京公网安备 11010802034615号
经营许可证编号:京B2-20210330
SPSS进行数据转换(Transform)
在有些情况下,原始数据难以满足数据分析的要求,需要对原始数据进行适当的转换。SPSS具体强大的数据转换功能,它不仅可以进行简单的变量转换和重新建立分类变量,还可以进行复杂的统计函数运算以及逻辑函数运算。
在主菜单中点击Transform命令,弹出数据转换子菜单,如图所示。

计算产生变量是根据已存在的变量,经函数计算后,建立新变量或替换原变量值。1 计算产生变量(Compute..)
例如,我们在方差分析中常常要求对百分数和层数描叙的数据作反正弦函数的转换(sin-1SQRT(x))。
ARSIN(SQRT(x))
首先,打开数据文据文件(DATA1-1.SAV),将数据调入工作区。然后,从菜单选择Transform- Compute..命令,弹出计算产生变量对话框,如下图:
Target Variable: 目标变量名指定栏。可以输入新的变量,也可以输入已有的变量。输入变量后,下边的 [Type & Label..]按钮就会被激活,点击它出现变量定义的对话框,可以设置以下变量属性。
Label 栏:
⊙Label 输入标签名。
○Use expression as label: 以数学表达式作为标签。
Type 栏:
⊙Use Expression as label: 数字型变量
○String 字符型变量,Width: 8 字符宽度。
Numeric Expression: 数学表达式输入
使用键盘或利用系统提供的计算面板输入数学表达式。也可以将Functions(函数)框里的函数选入表达式中。系统提供了70多种函数,它包括算术函数,统计函数,分布函数,日期函数,缺失值函数和字符函数。
If…定义条件
⊙Include all cases: 包括所有记录。
○Include if cases satisfies condition: 符合条件的记录。选中此项后,条件输入框激活,在此框中输入
变量的逻辑表达式。
SPSS 算术函数
注:x 可以是变量、常量,也可以是函数。
2 自动重新赋值(Automatic Recode)
有的时候,我们需要重新把数值变量或字符变量按它本身的数值大小转换成为从1开始的顺序整数,并存放在新变量对应的记录中。
首先,打开数据文据文件(DATA3-1.SAV),将数据调入工作区。然后,从菜单选择“Transform- Automatic Recode”命令,弹出连续型变量转换为分类变量对话框,如下图:
操作步骤:
1)从左边数据变量栏里把变量选入到右边的“Variable->New Name”框中。
2)在“New Name:”输入新变量名称后,点击 [Add New Name] 按钮加入到“Variable->New Name”框中。
3)在“Recode Starting from”设置赋值顺序,有以下两种顺序:
⊙Lowest value: 按从小到大顺序,赋值为1开始的顺序整数。
○Highest valus: 按从大到小顺序,赋值为1开始的顺序整数。
4)单击 [OK] 按钮,执行转换。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14