第二章 数据文件的管理（下） （医学统计之星：张文彤） 2.2.1.2　从原有变量计算新变量 从头定义变量的情况多数在建立数据集时出现。但是，当数据集已经建立，需要整理、转换变量时，碰到的更多情况是需要根据某种条件从原有变量计算新变量。下面我们将按菜单条目的顺序依次讲解他们的功能。但是，首先我们需要了解一下所用的对话框界面的情况。 【SPSS对话框元素介绍】 下面是我们在第一章曾经见过的两样本t检验对话框：  这是一个非常典型的SPSS对话框。它包含了许多具有SPSS特色的对话框元素： 对话框左侧为候选变量列表框，里面列出了可被该对话框使用的变量； 右上方为Test Variables框，可将变量选入其中；注意在两个框的中间用“”相连，这是变量移动按钮，其方向表明是将变量从那个框移动到哪个框，上图中我们选中了变量group，两个移动按钮均变黑并向右指，表明变量group可以移动到他们右侧的两个框里去，改变当前框（在其他两个框里单击），移动按钮就会转向、变灰等以表明不同的意思（墙头草一个，可别小看这个功能，我想用VB实现这个功能，也是费了些工夫才把它搞定了）； 右侧为一排五个按钮，分别是确定、粘贴、重置、取消和帮助。这五个兄弟也是几乎永远一起出现的，另外四个大家都比较熟悉了，重置（Reset）按钮用于取消对话框内已做的选择，恢复到默认的状态； 最下方有个Options按钮，用于设置专门用于该对话框的选项； OK、Paste两个按钮为灰色，表明所需条件尚未满足，该按钮暂不可用。同理，Grouping Variable框下方的Define Groups按钮为灰色显示，也表明暂不可用。 【Compute Variable对话框】 例3.2? 在li1_1.sav中建立新变量temp，令其值当血磷值大于1时为2，否则为1。 解：这里需要用到Compute Variable对话框，外加一点技巧。首先给变量temp均赋值为1，然后将血磷值大于1的记录其temp变量值改为2即可。选择菜单Transform==>Compute，弹出Compute Variable对话框如下：  左上角为需要计算的变量名，在其中键入“temp”，此时“Type&Lable”按钮就会变黑，喜欢精确的朋友可以在这里对temp进行详细的定义，但如果你和我一样非常懒，就可以对它视而不见（不要生气，聪明人大多都非常懒:)）；左下方为候选变量列表，现在还用不着；中部为类似计算器的软键盘，可以用鼠标按键输入数字和符号，这里我们直接输入“1”，输入的内容回立刻在右上方的数值表达式窗口中出现；软键盘右侧为函数窗口，可以在这里找到并使用所需的SPSS函数；这次也用不到。好，现在“OK”按钮已经变黑，单击他，系统就会自动生成一个新变量temp，并且取值均为1。 软键盘上几个奇奇怪怪的符号的含义如下： ~= & | ** ~  不等号，等价于<> 逻辑符号AND 逻辑符号OR 乘方，相当于函数EXP() 逻辑符号NOT  在函数窗口中选中某个函数并单击右键，系统就会弹出该函数的用法说明。 函数主要是和变量名组合起来使用的，比如说ABS(x)就是取变量x的绝对值。 好，现在开始进行第二步，再次选择菜单Transform==>Compute，系统也再次弹出这个对话框－－等等！注意到了吗？该对话框自动记住了你上次输入的内容，几乎所有SPSS的对话框都有这个特性，这会大大方便我们的使用。好，将数值表达式窗口中的1改为2，然后单击中下部的“If”按钮，系统弹出记录选择对话框如下：  不需要太多解释，大部分内容都是前面见过的。由于我们这里不是对所有记录做变换，因此选中第二个单选钮“Include if case statisfies confition:”，此时下方的所有窗口变亮，表明现在可用；而“Continue”按钮变灰，表明当前还没有提供所需的信息，好，我们就来提供，在左侧选中血磷值(x)，然后单击“”，x就被引入了右侧的变量框，任你用键盘或者用鼠标，总之将下面这个算式补充完：x>1。现在可见“Continue”按钮再度变黑。在它又变灰之前赶快单击它（开个玩笑），系统回到Compute Variable对话框，请注意If按钮右侧的变化：x>2。如果你做的结果不一样，请重来一遍。 现在单击“OK”按钮，由于我们要替换变量值，系统会弹出一个确认对话框，确认替换，马上你就会看到，我们已经把这道题做完了。 