SPSS 软件概述
SPSS-----Statistical Package for Social Science （社会科学统计软件包）现改名为Statistical Product and Service Solutions(统计产品与服务解决方案）
1. 20世纪60年代末，美国斯坦福大学的三位研究生研制开发了最早的统计分析软件SPSS，同时成立了SPSS 公司
2. 1975 年在芝加哥组建了SPSS 总部
3. 1984年开发了DOS操作系统下的PC+版本
4. 1992年的DOS版升级为Windows版本，即最初的版
5. 1999年升级到版、2001年升级为11 .0版、 2003年 Windows操作平台下版本为;目前已开发
SPSS公司陆续购并了SYSTAT公司、BMDP软件公司、Quantime公司、ISL公司等，从而使SPSS公司由原来的单一统计产品开发与销售转向企业、教育科研及政府机构提供全面信息统计决策支持服务的一家综合统计软件公司。
目前已推出9个语种版本，用户只要掌握一定的Windows操作领域的扩大和服务深度的增加SPSS公司已于2000年正式将英文全称更改为Statistical Product and Service Solutions，即“统计产品与服务解决方案”，标志着SPSS的技能以及统计学知识，可以使用该软件为特定的科研工作服务。
SPSS for Windows的特点
1、SPSS for Windows的命令语句、子命令及选择项大部分由“菜单”、“图标按钮”、“对话框”的操作完成，操作简单、使用方便。工具栏提供了方便用户进行各种不同操作的按钮,用户也可根据不同的需要增加或者减少各种操作按钮。同时还具有记忆功能,能够记住用户最近打开的数个文件以及当前执行的统计分析及作图的操作中用户输入的数据。
与另一著名统计软件SAS相比，更适用于统计初学者或非统计学专业人员。
2、具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。能更快速地读取并分析大量数据。去掉了数据大小的限制，解决了在使用其他分析工具时可能遇到处理大量资料的困难，现在您都可以比以前更轻易地读取并管理您的这些资料。利用独一无二的动态表格（PIVOT TABLE）技术，创造表格、图表与报告模块(report cube)。为基础统计分析提供了最基本的统计方法，其中包括了概括、计算、交叉表、分类、描述性统计、因子分析、回归与聚类分析，而且在您分析结束后，还可以将数据写回数据库。自带11种类型136个函数,能充分满足各个方面用户的需要。利用互动图形，使分析結果显而易见。还可以将表格转变成图形。
3、SPSS for Windows与其它软件有数据转换接口。能够读取13种及输出14种格式的文件；能够把SPSS的图形转换成7种图形文件；结果文件可保存为TXT及HTML格式的文件。结果可直接用Word及WPS编辑，为数据及图形结果直接用于科研报告提供了便利。例如：可直接读取关系数据库生成的DBF文件、ASCII文件以及Excel电子表格文件。同理，SPSS的数据文件也可以方便地转换成其它数据文件
4、提供独有的菜单命令向程序文件的转换功能。几乎每一个对话框都有“Paste”（粘贴）按钮。可将菜单操作命令直接转换为程序命令。用户可将命令文件保存或编辑，也可直接执行该程序文件。因此，编写程序文件时也不需记忆大量的命令，为高级用户对数据实现自动分析提供了强有力的帮助。
5、详细的在线帮助(Help)信息。根据不同层次的用户提供不同的帮助,在使用过程中用户可以方便地获得相关的帮助信息,也可直接连接到SPSS Internet主页,查询有关该软件的最新信息。
SPSS 的运行环境与安装
SPSS for Windows的运行环境
SPSS for Windows 有1个基本模块和12个附加模块组成
SPSS Base为基本模块，其余12个模块为Advanced Models、Regression Models、Tables、Trends、Categories、Conjoint、Exact Tests、Missing Value Analysis和Maps，SPSS Smart Viewer和SPSS Report Writer分别用于完成某一方面的统计分析功能，他们均需要挂接在Base上运行。可以根据自身需要有选择地安装或完全安装，这样可节省硬盘空间。它对计算机软硬件系统要求是：
SPSS for Windows的安装
1、启动计算机，将SPSS 光盘插入光驱；
2、在“我的电脑”中点击软件光盘所在光驱如“Ｅ”盘，找到SPSS文件夹，点击“”，启动安装程序（图）；
3、根据安装程序的提示向导，依次进行安装，提示输入安装到的磁盘路径(默认路径为c:\program files\spss,用户可以通过Brow命令修改安装到其他磁盘上)，输入软件、用户姓名和单位名称、系列号码；安装过程中，用户可根据需要选择典型安装（Typical）、最小化安装（Compact）以及用户自定义安装(Custom)3种方式。
4、安装完毕，用户可以在桌面上建立一个SPSS的快捷方式，以方便使用。
SPSS for Windows的启动
单击“开始”按钮，打开“开始”菜单，指向“程序”项，选择（单击）“SPSS for Windows\/SPSS for Windows”；或桌面的快捷方式上双击SPSS for Windows的图标，即可启动SPSS，SPSS启动成功后出现SPSS的主画面，进入预备工作状态。
在SPSS for Windows对话框中，系统提示你想做什么？（What would you like to do?），用户可选择运行自学向导（Run the tutorial ），进入数据编辑窗口（Type in date），运行一个已经存在的问题（Run an existing query）, 建立一个新问题（Create new query using Database Capture Wizard），打开一个已经存在的文件，如数据文件、程序文件、结果文件等（Open an existing file ）。如用户选择了以后不显示该对话框（Don`t show this dialog in future），则可直接显示进入主画面“数据编辑”窗口。
SPSS的退出
关闭SPSS系统时，应先保存各窗口中的文件（执行文件菜单中的保存命令），系统常见窗口为数据编辑窗 (Date Windows)、结果输出窗口 (Output Windows viewer)以及语法程序编辑窗 (Syntax Editor windows)。如没有存盘，当关闭窗口时系统会出现是否保存文件的提示信息，可根据需要进行选择是否保存文件。退出系统的方法是，单击窗口右上角的关闭按钮或执行文件 (File)菜单中的退出 (Exit)命令即可退出SPSS。
学习SPSS应具备的基础知识
1、计算机硬件基础知识：了解计算机组成基本知识；
2、Windows操作系统基础知识，特别是窗口、对话框操作知识；
3、统计学基础知识，SPSS具有强大的统计分析功能，用户应具有一定的统计学知识。只有掌握了相应的统计学方法后才能使用该软件包及对结果做出合理解释。通过使用该软件可有助于对统计学知识的理解。
4、其他软件知识，最少能够学习一种其他数据管理软件，如关系数据库Visual FoxPro语言、电子表格软件Excel 操作知识，以便于对数据进行转换。如已经掌握一种语言编程知识,则学习SPSS编程变得很容易。
SPSS窗口的组成
SPSS窗口
SPSS最常见的窗口有3个，
数据编辑窗 (Date Windows)、
结果输出窗口 (Output Windows viewer)
语法程序编辑窗 (Syntax Editor windows)，
另外还有图形编辑窗（Chart Edit Windows）等。每个窗口中会有自己的一组菜单，用于对该窗口进行操作。通过文件（File）|新建（New）命令新建窗口，或通过文件（File）|打开（Open）命令打开一个已存在的窗口。
