
如何通过SPSS软件实现随机化过程
随机过程是临床研究过程中至关重要的一部分。在前面的内容中我们也讲过了很多关于随机和随机数的内容,请大家参阅旧的目录。本期将跟大家一起讨论一下如何通过SPSS来实现随机化过程。
在说之前,先跟大家聊一聊随机数的类型,随机数有真随机数(True Random Number)和伪随机数(Pseudo Random Number)之分。我们平时所使用的无论什么程序产生的随机数都是伪随机数,它是有“种子”的,种子决定了随机数的固定序列。而真随机数很多情况下只能看老天的眼色,比如掷骰子、布朗运动、量子效应、放射性衰变等等,所以说我们在临床研究中常用的软件产生随机数的方法都是伪随机数,伪随机数虽然不具有完全的随机性,但是已经足够用了。
总体上SPSS为随机化提供了两类过程,第一类过程直接进行随机抽样或分组,第二类过程只生成随机数字,需要研究者依据随机数字自己去进行随机抽样或分组。
在上述过程中,我们都可以选择采用“随机种子数”或“固定种子数”两种方式来产生随机数。采用“随机种子数”时,随机数字不可重现;采用“固定种子数”时,随机数字可以重现出来。由于SPSS的syntax不是所有人都常用,在此就不说了,其实大家可以通过点击paste选项保存出任意计算过程的syntax语句。下面分别介绍其它三种随机数生成方法:
1、利用“选择个案”窗口实现
a.设定种子数:顺序点击转换、随机数字生成器,勾选Mersenne Twister(相比兼容SPSS12更可靠),勾选固定值(设定一个自己的种子数),点击确定。这样就设定好了种子数。
b.依次点击数据、选择个案,点选随机个案样本(D),点击样本,点选其中一个并填入数值,点击继续,点击确定即可。如下图:
2、利用“复杂抽样”窗口来实现;
复杂抽样窗口可实现分层抽样,并保存出抽样计划和抽样结果文件。按照其提示一步步点击即可。为了简化,后面过程不再截图。
3、利用“计算变量”窗口来实现
a.设定种子数,方法同上。
b.点击转换、计算变量,在目标变量中给变量起一个名字,在函数组中点选随机数字,点选任意一个随机函数,填入适当的条件,点击确定即可。我个人常用Rv.Normal或Rv.Uniform函数。
c.获得随机数字之后,你可以采用任意规则去进行随机抽样和分组,当然这个规则是你在生成随机数字之前就定好的,如你打算选取排序前50%的个案入A组等。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13