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
在数据处理的全流程中,数据呈现与数据分析是两个紧密关联却截然不同的核心环节。无论是科研数据整理、企业业务复盘,还是日常数 ...
2026-03-06在数据分析、数据预处理场景中,dat文件是一种常见的二进制或文本格式数据文件,广泛应用于科研数据、工程数据、传感器数据等领 ...
2026-03-06在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越单纯的数据清洗与统计分析,而是通过数据 ...
2026-03-06在教学管理、培训数据统计、课程体系搭建等场景中,经常需要对课时数据进行排序并实现累加计算——比如,按课程章节排序,累加各 ...
2026-03-05在数据分析场景中,环比是衡量数据短期波动的核心指标——它通过对比“当前周期与上一个相邻周期”的数据,直观反映指标的月度、 ...
2026-03-05数据治理是数字化时代企业实现数据价值最大化的核心前提,而CDA(Certified Data Analyst)数据分析师作为数据全生命周期的核心 ...
2026-03-05在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27