1、数据编辑（Data Edit）窗口
SPSS是一个数据分析系统，因此，启动SPSS后首先进入数据编辑窗(SPSS Data Editor)（图），与Windows其他窗口一样，有标题栏、菜单栏、工具栏、数据编辑区以及窗口底部的系统状态栏（显示系统当前的工作状态）组成
窗口名位于窗口上端的标题栏中。系统默认数据编辑文件名Untitled SPSS Data Editor（无标题数据编辑框）。数据编辑窗口是一种类似EXCEL的电子表格形式。SPSS的数据编辑窗口有两个视图窗口，一个是数据视图（Data View）窗口，另一个是变量视图（Variable View）窗口。变量视图（Variable View）窗口用于定义变量的类型、宽度等格式；数据视图（Data View）窗口用于向定义好格式的数据文件中输入数据，可通过单击窗口底端相应的标签进行切换
2输出(Output)窗口
当对数据进行统计分析后，统计结果、统计报告、统计图表将在输出窗口（Output）出现，默认的标题名称为Outputl-SPSS Viewer(输出1视图)，可对窗口内容进行编辑。执行统计命令中产生新变量信息 、运行命令及程序产生错误时的警告信息也在该窗口显示。
3、语法编辑（Syntax Edit）窗口
使用SPSS 菜单进行操作后，都会打开一个窗口或对话框，在每一个窗口或对话框都有一个粘贴（Paste）按钮，用于将该窗口对应的程序及用户选择的参数存入语法程序编辑窗 (Syntax Editor Windows)。用户也可通过文件菜单中的新建命令新建或打开语法“格式”（程序）文件。保存该文件后（扩展名SPS），执行操作时，不需通过菜单方式，可直接通过运行命令（Run）运行该程序文件，自动完成相应的操作。
4、草稿输出(Draft Output)窗口
与标准输出（Output）窗口类似，但他仅能将统计分析结果显示出来，不能对图表进行编辑，但允许对图表做等比例缩放。可以将该窗口结果保存成文本文件或RTF文件格式。该窗口打开后结果将输出到该窗口。
SPSS的窗口菜单
1、SPSS的数据编辑窗口菜单
2、 SPSS的结果输出窗口的菜单
3、 SPSS的系统参数设置
第2章 SPSS数据文件的建立与编辑
数据管理是SPSS的重要组成部分，也是对数据进行统计分析的基础。在对数据分析之前必须先建立数据文件，将收集到的各种信息、数据输入计算机中。SPSS具有建立数据文件的功能，在SPSS中建立数据文件分两步：一是在变量视图(Variable View)中建立数据文件的格式(定义变量名、类型、宽度等)，另一个是在数据视图(Data View)中，向建立好格式的数据文件中输入数据。现以某单位人事档案工资表为例说明建立数据文件的基本方法。
表 某单位人事档案工资表
T
工程师
04/12/68
男
李建辉
0205
F
高 工
02/28/64
女
许艳艳
0204
F
助 工
06/29/72
男
王永歌
0203
T
工程师
05/12/67
女
黄丽丽
0202
F
工 人
11/23/78
女
王兰香
0201
F
助 工
03/12/79
女
梁 萍
0105
T
高 工
11/05/54
男
赵 斌
0104
T
工程师
07/01/70
男
张华卫
0103
T
高 工
12/23/60
男
王万宏
0102
F
助 工
01/12/78
女
李莉娟
0101
(x8)
(x7)
(x6)
(x5)
(x4)
(x3)
(x2)
(x1)
奖金
工资
婚否
职称
出生年月
性别
姓名
编号
建立数据文件
执行“开始”|“程序”|“SPSS FOR WINDOWS”|“SPSS FOR WINDOWS”命令，启动SPSS或双击桌面上的快捷图标即可启动SPSS软件并显示数据编辑窗口（DATE EDITOR）。数据编辑窗口有两个标签，一个是变量视图（Variable View），另一个是数据视图（ Data View）。变量视图用于定义和编辑变量的数据格式，数据视图用于输入数据。
⒈定义数据文件格式
单击Variable View（变量视图）标签，打开变量视图窗口，系统出现定义变量的10种选项，功能如下：
1）变量名（Name）：
变量名栏，在该栏输入变量名。本例，定义x1、 x2 、x3、 x4、x5、x6、x7、x8等8个变量为变量命名，见图，变量命名应该遵循如下原则：
（1）变量名由不多于8个字符组成。也可使用4个汉字，但由于汉字在变量输入与处理方面有诸多不便，一般不建议使用汉字。
（2）首字符应该是英文字母或汉字，其后可为字母或数字及除了“？”、“！”和“＊”以外的字符。但圆点“.”不能出现在变量名尾。
（3）变量名不能使用SPSS的关键字（保留字）。如：ALL、AND、OR、NOT、EQ、GE、LE、LT、NE、TO、WITH及一些常用的符号等。
（4）系统中不区分变量名中的大小写字符。例如ABCD与abcd被认为是同一变量。
2）类型（Type）：变量类型
默认变量类型为数值型（Numeric），单击数值（Numeric）右侧的小按钮，可打开变量类型对话框，改变变量类型，变量类型有8种：
（1）数值（Numeric）：标准数值型变量，见图，系统默认为数值型；总长度为8，小数位数为2。系统的默认长度可以从编辑（Edit）菜单中的选项（Options）命令中重新设置。
（2）逗点（Comma）：带逗点的数值型变量；默认总长度为8，小数位数为2。其值在显示时，整数部分自右向左每三位用一个逗点作分隔符，圆点做小数点。如：12,，输入时逗点可不输入。
（3）句点（Dot）：带圆点的数值型变量；默认总长度为8，小数位数为2。显示时与逗点（Comma）相反，其值在显示时，整数部分自右向左每三位用一个圆点作分隔符，逗点做小数点。
（4）科学记数法（Scientific Notation）：科学记数法；默认总长度为8，小数位数为2。对于很大或很小的数据用此方法表示，指数的字母可以用E，也可用D，也可省略，如：12345可输入为、12345、、+4、+4，但显示值为+04
（5）日期（Date）：日期型变量，有27种表示方法，见表和图；
（6）货币型（Dollar）：货币型变量，默认总长度为8，小数位数为2，其值在显示时有效数字前有“$”，用逗点做分隔符。输入时可不带“$”，系统自动加上。如输入系统自动显示：$12,有12种表示方法，见表和图 ；
（7）自定义型（Custom currency）：自定义型变量，是一种由用户利用编辑（Edit）菜单的选项（Options）功能定义的，一般用于货币符号等的设置，见图；
其中：CCA、CCB、CCC、CCD、CCD、CCE是用户自己定义的5种自定义格式，CC为自英文定义货币型的首字母，A-E为编号。如定义CCA的格式为￥1,等。可在编辑（Edit）菜单的选项（Options）命令中，打开货币（Currency）选项卡，进行设置，其中全部数值（All Values）用于设置首（前缀）（Prefix）、尾（后缀）(Suffix)字符，负数（Negative Value）栏用于设置负数的首（Prefix）尾(Suffix)字符，系统默认负数的首字符是“-”。小数点分隔符（Decimal Separator）栏用于设置小数点的符号，默认为圆点（Period），也可定义为逗号(Comma)。
（8）字符型（String）：字符型变量。
有任何可以显示的字符组成，可以是汉字或字符，宽度1-255，作为常量时应用单引号“’”、双引号“””括起。注意应为英文引号。
一般地，为便于数据统计，变量类型应定义为数值型。
3） 宽度（Width）与小数位数（Decimals）。
根据每个变量数据的大小（最大数）及保留小数点的位数，定义变量的总宽度，小数点位数。总宽度包括小数点位数，但不包括小数点本身。如：。宽度定义为7位，2位小数。应该再次强调的是宽度是变量内容的宽度，而不是变量本身的宽度。本例中，定义性别数值型、小数为0.
