京公网安备 11010802034615号
经营许可证编号:京B2-20210330
SPSS Syntax中的常用函数
SPSS函数是一个常用程序(rountine),并且利用一个或多个自变量(参数)来执行。每个SPSS函数均有一个关键名称(keywordname),且绝不能写错。通常,函数的格式为:函数名称(自变量,自变量,……),某些函数可能只含有一个自变量,而有些函数则可能含有多个自变量,当一个函数含有多个自变量时,各自变量间用逗号(,)隔开,而函数的自变量通常又可分为以下三种:1)常数,如SQRT(100):2)变量名称,如MEAN(VAR1,VAR2,VAR3);3)表达式,如MIN(30,SQRT(100))。总之,SPSS函数和我们平时EXCEL里面函数格式规则并无差别。
SPSS提供了180多种函数,共可分为十多类(SPSS 17.0中大大小小分了18类)。和EXCEL一样,我们也不可能记住所有函数,只要知道一些常用函数,至于其他函数要用的时候再去查找也不迟,下面本人将列举一些常用函数:
(一)算术函数
|
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 |
SQRT(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底的对数函数 |
LG10(x*10)=1.41 |
|
LN(numbexpr) |
自然对数函数 |
LN(y)=1.1 |
(二)统计函数
|
函数 |
说明 |
范例(X1=2,X2=5,X3=8) |
|
MEAN(numexpr,numexpr,…) |
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)=1 |
|
MAX(value, value,…) |
自变量的最大值 |
MAX(X1,X2,X3)=8 |
|
SUM(numexpr,numexpr,…) |
求和 |
SUM(X1,X2,X3)=15 |
|
SD(numexpr,numexpr,…) |
求标准差 |
SD(X1,X2,X3)=3 |
|
VARIANCE(numexpr,numexpr,…) |
求方差 |
VAR(X1,X2,X3)=9 |
|
CFVAR(numexpr,numexpr,…) |
求变异系数 |
CFVAR(X1,X2,X3)=0.6 |
(三) 缺失值函数
|
函数 |
说明 |
范例 |
|
MISSING(variable) |
若变量缺失,则为T或1,否则为F或0 |
MISSING(X1)=1 MISSING(X2)=1 MISSING(X3)=0 |
|
SYSMIS(numvar) |
若变量是系统缺失值则为T或1,如为自定缺失或非缺失则为F或0 |
SYSMIS(X1)=0 SYSMIS(X2)=1 SYSMIS(X3)=0 |
|
NMISS(variable,…) |
缺失值个数 |
NMISS(X1,X2,X3)=2 |
|
NVALID(variable,…) |
有效值个数 |
NVALID(X1,X2,X3)=1 |
|
VALUE(variable,…) |
忽略自定义缺失值,当作非缺失 |
VALUE(X1)=X1 |
注:X1为使用者界定缺失值,X2为系统缺失值,X3为非缺失值
(四)字符串型函数
|
函数 |
说明 |
范例 |
|
ANY(test,value,value) |
若自变量1和后面自变量窜相同则为真,记为1 |
ANY(is, this)=0 ANY(is,this,is)=1 |
|
CONCAT(strexpr,strexpr) |
将自变量连成一个新自变量 |
CONCAT(th,is)=this |
|
INDEX(haystack,needle,divisor) |
Divisor在needle最左侧开始出现的位置 |
INDEX(‘this is’,’is’)=3 |
|
LENGTH(strexpr) |
自变量所含文字的个数(包括特殊字符和空格) |
LENGTH(‘th is’)=5 |
|
LOWER(strexpr) |
自变量中的大写字母改为小写字母 |
LOWER(‘This’)=’this’ |
|
UPCASE(strexpr) |
将自变量中的小写字母改为大写字母 |
UPCASE(‘this’)=’THIS’ |
|
LTRIM(strexpr,char) |
在strexpr开始处去除char所形成的常量,如无char则去除strexpr左侧的空格 |
LTRIM(‘this’,’t’)=’his’ LTRIM(‘this’,’is’)=’th’ LTRIM(‘ this’)=’this’ |
|
NUMBER (strexpr,format) |
当自变量为数字的文字变量时,按文字变量指定格式转换为数字变量 |
NUMBER(‘23’,F8.1)=2.3 NUMBER(‘23’,F8.0)=23 |
|
RANGE(test,lo,hi,lo,hi) |
如果自变量1的值包含在自变量集lo至hi的范围内,则为T或1 |
RANGE(‘c’,’a’,’k’)=T |
|
STRING(strexpr,format) |
按指定格式将自变量转换为文字型变量 |
STRING(3+4,F8.2)=’7.00’ |
|
SUBSTR(sterxpr,pos,length) |
从strexpr子窜的第pos位置开始取length的字符串长度 |
SUBSTR(‘this is’,6,2)=’is’ |
(五)时间日期函数
|
函数 |
说明 |
范例 |
|
DATA.DMY(d,m,y) |
与指定日月年对应的日期 |
DATA.DMY(3,5,99)=05/03/99 |
|
DATA.MDY(m,d,y) |
与指定月日年对应的日期 |
DATA.MDY(5,3,99)=05/03/99 |
|
DATA.YRDA(y,d) |
与指定年日对应的日期 |
DATA.YRDA(99,35)=02/04/99 |
|
DATA.QYR(q,y) |
指定的季节年份对应的日期 |
DATA.QYR(2,99)=04/01/99 |
|
DATA.MOYR(m,y) |
与指定的月年度对应的日期 |
DATA.MOYR(5,99)=05/01/99 |
|
DATA.WKYR(w,y) |
与指定的周年度对应的日期 |
DATA.WKYR(38,98)=9/17/98 |
注:1 要正确显示以上函数值,必须先赋予其SPSS得日期型变量(DATA)格式,假设以上日期用mm/dd/yy格式显示,时间则用hh:mm:ss格式表示
2 1<=d<=31、1<=m<=12、1<=w<=52、1<=q<=4
(六)其他函数
SPSS除了上述函数外,尚有日期和时间转换函数(YOMODA\CTMIESDAYS\CTIMEHOURS\MDAYS等)、连续几率密度函数(CDF\BINOM\CHISQ\CDF\EXP\LOGISTIC等),此外还有NORMAL(stddev)可产生平均数为0,标准差为stddev的正态分布随机数字。UNIFORM(max)可产生平均数为0与max间呈均等分布的随机数字。
PS:还可以像EXCEL一样利用脚本编写自定义函数,目前SPSS支持python,Sax Basic(一种与VB兼容的编程语言)等语言,利用new--script可编写出自己需要的函数。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27