【Count对话框】 Count对话框用于计算某个值或某些值在某个变量的取值中是否出现（好象有点拗口），比如我们想看看有哪些记录的血磷值在2～3之间，选择菜单Transform==>Count，系统弹出Count对话框如下：  Target Variable框中用于指定记录变量值是否出现的变量名，在这里输入temp2；选中血磷值(x)，将其选入Variables窗口，此时“Define Values”按钮变黑，单击它，系统弹出变量值定义窗口如下：  左半部为变量值定义窗口，可以定义某个值、系统缺失值、系统或用户定义缺失值、变量值范围、小于某值或大于某值。我们这里是第四种情况：选择Range，在through两侧分别键入2、3，然后单击已变黑的“Add”按钮，“2 thru 3”就会被加入“Values to Count”框内。然后单击“Continue”，再单击Count对话框的“OK”，可以看到系统自动生成变量temp2，其中10、11号记录因血磷值介于2和3之间，temp2取值为1，其余的记录temp2取值均为0。 SOS，SOS，请大家千万注意，Count对话框有一个潜在的bugs，当你需要计算同时满足两个变量取值条件的记录数有多少时，直接用该对话框会得出完全错误的结果。这里有一点技巧，需要对对话框生成的指令加以修改，至于怎么修改嘛，我们将在Syntax（语法）窗口使用详解一章中讲述 :)。 【Recode对话框】 Recode对话框用于从原变量值按照某种一一对应的关系生成新变量值，可以将新值赋给原变量，也可以生成一个新变量。 例2.3? 在Li1_1.sav中生成新变量temp3，当血磷值小于1时取值为0，1～2时取值为10，大于2时取值为20。 解：选择菜单Transform==>Record==>Into Different Variables，Recode对话框如下：  将血磷值(x)选入Input Variable->Output Variable框，此时Output Variable框变黑，在其中键入新变量名temp3并单击Change，可见原来的x->?变成了x->temp3。现在单击“Old and New Values”，系统弹出变量值定义对话框如下：  许多东西和前面类似，不再重复。按照题目的要求，选择Range:Lowest through，在右侧框中键入1，然后在右上方的Value右侧框中键入对应的新变量值0，此时下方Add键变黑，单击它，Old->New框中就会加入Lowest thru 1->0，按照类似的方法依次加入另两条转换规则，最终Old->New框中共有Lowest thru 1->0、1 thru 2->10、Else->20三条，现在单击Continue，再单击OK，系统就会按要求生成新变量temp3。 哎呀不得了，图片太多了，虽然这样非常直观，但下载速度太慢了。等大家对基本界面操作熟悉了后，我们将对比较简单的对话框试着对操作用文字的方式描述，比如上面的操作我们将用文字表达为： Output Variable框：选入x Output Variable Name框：键入temp3：单击Change钮 选中x->temp3：单击Old and New Values钮： 　　Range:Lowest through单选钮：键入1：New Value Value单选钮：键入0：单击Add钮 　　Range: through单选钮：两侧分别键入1、2：New Value Value单选钮：键入10：单击Add钮 　　Range: All other values单选钮：New Value Value单选钮：键入20：单击Add钮 　　单击Continue 单击OK 怎么样，还能理解吧。 【Categorize Variables对话框】 Categorize Variables对话框用于将连续性变量自动按要求分成等间距的几类。其界面非常简单，许多东西都是我们所熟悉的，唯一特别的是右下方的number of categories框，用于输入变量的等级数，默认为4，比如我们希望将血磷值按大小分成5个等级，先将血磷值选入Create Categories框，然后将下面的4改为5，单击OK，就会看到系统产生了一个新变量nx（即number of x之意），其取值就对应了血磷值相应的5个等级（1～5）。