4）变量标签（Label）
为了便于标示变量，对变量的含义进行进一步说明常常需要用汉字表示，变量的内容，如X3变量的标签为“性别”。其最大长度为255个字符。给变量加上标签后，在数据窗口鼠标指向变量时，变量名下会显示标签。在对数据分析后出现的结果输出窗口中凡是出现变量名的地方均用变量标签来表示。
5）数值标签(Values):。
对X3（性别）及X5（职称）变量，对变量的可能取值进行进一步的说明，通常仅对分类变量的取值指定值标签。当变量值是有限数据时，对这些数据输入时尽量用代码输入，以加快输入速度、方便数据处理。如性别中“男”可输入“1” （或M）， “女”可输入“2”（或F），职称也与此类似。结果输出时为了便于识别，可以使用数值标签，定义输入值的含义。默认没有数值标签（None），要改变，可按以下步骤：
（1）单击None后的小按钮，弹出数值标签（Value Label）对话框，在上面的“数值”（Value）栏中输入变量值，如“1”，在下面的数值标签（Value Label）栏中输入标签如“男”,单击“Add”按钮，同理可输入其他数值说明。X3中“1”为“男”，“2”为“女”。
（2）单击确定按钮
这样凡是在结果中性别是“1”的地方都会用“男”代替，性别是2的地方都会用“女”代替。见图
如要在数据视图中显示变量值用数值标签表示，则可执行“视图（View）菜单|数值标签（Value label）”命令，如对性别变量值标签定义完毕后，则输入1时将显示“男”，2时显示“女”，也可通过单击“值”标签右侧的按钮，在弹出的下拉列表框中进行选择其他值，用于对输入值的修改。但变量中存放的数值仍然是其原值，这里是1和2。
6）:缺失值（Missing）
缺失值有二种类型
一种是用户定义的缺失值。由于调查数据资料时（如测量人群生长发育情况），某项数据（如身高）没有调查，数据收集错误（调查表上填写数据错误，如身高误写为300CM），或输入数据完毕后发现一些数据不符合逻辑等。可以将这些数据定义为遗漏值或称缺失值、缺省值，对数据进行分析时，系统将不分析这些数据，使该项其他数据有效，用户可以定义以下3种缺失值。
（1）没有缺失值（No missing values）无需定义缺省值，即除了默认的缺省值外，不设缺省值，这是默认方式。
（2）离散的缺失值（Discrete miss values）:可定义1~3个离散的单一数为缺失值；如有效范围为1-7 ，缺失值可定义为0，8，9
（3）范围加离散的缺失值（Range plus one optional discrete miss）: 定义指定某一范围为缺失值，同时指定另外一个不在这一范围内的离散单一数为缺失值，如可定义性别中3-9及0为缺失值，见图。
另一种是系统缺失值，指在数据输入时某项数据由于没有输入（如按回车键跳过某项数据）或输入不合逻辑的数据（如数值型数据输入一个英文字符），系统默认缺省值为“.”。系统缺省值不需定义。
缺失值定义后，在进行数据统计时默认不参加计算。这样会产生数据例数不一的情况，对数值型及日期型数据，为保持数据完整性,系统提供了5种不同替代缺省值的方法。
（1）选择主菜单的“数据转换 (Transform)=> 替换缺省值（Replace Missing Values…）”命令,打开替换缺省值对话框。
（2）在左侧变量列表框中选择要转换缺省值的变量，方法与Windows中选择文件方法类似，要选择一个变量单击某变量，要选择多个连续变量，可单击第一个变量，然后按Shift键后单击最后一个变量，或用鼠标拖动的方法选择；要选择多个不连续变量，可单击第一个变量，然后按Ctrl键后单击其他要选择的变量。
（3）变量选择完后，单击对话框中间的右向箭头按钮。将选择变量选择到新变量（New variables）框中，
（4）在名称和方法框（Name and Method）选择新变量名称和方法
默认变量名为变量名后加下划线表示。如X8，新变量为X8_1。
默认方法(Method)为使用该变量的均数替代缺省值,在可以使用其他。X8_1变量中数值为将缺省值用均数替换，其他值不变。替代缺省值(Replace Missing Values)的方法(Method)可以是(图):
Series mean，将缺省值替代为均数（默认）。
Mean of nearby points,用邻近点有效数值的均数替换缺省值。
Median of nearby points ,用邻近点有效数值的中位数替代缺省值。
Linear Interpolation,用线性插值法替代缺省值。如果序列的第一个或最后一个值是缺省值，则不被替代。
Linear trend at points:用点的趋势替换缺省值。当前序列将根据与从1到n的变量进行回归，缺省值将被替换成预测值。
7)栏宽（Columns）
定义变量值的列显示宽度，默认宽度为8，用户根据需要可进行调整。
8)对齐（Align）
字符对齐方式，有三种选择项：
靠左（Left）向左对齐；
靠右（Right）向右对齐；
居中（center）居中对齐。
默认字符型数据左对齐，其他数据为向右对齐，用户可单击右侧的下拉列表中选择一种对齐方式。
9)测度:（Measure）
数据测度选项，测度是指按照某种法则给现象、事物或事件分派一定得数字或符号，通过测度来刻划事物的特征或属性。有三种类型选择：
(1)刻度型（Scale），定比测度或比率测度，为连续型变量，表示间隔测度的变量和表示比值的变量，如身高、体重等。
(2)序数（Ordinal）：定序测度或顺序测度，为有序分类变量，用于表示有顺序的等级变量，如文化程度，职称，考试排名等。变量值可以是数值型，也可以是字符型；
(3)名义型（（Nominal）：定类测度，或名义测度，为标称变量，是分类变量的一种，可以是数值型变量，也可以是字符型变量，如：性别、宗教信仰，党派等，没有顺序大小之分。
测度的确定与许多统计分析过程以及图形过程有密切关系。在这些过程中系统需要区分变量是定比测度或分类变量。后两种只作为分类变量对待。如该统计过程没有要求，则按系统默认数值型自动按刻度型（Scale），字符型自动按名义测度(Nominal)也可。
本例，x3（性别）可定义为名义型（Nominal）类型变量。X5（职称）为Ordinal型变量。见图.
2、数据录入
将变量定义完毕，单击窗口下端的数据视图（Data View）标签，定义的变量会自动出现在窗口上端，将表中的数据依次录入。
①在定义变量之后，数据编辑窗口形成了一个数据文件的二维表格，表格的顶部标有定义的变量名，表格的左侧有观察值（case）的序号（黑色的说明已输入数据，灰色的说明没有数据被输入）。
②一个变量名和一个观察量序号就对应了二维表格中的一个单元格。输入数据时可按变量（列式）输入数据，也可按察序号（记录、行式）输入数据，默认按变量输入数据，
③输入数据时，单击鼠标左键，把插入点定位到第一个单元格，使该单元格为当前操作的单元格，输入该变量的第一个值，按回车键；当前操作单元格下移到同变量下一个单元格，输入第二个值，以此方法把该变量值输完。如按观察序号（记录）输入数据，可在一个单元格输完数据后按“Tab”键，输入同一观察序号（记录）的下一变量值，输入数据时，可利用上、下、左、右光标键，或单击鼠标将光标移到插入点定位到某一单元格，并在其中输入或编辑数据。
3、文件的保存
第一次保存文件时，单击文件（File）菜单中的保存（Save）命令或工具上的保存按钮，系统会弹出另存为（Save Data As）对话框，如图 ，系统给出14种保存的格式供选择，分述如下（括号内为扩展名）：
⑴SPSS(*.sav):SPSS for Windows建立的数据文件；
⑵(*.sav):SPSS for 建立的数据文件；
⑶SPSS/PC+(*.sys):SPSS/PC或SPSS/PC plus建立的数据文件；
⑷SPSS portable(*.por):一种ASCⅡ码文件；
⑸Tab-delimited(*.dat):是用ASCⅡ码写的数据文件；
⑹Fixed ASCⅡ(*.dat):混合ASCⅡ码数据格式文件；
⑺Excel(*.xls):Excel的数据格式文件；
⑻1-2-3 (*.wk3):版本的数据格式文件；
⑼1-2-3 (*.wk1):版本的数据格式文件；
⑽1-2-3 (*.wks):版本的数据格式文件；
⑾Sylk(*.slk):多种扩展电子表格的文件；
⑿dBASEⅡⅢ Ⅳ(*.dbf):dBASEⅡⅢ Ⅳ版本的文件。
本例中，选择SPSS 数据文件格式SPSS(*.sav)，并选择路径（可事先在C盘建立一个名为自己名字如DATA命名的文件夹，也可单击该窗口中的“新建”按钮）和文件名“”，单击对话框中的“Save”即可，数据编辑窗口标题栏上出现文件名。数据保存时可单击变量（Variables）按钮打开保存变量（SAVE AS VARIABLES）对话框。在保留（KEEP）列可选择需要保存的变量（打X号），也可选择“保存所有”（KEEP ALL）变量或“去除所有”（DROP ALL）变量的保存。单击“继续”（CONTINUE）返回“另存为”（SAVE AS）对话框。
