现8等其他数字，就说明有录入错误。

平均值可以分析是否答案填的是否过于集中，比如平均值如果是6点多，说明填的都是6或者7，太集中了。

当然，如果平均值是5点多，那也有可能都填的是4或者5，当然也有可能填几的都有，这就看不出来了。

那就需要看后边的标准偏差，这个稍复杂，如下：

最大值减最小值叫做全距，上图中全距大多数为6或者5,（7-1,7-2），全距是个固定值。

要用全距除以标准偏差，因为全距是固定值，那么得数越高说明标准偏差越小，我们需要标准偏差不要过小（也就是得数不要过高），过小就说明答案过于集中，所以得数越高答案就越集中。

一般我们要求这个相除的得数要小于5，不能超过6。

上图中各个变量的全距除以标准偏差一般为4点多或5点多，符合标准，说明答案不是太集中。

偏度和峰度，一般标准为偏度绝对值在1以内，峰度绝对值在7以内，说明基本符合正态分布。

如果想显示问卷各个问题的名称，那就需要选择编辑——选项——输出，在红框中位置选择名称和标签，就能显示出问题名称了。

一般表格中小数点前边不能出现0，在excel中应该如下操作：

选中需要更改的数字，点击右键——设置单元格格式——数字自定义，选择0.000那个选项，改为.000，小数点保留几位就留几个0.就可以了。

有的时候表格比较长，会跨页，而文章要求跨页表格也得有表头，怎么操作呢？

选中表头，右击选择表格属性——行——在各页顶端以标题形式重复出现，就可以了。

预调研问卷一般20——50个就可以（有文献证明，文件夹里）

查找缺失值的方法

使用查找功能ctrl+f，输入.，就能找出来了