重复一下，具体操作步骤为： Create Categories框：选入x Number of categories框：5 OK 【Rank Cases对话框】 例2.4? 请分组计算血磷值的秩和。 解：选择菜单Transform==>Rank Cases，弹出Rank Cases对话框如下：  将血磷值选入Variable框，分组变量选入By框，单击OK即可。系统会建立一个新变量rx（即原变量名前加r表示Rank之意），其取值为x分组的秩次。 解释一下Rank Cases对话框的其他几个零件： 左下角的Assign Rank 1 to框架用于选择将秩次1赋给最小值还是最大值； 中下部的Display summary tables复选框用于确定是否在结果窗口内输出结果报表； Rank Types钮用于定义秩次类型，有Rank（秩分数）、Savage评分（新变量值按指数分布）、Fractional rank（新变量值是秩分数除以非缺失值观测量的权重之和）、Fractional rank %（新变量值是秩分数除以非缺失值观测量数乘100）、Sum of case weights（新变量值是各观测量的权重之和）、Ntiles（新变量值是按所选变量的百分位数分组的组序号），默认值为Rank。单击More按钮，还会有更多的设置，这里就不再讲了。 Ties钮用于定义对相同值观测量的处理方式，可以是取平均秩次、最小值、最大值或当作一个记录处理，默认值为取平均秩次。 【Automatic Record对话框】 该对话框用于按原变量值的大小生成新变量，变量值就是原值的大小次序，功能和Rank Cases对话框重复（等价于相同值观测量当作一个记录处理的情况）。 【Create Time Series对话框】 用于自动生成时间序列变量，由于太专业，这里不做过多解释。 【Replace Missing Value对话框】 用于填充缺失值，结果存入一个新变量。填充方法有：序列的均数、相邻若干点的均数、相邻若干点的中位数、线性内插、线性外延，默认值为序列的均数。 2.2.2? 数据的录入 2.2.2.1? 直接录入 我想直接录入的问题就不用多讲了吧，直接敲就是了！ 2.2.2.2? 数据录入技巧 和其他常用统计软件相比，SPSS数据界面最大的优势就是支持鼠标的拖放操作，以及拷贝粘贴等命令，下面的数据录入技巧就是对这些功能的利用。 【连续多个相同值的输入】 如前面group变量有连续多个1，如果直接输入，可以在第一格内输入1并回车，然后回到刚才的单元格并单击右键，选择copy，最后用拖放方式选中所有应输入1的单元格，单击右键并选择paste，所有选中的单元格就会都被刚才拷贝的1填充。 【将EXCEL数据直接引入SPSS】 Excel已经打开原数据，并且数据量较少的时候，可以直接用拷贝粘贴的方法将数据引入SPSS：先在EXCEL中选中所有的数据（不包括变量名），然后选择拷贝命令；然后切换到SPSS，最好使行1列1单元格成为当前单元格，然后执行粘贴命令，数据就会全部转入SPSS，再定义相应的变量即可。 2.3? 进一步整理数据文件--Data菜单 在许多情况下，我们需要先对数据进行一些整理（如分组、合并、加权等）才能将其用于最终的统计分析。这些功能基本上都集中在Data菜单项中，下面我们就对这些对话框做逐一介绍。 2.3.1 用于数据管理的菜单项 【Sort Cases对话框】 例2.5? 对数据集li1_1.sav按group升序，x降序的次序排列。 解：选择菜单Data==>Sort Cases，系统弹出Sort Cases对话框，该对话框并不复杂，其中比较特殊的是下方的Sort Order单选钮，有升序和降序两种选择。请注意，该单选钮是和上方的Sort By框一起使用的，具体方法如下： 确认升序单选钮被选择，将Group选入Sort By框； 选择降序单选钮，将x选入Sort By框。  请注意：group和x后面分别跟着Ascending和Descending，表明前者是按升序、后者按降序排列；由于Group在前，因此排序时以Group优先。 【Transepose对话框】 该对话框用于对数据进行行列转置，可以在原数据文件中指定一个变量记录转置后的变量名。