如果是一个保存过的数据文件,要存盘文件，单击保存命令不会弹出另存为对话框，要换名存盘,可选择“File“（文件）菜单中的“Save Data”另存为命令，打开另存为对话框。
⒊文件的打开
单击“文件”（File）菜单中的“打开”（Open）子菜单，选择“数据”（Data）选项，出现“数据文件”（Open File）对话框，对话框中出现12种选项
⑴SPSS(*.sav):SPSS for Windows建立的数据文件，默认文件类型；
⑵SPSS/PC+(*.sys):SPSS/PC或SPSS/PC plus建立的数据文件；
⑶Systat(*.syd):美国疾病控制中心编写的流行病学分析软件；
⑷Sytat(*.sys): 美国疾病控制中心编写的流行病学分析软件；
⑸SPSS portable(*.por): 一种ASCⅡ码文件；
⑹Excel(*.xls):Excel的数据格式文件；
⑺Lotus(*.w*):Lotus文件；
⑻Sylk(*.slk): 多种扩展电子表格的文件；
⑼dBASE (*.dbf):dBASE文件；
⑽Text(*.txt):纯文本文件；
⑾Data(*.dat):Data文件；
⑿All files(*.*): 所有文件。
如要打开最近打开过的数据文件，可以在FILE（文件）菜单下端的最近使用过的数据文件（RECENT USED DATA）菜单中选择。打开其他文件（程序文件、结果文件）可在最近使用过的文件（RECENT USED FILE）中选择。
数据文件的编辑与管理
对数据进行处理时，一种统计分析方法需要数据具有一定的数据格式，因此需要对原来数据文件进行编辑加工，它包括变量的增加和删减、观察值的增加和修改，数据的定位、排序、对数据进行转换或重新编码等。
⒈增加新的变量（Insert Variable）
(1)如果要在某一处增加一个新变量，可先切换到变量视图（Variable View），然后把插入点定位于该处。
（2）单击数据（Data）菜单中的插入变量命令（Insert Variable）。如单击X5（职称）变量行的任一个单元格，然后单击Data菜单中的Insert Variable子菜单命令，系统自动插入一个新的变量，默认插入的第一个变量名为var00001，如插入第二个变量则为var00002，用户可以定义其名字（Name）类型（Type）、宽度（Width）等项目。变量插入后在数据视图输入数据，见图，如为var00001，更名为age（年龄）。
(3)也可在数据视图中用类似方法插入变量，但默认类型为数值型（Numeric），需到变量视图（Variable view）修改其类型（Type）、宽度（Width）等格式。
(4)如要增加多个同格式变量，可先选中原变量（如X8），选择编辑（Edit）菜单中的复制（Copy）变量命令，将变量格式复制到剪切板，然后单击编辑（Edit）菜单中的粘贴变量（Paste Variable）项，打开粘贴变量（Paste Variable）对话框，
2、修改变量格式
要修改变量名（Name）、类型（Type）、宽度（Width）、小数位（Decimals）等格式可单击Variable View（变量视图）标签，单击需修改格式单元格进行修改。如可将X3（性别）类型变为“STRING”（字符）型。
3、删除变量
（1）在变量视图中单击待删变量的序号（位于变量行首），此时整个变量列被选中，呈反象显示（黑底白字）
（2）然后单击编辑（Edit）菜单中的清除（CLEAR）命令或按键盘中的Delete键，该列即被删除。
（3）也可在数据视图中单击变量名，选中变量列，执行编辑（EDIT）菜单中的剪切（CUT）命令或清除（CLEAR）命令，或按DEL键删除变量。
变量删除后其中的数据将一起被删除，因此删除时要确认。
4、移动变量位置
（1）在变量视图中（Variable View）中单击要移动变量所在行的行号（如X5前的5），选中要移动的变量行。
（2）将鼠标指向变量名前的行号（5）的拖动到需要的位置（X8下面最后处），则将变量移动到需要的位置。
（3）数据视图（Data View）中单击变量名，选中变量列，拖动鼠标到目标位置处。
5、浏览数据
（1）在数据视图中，看到输入的数据，如果变量或观察值在一个窗口显示不完全，可使用垂直及水平滚动条移动到所需位置（或PAGEUP、PAGEDOWN）。
（2）当变量较多时，由于移动使一般位于前面的标志变量（如编号、姓名）移出屏幕之外，可选中这些变量（方法是在数据视图中⒌通过拖动鼠标选定变量），再单击鼠标右键，在弹出的快捷菜单中选择锁定选定的列（PIN SELECTED COLUMNS）命令，则这些列将不移出屏幕之外。运用同样的方法，选择UNDO PINNING（撤消锁定）则可取消锁定。
（3）单击视图（VIEW）菜单中的数据（DATA）命令或按CTRL+T，可转换到数据视图，此时“视图|数据”（VIEW| DATA）菜单变为“视图|变量”（VIEW|VARIABLE），单击它
（或按CTRL+T）可转换为变量视图。
（4）执行视图|字体（VIEW|FONT）命令，打开字体对话框，可改变显示字符的字体、字号、字型等。
（5）执行“视图|网格”（VIEW |GRID LINES）命令（前面有“√” 为选定），可“设置或取消”栅格。
（6）执行“视图|数值标签”（VIEW |VALUE LABELS）命令（前面有“√”为选定），可“设置或取消”数值标签的显示，如上例设置性别变量中的1…男，2…女数值标签。如选定，则性别栏中的变量值为“1”的地方显示为“男”、“2”的地方显示为“女”。
6、观察值的修改
如果数据输入错误，单击该单元格，激活这个单元格，使它成为当前操作单元格，可重新输入数据；双击该单元格，可修改单元格中内容。可用上下左右光标键或垂直滚动条、水平滚动条来查找要修改的数据，也可直接搜索某一观察序号（记录）。记录号在数据编辑窗口的左端为流水号是输入数据时系统自动产生的，用户不需建立。对观察值的修改同样也可使用复制粘贴的方法，操作之前。需选定需要操作的单元格。
1）选定单元格
（1）选定一个单元格 在该单元格上单击鼠标左键。如单击观测值号则选定该行观测值。
（2）选定连续多个单元格 先选定一个单元格，然后再在最后一个单元格上按SHIFT键同时单击鼠标左键，则可选定两个单元格之间的矩形区域。也可用鼠标拖动的方法选定一矩形区域。先选定第一个观测值行号再按SHIFT键单击最后一个观测值号则选定几行观测值。
（3）选定不连续的几行观测值。先选定第一个观测值行号，按CTRL键选定其他观测值行号，则几行观测值被选定。
2）复制单元格或观测值
（1）选定需要复制的单元格或观测值
（2）单击编辑（EDIT）菜单中的复制（COPY）命令；单击鼠标右键，从快捷菜单中选择复制（COPY）命令；使用Ctrl+C快捷键
将选定内容复制到剪贴板。
（3）选定数量相等的的单元格或观测值行。执行编辑（EDIT）菜单中的粘贴（Paste）命令、单击右键从弹出的快捷菜单中选择粘贴（Paste）命令，执行Ctrl+V快捷命令。
3）移动单元格或观测值
与复制同执行操作时将复制（COPY）换成剪切（CUT）即可。
7、案例定位（Go To Case）
如果数据量很大，查找某一个观察值就很有必要。例如，想要查找第8号观察值，操作如下：
（1）单击数据（Data）菜单中的案例定位（GO TO CASE）子菜单，系统出现案例定位对话框。
输入要查找的观察值的编号8
（2）单击确定按钮（OK），系统就会定格在第8个观察值和行头。
8、在指定变量中查找数据
（1）打开数据文件，单击鼠标左键，将插入点定位于需要查找数据的变量如X2（姓名）列的任意单元格。
（2）选择主菜单中的“（编辑）Edit”|“查找（Find） ”命令，打开“在变量中查找数据X2”（find data in variable X2）对话框，见图。
（3）在查找（FIND）文本框中输入要查找的数据，如“王兰香”。单击找下一个（FIND NEXT）则向下寻找符合条件的数据，如找到则将鼠标定位于该记录，单击找下一个（FIND NEXT）继续查询下面符合条件的记录。如没有找到则显示“没有找到”（NO FIND），记录找到后可对其进行编辑。
9、增加新的观察值（Insert Case）插入案例。
如果要在第5号观察值之前插入一个新的观察值，操作如下：
