【原】SPSS教程 | 第2期：数据分析前的准备

——变量视图概述——

变量视图的两种常用打开方式：双击“数据视图”的变量列，或者点击页面左下方的“变量视图”。

双击“数据视图”变量列

点击左下角的变量视图

变量视图包含的信息包括：变量名称、变量类型、字符宽度、小数位数、标签、值（变量值标签）、缺失值、列宽、对齐方式、测量和角色。我们将会会对各项逐个进行介绍。其中最常用的为变量名称、变量类型、标签、变量值标签和测量，其他属性大家可以根据需要自行选择，如果没有特殊需要，直接用默认设置也完全OK。

1.  1. 变量名称（Name）

变量名称是用于标识数据变量的名称。它是数据分析中非常重要的一个属性，用于识别和引用不同的变量。

变量名一般需要满足以下要求：

①每个变量名在数据文件中必须是唯一的，不可重复。

②变量名只能包含字母（A-Z和a-z）、数字（0-9）和下划线（_）。不能以③数字开头，不能包含空格或其他特殊字符。

④长度限制：一般来说，变量名长度不能超过64个字符。

⑤区分大小写：在SPSS中，默认情况下，变量名是区分大小写的，即“Var1”和“var1”被视为不同的变量名。

•  2.变量类型（Type）

SPSS提供了3种基本的数据类型：数值型变量、分类型变量和日期/时间变量。基于这几种类型，可进一步细化为数字、逗号、点、科学记数法、日期、美元、定制货币、字符串、受限字数等变量类型。用户根据需要选择合适的变量类型即可。

点击“…”可弹出变量类型对话框

•  3.标签（Label）

可对变量名作更详细的解释说明，增强分析结果的可读性，对于复杂的数据集尤为重要。通过添加标签，数据分析人员可以快速了解每个变量的作用，而不必仅仅依赖于变量名。

变量名标签总长度最多可至120个字符。

•  4.变量值标签（Values）

变量值标签是用于对分类型变量的不同取值进行描述性文字标签的属性。它为数值型或字符串型的分类型变量提供了更具体的解释和含义，使数据的理解更加清晰和直观。

例如，对于一个表示吸烟的分类型变量，其取值可能为1-4，其中1表示"最近3个月仍在吸烟"。通过为这两个取值添加变量值标签，我们可以将其描述为"1=最近3个月仍在吸烟"，这样在数据分析和报告时就可以直接使用文字标签，而不需要记住对应的编码。

点击“…”可弹出变量值标签对话框

•  5.缺失值（Missing）

统计分析中，明显错误的数据和漏填的数据都可作为缺失值处理。缺失值可选择3种定义方式：无缺失值、离散缺失值和范围加上一个可选的离散缺失值。

点击任意一列缺失值单元格附近的“…”按钮可弹出缺失值标签对话框

6.测量（Measure）

统计学中，数据可基于测量尺度分为3大类型，分别为标度型数据、名义型数据和有序型数据。

①标度型数据：用于数值型变量，可以进行算术运算。数值测量可以是连续型或离散型。例如，年龄、身高等连续变量，以及家庭成员数量等离散变量。

②名义型数据：用于分类型变量，其取值表示不同的类别或选项，但没有顺序关系。例如，性别可以用"男"和"女"表示，但没有大小顺序。

③有序型数据：也用于分类型变量，但其取值具有明确的顺序关系。例如，教育水平可以用"高中"、"本科"、"硕士"和"博士"表示，具有明确的顺序。

测量的选择

     7. 角色（Role）

角色是用于指定数据变量在数据分析中扮演的角色或用途的属性。通过为数据变量指定不同的变量角色，SPSS能够根据其用途来选择适当的数据处理和分析方法。

SPSS提供了以下几种主要的变量角色：

输入：用于存储原始数据的变量，是进行数据分析的起点。

目标：用于存储要预测或研究的目标变量。在进行预测建模或其他类型的分析时，通常需要将某个变量指定为目标变量。

两者：兼具输入和目标的功能。

无：变量没有角色分配。

分区：变量角色为让整个样本分为若干部分。

拆分：变量角色为区分。

角色的选择

     8. 其他

①字符宽度：指变量所占单元格的列宽度。系统默认选项为8，可根据需要调整。

②小数位数：可设置变量的小鼠位数，系统默认值为2位。

③列宽：用于定义列宽，系统默认宽度为8。

④对齐方式：用户可以选择3种变量对齐方式：左对齐、右对齐或居中对齐。系统默认为右对齐。‍

那么这就是本期的全部内容啦，你学会了吗？下一期，我们将为大家讲解SPSS中数据整理的一些基本操作。大家如对于推送内容有任何问题或建议可以在公众号菜单栏“更多--读者的话”栏目中提出，我们会尽快回复！