原变量名则自动保存在系统产生的名为case_lbl的字符变量中。 该对话框也非常简单，左侧为候选变量框；右上方为Variable框，用于选入需要转置的变量，一般应选入除名称变量外的所有其他变量，如果有变量未选入，则转置时会被自动丢弃；右下方为Name Variable框，用于指定原数据文件中记录转置后变量名的字符变量，但不是必需的，此时系统会将新变量自动按var001、var002...的顺序命名。 【Merge Files对话框】 用于合并数据文件，实际上包括了两个对话框，分别对应了两种合并方式： 1. 从外部数据文件中增加记录到当前数据文件中，称为纵向合并，用Add Cases对话框完成，相互合并的数据文件中应该有相同的变量。选择菜单Data==>Merge Files==>Add Cases，系统首先弹出打开数据文件对话框，选中需要添加的数据文件并按OK，系统才弹出Add Cases对话框，左侧显示的是新、老数据文件中不匹配的变量名，右侧显示的是已经匹配的变量名。可以用Rename按钮对不匹配变量改名（先选中）或用鼠标强行匹配（即先按Ctrl键选中匹配的两个变量再单击Pair钮）。右下方的Indicate case source as variable复选框用于定义一个新变量以区分哪些记录是后来添加的。选择停当后单击OK，该操作就完成了。 实际上右侧显示的是将要包括在合并后数据集中的变量，如果有哪个你不需要，把它弄到左侧框中即可。 2. 从外部数据文件增加变量到当前数据文件，称为横向合并，用Add Variable对话框完成，相互合并的数据文件中应包含同样的记录。选择菜单Data==>Merge Files==>Add Variable对话框，系统同样先弹出打开数据文件对话框，单击OK后弹出和前面相似的Add Variable对话框。按需选择即可。 【Aggregate对话框】 用于对数据进行分类汇总，所谓分类汇总就是按指定的分类变量对观测值进行分组，对每组记录的各变量值求指定的描述统计量，结果可以存入新数据文件，也可以替换当前数据文件。  上图中各个零件的含义如下： Break Variables框：用于选择分组变量； Aggregate Variables框：用于选择被汇总的变量； Name&Label钮：用于定义新产生的汇总变量的名称和标签； Function钮：用于定义汇总函数，共有三组函数，以最常用的第一组为例，可选的函数有均数、同组的第一个观测值、最后一个观测值、同组记录数、标准差、最小值、和、最大值共8个； Save Number of cases in break group as variable复选框：用于定义一个新变量以存储同组的记录数； Create new data file单选钮：定义一个新文件以存储汇总的结果，右侧的File钮用于具体文件名的定义，默认文件名为AGGR.sav； Replace working data file单选钮：用汇总的结果替换原来的数据。 例2.6? 计算Li1_1.sav中两组的血磷值标准差。 解：该题完全可以用更简单的方法完成，这里只是演示一下汇总对话框的用法。 Break Variables框：Group Aggregate Variables框：x Function钮：(Standard deviation单选钮：Continue钮) Replace working data file单选钮：选中 OK 【Split File对话框】 用于将数据文件分组进行处理，该对话框我们在第一章时已经使用过了，这里再介绍一下各个对话框元素的用途： Analyze all cases单选框：和下面的两个单选框为一组，选中本框不拆分文件； Compare groups单选框：按所选变量拆分文件，各组分析结果紧挨在一起便于相互比较； Organize output by groups单选框：按所选变量拆分文件，各组分析结果单独放置； 　Groups based on框：用于选择拆分数据文件的变量； Sort the file by grouping variables单选框：将数据按所用的拆分变量排序； File is already sorted单选框：数据保持原状，不按所用的拆分变量排序。 