先单击需要插入观察值（5号）的所在行任一单元格，然后执行数据（Data）菜单中的插入观察值（Insert Case）子菜单，系统自动在当前位置插入一行空白的观察值，原来的观察值自动下移，在新观察值上录入数据，见图 。
10、删除一个观察值行（Delete Case）
（1）将插入点定位到需要删除的观测值行序号上（如5号观察值），选定该行观察值
（2）执行(编辑)Edit菜单中的（剪切）Cut命令或（清除）CLEAR命令或按Delete键，该行即被删除。
（3）如没有选定行号而是选定多个单元格则仅删除选定的单元格中数据而不删除该观察值。
11、数据的排序（Sort Cases）
在对数据进行分析时，有时需要按某个或某几个变量值对数据重新排列。可用排序命令如在文件中，按X3（性别），X7（工资）进行排序。
（1）选择数据（Data）菜单中排序观测值（Sort Cases）命令，打开排序观测值（Sort Cases）对话框，见图.。
（2）对话框的左侧是可供选择的排序变量，双击第1个排序变量如X3进入右侧对话框，再选择（双击）第二个排序变量X7进入右侧对话框。
（3）对每一个排序变量都有两种排序方式可供选择：递增（Ascending）为按升序排序；递减（Descending）为按降序排序。本例X3（性别）按升序，即先1（男）后2（女），X7（工资）按降序（高工资在前，低工资在后），单击OK按钮。
（4）可看到先按第一排序变量（性别）的值进行排列，当第一变量值相同时再按第二变量（工资）的值进行排列 。排序之前需先保存原始数据。
12、数据的行列互换（Transpose）
数据分析之前的重要步骤是对数据进行整理成需要的格式，以适应数据分析的要求，有时需要将数据中的数据原来以行（列）方向排列的数据转换成按列（行）方向排列的数据。操作步骤：
（1）在进行操作之前，为便于说明问题，在X1变量前新增加一个变量X0（新变量）其值为y1-y10。字符型，宽度3位。
（2）执行“数据菜单|行列转置(Data|Transpose)”，打开行列转置（Transpose）对话框（见图）。
（3）从源变量清单中选择转置变量，进入变量（Variables）框中，这里我们选择x7(工资)、X8（奖金）两变量进入右侧的变量（VARIABLES）框。
（4）选择名称变量进入名称变量（NAME VARIABLE）框，这里我们选择X0，然后单击确定按钮。则会出现结果：
产生的新数据会在第一列出现一个case_lbl新变量，用于存放原来数据的变量名，如图如不事先定义新变量，则变量名默认为VAR0001、VAR0002…等，可用同样方法将数据再转换回原来的排列方式。需要注意的是转换变量需是同类型的变量，字符型变量不能转置。若变量类型不同则会用系统缺省值（.）替代。
13、数据文件的拆分（Split File）
文件的拆分相当于统计学中的分组，即将数据按一个或几个分组变量分成一些统计分析的组，有时在对数据进行分析时需要按不同类别对某一变量进行分组分析。例如，要用FREQUENCES命令求不同性别职工的平均工资，因为该命令只能对整个变量进行分析，不能分组，因此在进行分析之前须按X3(性别)对该数据进行拆分。但“拆分”并不是将一个数据文件拆分为两个或若干个独立的数据文件，仍然是一个文件，文件拆分后启动一个对拆分后的各分组数据进行统计分析的过程，按给定的拆分变量（如：X3（性别））进行排序，以便对不同性别分别进行分析。从表面上看，拆分效果与数据分类整理（排序）结果相同。
文件拆分基本步骤：
（1）执行“数据菜单|拆分文件”（Data|Split File）子菜单”命令，打开拆分文件（Split File）对话框，见图。
（2）系统默认的是对数据文件中所有观测值（Analyze all cases）进行分析，为了按不同组别（性别）对观测值进行分析，可选择比较分组（Compare groups）选项。也可选择以分组形式输出（Organize output by Groups），两者区别是输出格式的不同。前者将分组变量安置在同一表格里比较层叠输出，后者将按每一分组变量单独输出。
（3）选择分组变量X3（性别）进入“按…分组”（Groups Based on）对话框，说明按X3（性别）作为分组的依据。在“按…分组”（Groups Based on）对话框下面有两个选择项：
文件已经排序（File is already sorted）是指数据文件已经按所选择的变量排序，如数据文件已经排序则选择此项。
按组变量排序文件（Sort the file by grouping variables）是指按分组变量对数据文件进行分类排序，我们选择后者对数据按X3（性别）排序。
（4）单击OK（确定）即可完成对数据文件的拆分，结果见图。根据前面叙述可选择分析所有观测值（Analyze all cases）来取消拆分。
14、数据文件的合并（Merge Files）
合并数据文件包括两种方式：纵向合并和横向合并，从外部数据文件中增加观测值到当前数据文件中（Add Cases），称为纵向合并,即增加观测值；从外部数据文件中增加变量到当前数据文件中（Add Variables），称为横向合并，即增加变量。
1）增加观测值（Add Cases）：假设有另外一个数据文件（如图），录入了另外10名职工数据，为便于统计分析，需要把中的数据增加到RSDA..SAV中，这里我们为了说明，可把另存一份名为。在RSDA文件中新增加一个变量XX，内容与X8相同（可采用复制/粘贴命令）。在文件中将X1，X2分别更名XX1,XX2。合并文件具体操作如下：
（1）单击数据（Data）菜单中的合并文件 (Merge Files)子菜单，然后选择增加观察值（Add Cases）命令，弹出增加观察值读文件（Add Cases:Read File）对话框，如图。
（2）选择需合并的文件，，单击打开，弹出Add Cases From RSDA2（添加来自RSDA2的文件）对话框，如图。
在对话框的左侧为不匹配变量（Unpaired Variables），列出分属两个文件的不成对变量名，即变量名和类型不相匹配的变量，其中用[*]标记表示工作文件，用[+]标记的属于外部文件，带“<”的为字符变量，右侧为新工作表文件（Variables in New Working Data File）列出匹配变量，只有相同的变量（变量名、类型等）才能合并到一起。
（3）如果两文件的变量名不同，类型相同，是一种类型的数据，如X1、X2与XX1、XX2变量，增加观测值时，应将两者（X1、XX1）同时选中（按CTRL单击变量名），单击 配对(Pair)按钮,将它们移至新数据文件中的变量（Variables in New Working Data File框）中，合并后的新文件变量列表里二者的观测值将合并到工作文件（）x1变量中。同理可合并X2、XX2变量。新工作表变量宽度为工作文件（）数据宽度，如工作文件的数据宽度小于外部文件的数据宽度，则外部文件的观测值不会显示出来，而以“*”代替。
（4）对左侧不匹配变量，可以对其更名，方法是选中需更名的变量，如X1单击更名（Rename）按钮，打开更名（Rename）对话框，输入新的变量名。也可对匹配变量更名，方法是选中右侧变量，但击左向按钮，将其选择到左侧框中。然后对其更名。更名后再移到新工作数据文件中。
（5）如果选择了显示数据来源(Indicate case source as variables)，并在下面的对话框中输入名字（默认名字为Source001），则显示数据来源，第1个文件其中值为0，第2个文件其值为1。
（6）要让变量名、类型均不匹配的变量（如XX）添加到新工作文件中，可选中它，单击右向箭头按钮将它移动到新数据文件中的变量（Variables in New working Data File）框中，则新文件中没有此变量的观测值为缺失值（“.”）。
（7） 单击确定（OK）按钮即可完成对数据文件的纵向合并。见图，可以看到，中的10个观测值已经被合并到文件中去，可保存合并后的文件。
2）增加变量（Add Variables）
将另一个文件中的变量增加到当前打开的工作文件中，即横向合并。可使用增加变量（Add Variables）命令，如有一个（身高库）数据文件见图，其内容为rsda文件中职工的身高。要将其横向合并入数据文件。合并过程中要求两个数据文件必须具有一个共同的关键变量（Key Variable，变量名、类型、变量值排序相同），并需在该关键变量上进行排序，且这两个文件中的关键变量应有一定数量相等的观测值。合并时将按关键变量值相同的原则进行数据的横向合并。这里我们事先对及SG..SAV数据进行排序（如升序）。
具体操作步骤为：
（1）先打开合并工作文件文件，单击Data（数据）菜单中的合并文件（Merge File）子菜单，然后单击增加变量（Add Variables）选项，弹出增加变量读文件（Add Variables :Read File）对话框.。与纵向合并类似。
