|
针对小伙伴们有关无量纲化处理的提问，今天将常用的无量纲化处理方法进行一个汇总说明，SPSSAU提供17种数据无量纲化处理方法，如下图：
一、无量纲化 1、定义 无量纲化，也称为数据的标准化、规范化，是指不同指标之间由于量纲不同导致的不具有可比性，所以需要先进行无量纲化处理；它是通过数据变换来消除原始变量的量纲影响的方法；消除量纲影响后再进行后续分析。 2、解释说明
二、无量纲化方法选择 在研究时具体应该使用哪一种处理方式呢，其实并没有固定的要求，而是结合实际情况或者实际研究进行。 比如熵值法计算权重时，通常需要处理数据的方向问题，可以使用正向化、逆向化处理方式；但对于数据的单位问题，可以处理也可以不处理，对于分析并没有太大影响，如果要处理可以选择归一化处理方式。 常用分析方法的无量纲化处理方式对比如下表：
三、SPSSAU无量纲化处理 使用SPSSAU进行无量纲化处理，位于SPSSAU数据处理->【生成变量】
可批量选中需要进行无量纲化处理的指标，选择相应无量纲化处理方法，确认处理即可完成。 四、17种无量纲处理方法说明 SPSSAU共提供17种无量纲化处理方法，其中比较常用的比如：标准化、中心化、归一化、均值化、正向化、逆向化等等；汇总说明如下表：
备注：表格中，X表示某数据，Mean表示平均值，Std表示标准差；Min表示最小值，Max表示最大值，Sum表示求和，Sqrt表示开根号；接下来将逐个进行说明。 1、标准化（S） 2、中心化（C） 3、归一化(MMS) 4、均值化(MC) 5、正向化（MMS） 计算公式为：（X - Min）/ (Max - Min)。 正向化的目的是对正向指标保持正向且量纲化。比如GDP增长率、科研产出数量这两个指标；GDP增长率、科研产出数量是数字越大越好。正向化的目的就是让数字越大越好的意思，而且同时其还让数据压缩在 [0,1] 范围内即进行了量纲处理。 6、逆向化（NMMS） 计算公式为：（Max - X）/ (Max - Min) 逆向化的目的是对逆向指标正向且量纲化。比如失业率这个指标；失业率是数字越小越好。逆向化的目的就是让数字越小越好的意思，而且同时其还让数据压缩在 [0,1] 范围内即进行了量纲处理。 从公式就可以看出，分母永远是大于0，随着X的增大，分子会越来越小，那么就对逆向指标逆向化处理之后就会得到一个这样的特征，即数字越大越好（数字越大时，其实X是越小）。 相当于将逆向指标逆向化后，新的数据为数字越大越好，这样便于进行方向的统一，尤其是在指标同时出现正向指标和逆向指标时，针对逆向指标进行逆向处理，是非常常见的处理方式。 7、适度化（M） 其计算公式为：-|X-K| 适度化其目的是让K适度系数值作为参考标准，比如K=1，其意义为数字越接近于1，适度化后数字越大，适度化处理后数字均小于等于0，但越接近0说明其离K值越近； 8、区间化（Interval）） 其计算公式为：
区间化的目的是让数据压缩在 [a,b] 范围内，a和b是自己希望的区间值，如果a=0,b=1，那么其实就是一种特殊情况即归一化； 9、初值化（Init） 计算公式为：X / 该列第1个不为空的数据 初值化在综合评价时有可能使用，比如进行灰色关联法研究时就常用此种处理方式；即以数据中第1个不为空的数据作为参照标准，其余的数据全部去除以该值。 比如说2000，2001，2002，2003，一直到2022共计23年的GDP数据，第1个数据就是2000年的GDP，所有的数据都去除以2000年的GDP，相当于以2000年GDP作为参照标准，所有数据全部除以2000年的GDP（包括2000年GDP除以自己得到数字1）。 一般来说，初值化这种处理方式适用于有着一种趋势或规律性的数据，比如上述2000~2022年的GDP等，而且数据正常情况下都是全部大于0，因为出现负数，通常会失去其特定意义。 10、最小值化（MinS） 其计算公式为：X / Min 最小值化其目的是让最小值作为参照标准，所有的数据全部除以最小值； 需要特别说明一点是，此种处理方式时一般都是要求数据全部大于0，否则可能就不适合用此种无量纲化处理方式。 11、最大值化（MaxS） 计算公式为：X / Max 最大值化其目的是让最大值作为参照标准，所有的数据全部除以最大值；即以最大值作为单位，全部数据全部去除以最大值。 需要特别说明一点是，此种处理方式时一般都是要求数据全部大于0，否则可能就不适合用此种无量纲化处理方式。 12、求和归一化（SN） 计算公式为：X / Sum（X） 求和归一化其目的是让'求和值’作为参照标准，所有的数据全部除以求和值，得到的数据相当于为求和的占比。 13、平方和归一化（SSN） 计算公式为：X / Sqrt（Sum（X^2）） 平方和归一化其目的是让 ' 平方和值 ’ 作为参照标准，所有的数据全部除以平方和值，得到的数据相当于为平方和的占比。 需要特别说明一点是，此种处理方式时一般都是要求数据全部大于0，否则可能就不适合用此种量纲方式。TOPSIS法的时候使用此种处理方式较多。 14、固定值化(CloseFixedValue） 计算公式为：
固定值化其目的是让某一固定值FixedValue作为标准；比如固定值为10，则分母为一定值——代表所有数据离10的最远距离。固定值化的实际意义为离10的相对距离（处理后数字越大越接近，数据越小越远离），经过固定值化处理，使数据压缩在 [0,1] 之间，0代表远离10，1代表刚好为10。固定值化时离固定值FixedValue越近越好。 15、偏固定值化(OffFixedValue） 计算公式为：
偏固定值化其目的是让某一固定值FixedValue作为标准；比如固定值为10，固定值化的实际意义为离10的相对距离（处理后数字越大越远离，数据越小越接近），经过固定值化处理，使数据压缩在 [0,1] 之间，0代表刚好为10，1代表远离10。偏固定值化时离固定值FixedValue越远越好。 16、近区间化(CloseInterval) 计算公式为：
近区间化其目的是让某一区间（p，q）作为标准，属于该区间的数值取数字1，不属于的进行近区间化处理，近区间化时离（p，q）区间越近越好。 17、偏区间化(OffInterval) 其计算公式为：
偏区间化其目的是让某一区间（p，q）作为标准，属于该区间的数值取数字1，不属于的进行偏区间化处理，偏区间化时离（p，q）区间越远越好。 数据无量纲化处理方法相关内容可查看SPSSAU帮助手册：https:///helps/otherdocuments/methodsdataformat.html 若要了解数据分析相关的更详细知识，可进入SPSSAU官网查看帮助手册or联系智能客服or人工客服为您解答。 以上就是今天的全部内容啦~ 若您想看其他干货内容 请在评论区告诉SPSSAU
数据分析救命神器 让你的数据处理 非常简单！  SPSSAU 数据科学分析平台 www. |
|
|