【Select Cases对话框】 很多时候我们不需要分析全部的数据，而是按某种要求分析其中的一部分（比如只分析男性的身高、只对前200个数据进行分析以了解大概情况），这时使用Select Cases对话框可以大大简化工作。 该对话框界面如下所示：  其中主要的对话框元素为： All cases单选钮：和下面的4个单选钮为一组，选中它则分析所有的记录； If condition is satisfied单选钮：只分析满足条件的记录； 　If按钮：和If单选钮一起使用，单击后弹出If对话框； Random sample of cases单选钮：从原数据中按某种条件抽样； 　Sample按钮：和Random单选钮一起使用，可以设定按百分比抽取记录，或者精确设定从前若干个记录中抽取多少个记录； Based on time or case range单选钮：基于记录序号来选择记录； 　Range按钮：和Based单选钮一起使用，用于输入记录序号范围； Use filter variable单选钮：使用筛选指示变量来选择记录，必需在下面选入一个筛选指示变量，该变量取值为非0的记录将被选中，进入以后的分析； Filtered单选钮：和下面的Deleted单选钮为一组，表示未被选中的记录只是被隔离，这些记录的记录号会被加上斜杠以示区别； Deleted单选钮：未被选中的记录将被删除，一般不要使用。 当对数据集做出筛选后，所做的筛选将在以后的分析中一直有效，直到再次改变选择条件为止。同时在多数情况下，系统会自动产生一个名为filter_$的筛选指示变量，被选中的记录该变量取值为1，反之则为0。 【Weight Cases对话框】 在默认情况下，每一行就是一条记录，这在多数情况下没有什么问题，但有时却非常麻烦，想想看如果你需要计算一个四格表卡方，有100例，如果每一行就是一条记录，你就需要输入100条记录！如果希望在计算过程中利用不同的变量对数据进行加权处理，就需要用到Weight Cases对话框。该对话框的使用极为简单，界面上有两个单选钮，分别是不权重记录和用某变量权重记录，如果选择后者，则需要选中一个权重变量。 【Data菜单中的其余对话框】 Define dates对话框：可以自动生成时间变量。 Insert Variable命令：在当前列插入新变量。 Insert cases命令：在当前行插入新记录。 Goto cases对话框：到达指定记录号的记录，该命令在记录数极多时（1000条以上）非常有用。 2.3.2? 正交设计菜单项 正交设计不包含在SPSS/BASE模块中，因此由于解密范围的问题，有的D版中不含该菜单项，不过我用的10.0版里是有的:)。 以前我以为SPSS不能作正交设计，感谢网友edof@sh的提醒，经研究，在SPSS中可以直接进行正交设计，Orthogonal Design子菜单项就是专门用于完成该任务的，具体做法用下面的例子说明如下： 例2.7 做A、B两个因素的正交设计，A因素有三个水平，B因素有两个水平。 解：选择Data-->Orthogonal Design-->generate，弹出的就是正交设计窗口，操作如下： Factor name框：输入A； 单击ADD钮； 确定变量A被选中，单击Define value钮； ? Value列：头三行分别输入1、2和3，代表变量A的三个水平； ? 单击continue钮； Factor name框：输入B； 单击ADD钮； 确定变量B被选中，单击Define value钮； ? Value列：头两行分别输入1、2，代表变量B的两个水平； ? 单击continue钮； 单击OK 在第10步定义完后，对话框应如下图所示：  在其他没有用到的选择项中，各种LABELS当然适用于定义相应的各种标签的；Data Files单选框组用来定义产生的数据文件是存为制定的文件名，还是直接替换当前工作文件；而Define Value对话框中的Auto fit框可以自动填充从1到你输入的那个数值这么多个水平的定义，特别适合我这种懒人。 这里我们直接替换当前工作文件，在这个自动产生的正交设计数据集中，前两个变量就是要分析的A和B，各个水平已经按正交设计的要求排列好了。后面的status_和card_变量是系统产生的LOG变量，可以不管它。现在你再建立一个结果变量，输入实验结果，就可以进行正交设计的分析了。