（2）单击要读取要横向连接的外部数据文件()，然后单击打开（Open）按钮，弹出从增加变量对话框（Add Variables From ），如图2..31。
对话框左侧的排除在新文件之外的变量(Excluded variables)选项中，列出的X1是两个数据文件中的相同变量应于排除，保留原变量，对话框的右侧是指合并后的新工作数据文件（New working data files）的全部变量。变量来源用[*]、[+]表示。此时单击OK按钮，默认按数据排列顺序进行合并。用于两个文件观测值相等，分类排序顺序一致时进行合并。
（3）如按两个合并文件中，某一变量（需两个文件均有的变量）值的进行合并,。可单击排除变量（Excluded Variables）框中的X1作为关键变量。此时可见两框中的变量消失。选择按关键字排序后变量匹配观测值（Match cases on key variables in sorted files），则需要事先对两文件中该变量均按升序排序，默认选项，它又有三个单选按钮：
两个文件都提供数据 (Both files provide cases),则合并后的数据按两个文件中同一变量（关键变量）提供的数据，如两文件中关键变量有相同值则合并为一个观测值，若不同则在新文件中增加一个新的观测值，缺少的变量值作为缺失值。此时观测值增加了。
外部文件是关键表（External file is keyed tables）：以外部文件为基表，则外部文件中只有变量值相同的观测值才合并到当前文件中。
工作文件是关键表（working data file is keyed tables）：以当前数据文件为基表，当前文件中只有变量值相同的观测值，才合并到新文件中，观测值的个数以外部文件中观测值个数为准。
（4）变量单击确定（OK）完成对数据文件的横向合并，如图。
如两个文件没有事先按关键值进行排序，则合并时将给出错误信息。也可以对左边变量进行更名后移入到新工作文件中。或将新工作文件中的数据移到左侧更名后，再移到右侧。
从以上可以看出，无论是纵向合并时要求变量最好一一对应，横向合并时，要求具有相同的观测值。
15数据文件的分类汇总（Aggregate）
按指定的分类变量（一个或多个）值相同的原则对观测值进行分组，对每组观测值的各数值型变量求描述统计量，生成新数据文件（默认文件名为），在新数据文件中对应分类变量的每个值产生一个观测值。
在数据文件中，如分析不同性别职称职工的X7（工资）、X8（奖金）统计量（均数、汇总、标准差等）。操作步骤如下：
(1)单击数据（Data）菜单中的数据汇总（Aggregate）子菜单，弹出数据汇总（Aggregate Data）的对话框，如图，
(2)左边框为源变量列表栏。右边上端为分组变量（Break Variable (s)）框，用于选择分组变量，可以是一个或多个，可以是字符型或数值型。这里将性别（X3）变量选入分组变量（Break Variable (s)）框中，表示按性别作为分组变量对汇总变量进行分组；在汇总变量（Aggregate Variable(s)）对话框，用于选择汇总变量，则这里选入X7（工资）、X8（奖金），表示要将X7、X8进行汇总。
(3)系统默认分类汇总后的新变量名为X7_1、X8_1；用户可以通过名称和标签（Name&Label）功能按钮进行设定汇总后目标变量名，单击Name&Lable…（变量名和标签）功能钮，弹出Aggregate Data:Variable Name and Label（分类结果数据文件的变量名及标签）对话框，可以更改分类汇总后产生的新变量和标签，单击Continue（继续）返回。
(4)系统默认的分类汇总的函数为求平均数（Mean）。用户可以通过单击函数（Function）按钮弹出分类汇总函数（Aggregate Data:Aggregate Function）对话框，如图，可选择分类汇总的函数，其函数选项如下：
图 选择汇总函数
①在总和（SUMMARY）方面：求均数（Mean）、中位数（Median）、合计（SUM）、标准差(Standard Deviation)
②在特定值 (Specific value)方面；
第一（First） 求该组第一个数值、
最后（Last value） 最后一个值、
最小值（Minimum Value） 最小值
最大值（Maximum Value:） 最大值
③在观察例数（Number of cases）方面，
加权的（Weighted） 求每组带权重的观测值例数，该例数中不含汇总变量中有遗漏值的观测值个数。
加权缺失（Weighted missing） 带权重的汇总变量遗漏值汇总、
未加权（Unweighted0是求每组不带权重的观测值例数 ，该例数中不含汇总变量中有遗漏值的观测值个数、
未加权缺失（Unweighted missing），不带权重的汇总变量遗漏值汇总。
④百分数（Percentage）方面，
上面（above）: ，求大于某数值（在右边数值框中有用户输入）的所有例数占总例数的百分比(0%~100%)；不含该数值的遗漏值个数；
之下（below:） 求小于某数值（在右边数值框中有用户输入）的所有例数占总例数的百分比(0%~100%)；
里面（inside）: 求在一数值区间（在右边数值框中有用户输入一范围）之内的例数占总例数的百分比(0%~100%)；
外部（outside）：求在一数值区间之外（在右边数值框中有用户输入一范围）的例数占总例数的百分比(0%~100%)
⑤比例方面（Fraction ），
上面(above)：求大于某数值（在右边数值框中有用户输入）的所有例数占总例数的比例(0~1)；
之下(below): 求小于某数值（在右边数值框中有用户输入）的所有例数占总例数的比例(0~1)。与上相同只是用小数表示。
里面(inside): 求在一数值区间（在右边数值框中有用户输入一范围）之内的例数占总例数的的比例(0~1)；
外部(outside)：求在一数值区间之外（在右边数值框中有用户输入一范围）的例数占总例数的比例(0-1)
（5）在主对话框（图）的左下角有三个选择项，其功能如下：
①保存每组的观测值数到一个变量（Save number of cases in break group as variable）:选择此项，各分组的观测值的数目作为一个新的变量保存在生成的新数据文件中，将新的变量名输入到右边的文本框中；默认为N_BREAK，本例选择。
②建立新数据文件（Create new data file），默认选项。汇总结果存储在新的文件中，单击右边的文件（File…）按钮，弹出用户定义输出结果文件（Aggregate Data:Output File Specification）对话框，用户可选择保存文件好路径、名称，单击“保存(S)“按钮返回主对话框；默认文件名为，本例选择默认值。
③替换当前数据文件（Replace working data file）:选择此项，包含汇总变量的新数据文件代替当前工作文件，本例不选择该项。
本例选择X7为平均数（Mean），选择X8为求和（SUM）。单击继续（Continue）返回主对话框。进行设定汇总后目标变量名及按其他项进行汇总。
以上的选项选择好后，单击OK按钮即可完成对数据文件的分类汇总。打开分类汇总的新文件，如图，
16选择观测值（Select Cases）
在对数据分析中，数据文件中的数据包括收集到的所有数据，默认为分析所有数据，有时需要分析其中的一部分，这时，就要对数据进行选择。
(1)单击数据（Data）菜单中的选择案例（Select Cases）子菜单，弹出选择案例（Select Cases）对话框，如图2..37，对话框的左侧为可供选择的变量名，右侧有6个选项，其功能如下：
⑴全部案例（All cases）:所有的观察例数都被选择，该选项可用于解除先前的选择。默认此选项。
⑵如果满足条件（If condition is satisfied）: 按指定条件选择，单击如果（If…）钮，弹出选择符合条件（Select cases:If）对话框，如图38，
对话框的右下角有100余种函数可供选择，本例选择已婚男性数据，单击左侧列表框中X3（性别），依次单击数字键盘上的“=”、“1”、“&”（与）、及X6=1或由键盘输入，表达式将显示在上面的文本框中，单击继续（Continue）按钮返回到主对话框，单击确定（OK），按钮即可完成结数据的选择。如图，可看到不符合条件的观测值用斜杠表示其已经从将要进行的分析或处理中被剔除，并同时产生新的变量成为过滤变量filter-$，filter-$=1的观测值为选中的观测值，不符合条件的观测值filter-$=0。若要分析全部观测值，可单击数据菜单（Data）菜单中的选择案例（Select Cases）子菜单，然后选择所有案例（All cases）或删除filter-$变量即可。
⑶随机观测值样本（Random sample of cases）：
表示对观察单位进行随机抽样， 单击样本（Sample…）钮，弹出选择随机样本（Select Cases:Random Sample）对话框，如图40。近似（Approximately），是指大概抽样，即键入所取样本比例后由系统随机抽取；如抽取50%，输入50。Exactly（精确），是精确抽样，即要求从第几（如4）个观察值起抽取多少个（如3个）。
⑷顺序抽样（Based on time or case range）:
，单击范围（Range…）按钮，弹出选择观测值范围（Select Cases:Range）对话框，如图，用户按观测值顺序输入从第几号（first case）观察值到第几号观察值(last case)。
⑸使用过滤变量 (Use filter variable):
选择观测值使用过滤变量，用户可以建立(如变量X,其值为0或1)或使用上面的 if、 random选项建立。变量值为0的表示要被剔除的，该变量取其它值（1）的为准备分析或保留的观测值。
⑹没有选择的观测值（Unselected Cases Are）
:是确定用户对没有选择的观测值（Unselected Case Are）进行何种处理。过滤（Filtered）是指对未被选取的观测值的左侧做斜杠标记过滤，删除（Deleted）是指对未被选取的观测值删除。
17变量的加权（Weight Cases）
输入数据时，有时输入的是分析数据的中间结果，如频数表资料，这时可用频数对变量中数据进行加权，对变量加权后对数据进行的计算相当于该变量中的数据发生了权数次。如工资改革后，每人都增加一定的比例（是原来的几倍），该倍数存放在f变量中。如图
求对工资进行描述统计（合计、均数、标准差等）。操作方法是：
（1）单击数据（Data）菜单中的权重观测值（Weight Cases）子菜单，弹出权重观测值（Weight Cases）对话框，如图。
（2）在对话框中，不加权案例（Do not weight cases）是指不做加权，此选项也可用于对做过加权的变量取消加权；案例加权按（Weight cases by）是指按给定的变量进行加权，此时可选择一个变量做加权，本例为F。
（3）单击OK(确定)即可。
观测值加权后可用“Analyze|descriptive|frequencies”（分析菜单|描述|频数分析）命令做相应的统计分析命令。观测值经过加权后对所有观测值均起一直起作用。除非改选别的变量作为加权变量或取消（关闭）它。如果权变量为0、负数、或缺失值时，它便不能在分析中应用。数据加权后在数据窗口没有任何变化，只有在数据分析时才可显现出来。
第3章 数据的转换
在数据分析过程中，有时需要根据统计分析的需要对原始数据进行转换，生成新的变量或进行重新编码等。可通过Transform（转换）菜单项来完成。
数据的运算
有算术运算、关系运算以及逻辑运算，常用的运算为算术运算。
1、算术运算
在进行数据统计分析时，有时需要根据原始数据生成新的目标变量。例如，根据工资、奖金项求总工资，或对变量进行加（+）、减（-）、乘（*）、除（/）、乘方（幂）（**）运算，如求每人总工资，操作步骤：
（1）单击Transform（转换）菜单中的Compute（计算）子菜单，弹出Compute Variable（计算变量）对话框。
（2）首先在Target Variable（目标变量）中输入一个保存计算结果的变量，这个变量可以是数据管理器中原有的变量，也可以是欲生成的新变量，如X9（总工资），然后单击Type & Label（类型和标签）按钮，定义生成数据的类型（默认为数值型）及为变量加上标签（总工资）,如图,单击Continue（继续）返回主对话框。在Numeric Expression（数值表达式）框中根据系统提供的计算器键入计算公式, x7+x8 即x9=x7+x8。
（3）如果要对符合条件的观测值进行计算，可单击If...(如果)按钮，弹出Compute Variable:If Cases（案例条件）对话框，可选择Include if case satisfies condition(包含满足下列条件) 并在文本框中输入计算条件，如只对男职工进行计算，输入条件为“X3=1”，默认为包含所有观测值（Include all cases），这里选择默认，单击Continue（继续）按钮。
（4）单击确定（OK）则可看到计算结果，
有图可见自动生成了另一变量X9（总工资），其中为每一职工的工资与奖金之和，为了显示编号、姓名、总工资项可使用Pinging(固定)命令。
2、关系运算与逻辑运算
关系运算是用于两个同类型数据进行比较。运算结果是一数值0或1，即 .T.（真） 或 .F.（假）。关系运算符有 <（小于）、>（大于）、< =（小于或者等于(不大于)）、 >= （大于或者等于（不小于））、 =（等于）、 ~=（不等于）。
如通过计算命令产生另一变量X10，在Numeric Expression（数值表达式）框输入X3=1。则X3（性别）为1（男）的职工X10为1，否则为0。
逻辑运算符是将两个关系运算连接起来进行的运算，运算结果是一数值0或1，即 .T. 或 .F.。逻辑运算符有与（&）、或（|）。如通过计算命令产生另一变量X11，在Numeric Expression（数值表达式）框输入X3=1&X7>300。则X3（性别）为1（男）且X7（基本工资）大于300的职工X11为1，否则为0。
3、函数
函数是系统提供的为了完成某种特定功能的一种特殊计算，如对不符合正态分布的数据可使用对数函数，生成新变量。然后对新变量再进行分析，系统提供了100多种函数，在图的Functions（函数）列表框内，用户可根据需要使用;函数的自变量可以是常数，也可以是变量,如Lg10（X7）或表达式如lg10(1+2), 函数（函数嵌套）或lg10(lg10(3))。在函数列表框中，鼠标指向该函数后单击鼠标右键，会得到函数的格式、功能说明。如产生另一变量X12=lg10(x7)。
1）算术函数（Arithmetic Functions）
SPSS的算术数函数都是数值型函数，共计有13个算术函数。设numexpr表示自变量，它可以是数值或者数值表达式。
numexpr除以modulus的后余数，modulus ≠0
MOD（numexpr,modulus）
numexpr的截尾整数
TRUNC（numexpr）
numexpr的平方根，numexpr>0
SQRT（numexpr）
numexpr的取四舍五入后的整数，numexpr为任意实数
RND（numexpr）
numexpr的反余弦值（弧度），| numexpr≤1
ARTAN（numexpr）
numexpr的反正弦值（弧度），| numexpr≤1
ARSIN（numexpr）
numexpr的e为底的对数,即自然对数，numexpr>0
LN（numexpr）
numexpr的以10为底的对数，numexpr>0
LN10（numexpr）
e的numexpr次幂，numexpr为任意实数
EXP（numexpr）
numexpr的余弦值，numexpr为任意实数（弧度）
COS（numexpr）
numexpr的正弦值，numexpr为任意实数(弧度)
SIN(numexpr)
numexpr的绝对值，numexpr取值为任意实数
ABS（numexpr）
函数值及自变量取值范围
函数
2）统计函数（Statistical Function）
返回（n≥2）个数值型变量有效值的方差
VARIANCE(numexpr,numexpr[,…]
返回n≥2个数值型变量有效值的累加和
SUM(numexpr,numexpr[,…])
返回n(≥2)个数值型变量有效值的标准差
SD(numexpr,numexpr[,…])
返回n(≥1)个数值型变量中有效值（非缺失值）的个数
NVALID(variable[,…])
返回n(≥2)个数值型自变量的有效值中的最小值
MIN(value,value[,…])
返回n(≥2)个数值型自变量的有效值的算术平均数
MEAN(numexpr,numexpr[,…])
返回n(≥2)个数值型自变量的有效值中的最大值
MAX(value,value[,…])
与LAG（vaiable）意义相同返回数据文件中前一个观测量的变量值，对第一个观测量返回缺失值（数值型变量）或空格（字符型变量）
LAG(variable,ncases)
数值型或字符型函数，称为延迟函数，返回数据文件中前一个观测量的变量值，对第一个观测量返回缺失值（数值型变量）或空格（字符型变量）
LAG(variable)
N(≥2)个数值型变量的变异系数，等于标准差除以均值的商
CFVAR（numexpr,numexpr[,…]）
函数值及自变量取值范围
函数
3）累积分布函数
参数mean为任意实数，scale>0
拉普拉斯分布
(quant,meanscale)
参数loc，scale皆为大于0
逆高斯分布
(quant,loc,scale)
Total为总数，sample为抽取的样品数，hits为具有某种特征的个体数
超几何分布
CDFHYPER(quant,total,sample,hits)*
参数mean为均值，std为标准差
半正态分布
(quant,mean,stddev)
参数0<prob<1
几何分布
(quantprob)*
形状参数shape、比例参数scale皆大于0
F分布
(quant,shape,scale)
Df1，df2分别为第一和第二自由度
F分布
(quant,df1,df2)
参数shape、比例参数scale皆大于0
指数分布
(quant,shape)*
Df为自由度，df>0
X2分布
(quant,df)
参数loc为任意实数，scale>0
柯西分布
(quant,loc,scale)
Corr为相关系数，0≤corr<1
标准二元
正态分布
(qusnt1,quant2,corr)
参数n为大于或等于1的是整数，0<prob<1
二项分布
(quant,n,prob)*
形状参数shapel,shape2皆大于0
B(贝塔)分布
(quant,shape1,shape2)
0<prob<1
贝努里分布
(quant,prob)*
函数值及自变量取值范围
分布名称
分布函数
Df为自由度，nc为非中心参数
非中心t 分布
(quant,df,nc)
Df1,df2分别为第一和第二自由度，nc为非中心参数
非中心F分布
(quant,df1,df2,nc)
Df为自由度，nc为非中心参数，nc<0
非中心B分布
(quant,df,nc)
Shapel1,shape2为形状参数，nc为非中心参数
非中心x2分布
(quant,shape1,shape2,nc)
参数a,b>0
威布尔分布
(quant,a,b)
Min<max为任意实数
均匀分布
(quant,min,max)
Df为自由度，df>0
Student t分布
(quant,df)
参数a≥1,b为自由度
学生化极差统计量分布
(quant,a,b)
参数a≥1,b为自由度
学生化最大模分布
(quant,a,b)
参数mean>0
泊松分布
(quant,mean)*
参数threshold,shape皆大于0
巴列特分布
(quant,threshold,shape)
参数均值mean为任意实数，标准差stddev>0
正态分布
(quant,mean,stddev)
均值为0，标准差为1
标准正态分布
(zvalue)
参数thresh为正整数，0<prob<1
负二项分布
(quant,thresh,prob)*
参数a为任意实数，b>0
对数正态分布
(quant,a,b)
参数mean为任意实数，scale>0
逻辑斯蒂分布
(quant,mean,scale)
例 某地钩虫感染率为13%，随机抽查当地150人，其中感染2例的概率有多大，至多2名感染的概率为多大？，至少感染2名的概率为多大。
可用函数(q,n,p)，求总体概率为P（即π），重复n次实验，发生q次的累计概率，
（1）感染2例的概率。
P= (2,150,)(1,150,)
即求发生2例及以下的概率减去发生1例及以下的概率，结果可在编辑栏看到。
（2）至多2名感染的概率为多大？
P= (2,150,)=*107
（3）至少感染2名的概率为多大。
P=(1,150,)≈1 即求1-发生1例及以下的概率。
例 某地新生儿先天性心脏病的发病率为8‰，那么该地120名新生儿中有4人患先天性心脏病的概率有多大，至多4人的概率有多大？，至少4人的概率有多大？
可用函数(q,mean)，求总体均数为mean(即λ)，λ=nπ,发生q次的累计概率。本例q=150*=
（1）发生4人的概率。
P= (4,)(3,)
（2）至少发生4人的概率为多大。
P= (3,)
(3)至多发生4人的概率为多大。
P= (4,)
如要了解函数的用法，可在计算对话框中，鼠标指向函数后单击鼠标右键得到函数的说明。
观察值的常用操作
1 观测值计数命令
对于数值型变量，可以对其包含的某个或某些值在各观察单位中的出现次数进行清点。例如，在数据文件中，可清点工资大于300元、奖金大于30的男职工的人数。具体操作如下：
（1）单击Transform（转换）菜单中的Count（计数）子菜单，弹出Count Occurrences of Values within Cases（观测值计数）对话框，如图。
（2）在Target Variable（目标变量）框中输入一个变量“计数”（也可以是已有的变量），在target label(目标变量标签)中输入变量标签，将要清点变量X7单击进入Numeric Variables（数值变量）框内（可以是1个及以上变量，如为字符变量则框名变为“String variables”）。这里选取X7、X8，然后单击Define Values…（定义数值）按钮，弹出Count Values within to Count（计数数值）对话框，如图，来定义对变量中那些数值进行清点，系统将按照设定凡与设定值或范围相匹配的就计数一次，并给目标变量加1，有如下选项；
Value（值）:表示单一数值；如输入400，则仅清点工资是400的人数
System-missing（系统缺失值）:按系统指定的该变量缺失值；即“.”进行计数。
System-or user-missing（系统或用户缺失值）:系统或用户指定的该变量的缺失值； 即“.”及用户定义的缺失值。
Range（范围）: 指定数值范围。
有 *** through***（某数到某数）、Lowest through***（最小到某数）、*** trough highest（某数到最大）,其中***表示数值框，将数据输入该框中，如图.
本例，在trough highest（某数到最大）左边的框中输入350，单击Add(增加)，在Range（范围）下面的框中输入30，Through（到）后面的框中输入50,表示30-50，单击Add（增加）按钮，单击continue(继续)按钮，返回主对话框。
注意，这两个条件为工资及奖金满足的条件，由于在菜单方式中无法指定，350以上为奖金满足的条件，30-50为奖金满足的条件。这两个条件两个变量中只要有一个满足则计数为1，两个同时满足则为2，两个均不满足则为0，因此，条件定义时应指定某一范围，这样使某一条件只对一个变量有效，避免条件的交叉。如上例中指定奖金条件为30 through highest（最大） 则工资中满足该条件的观测值会被重复计数。如使某一条件只对一个变量有效，可在主窗口中单击past(粘贴)命令，将菜单操作转换为命令程序操作方式，修改其中的程序。
（3）单击If...（如果）按钮,指定计数条件，系统弹出Count Occurrences:If Cases(如果观测值满足下面条件则计数)对话框，在对话框中有两组选项；
Include all cases:包括所有观测值，为系统默认方式；
Include if case satisfies condition:只包括满足条件的观测值。本例选择此方式，在左边的列表框中选择性别进入右边条件框中，使用上面提供的计算器输入=1，则条件框中将显示X3=1，即对男职工进行计数。单击Continue（继续）按钮返回主对话框。
（4）单击OK（确定）即可完成对变量值个数的清点。由图所示的结果文件可见，工资大于350、奖金大于30的男职工的“计数”变量值只要有1个满足值为1，有两个条件满足为2，有3个条件满足为3。所有条件均不符合则为0。然后，可用Analyze(统计分析)|descriptive statistics（描述统计）|frequencies（频数）命令计算x10中为1的个数。
2 变量值的重新赋值
在数据进行统计分析中，有时为了对现有数据进行重新分组，如要得到加权法求平均数的频数表，或分组后求每组数目等，需要对变量进行重新赋值。如在数据文件中，按工资350为界分为两组。
（1）单击Transform（转换）菜单中的Recode（记录）子菜单，有两个选择项：Into Same Variables(到相同的变量)指对同一变量进行重新赋值（转换后原变量中的数据将丢失），Into Different Variables（到不同的变量）指转换后的值赋值给其他变量，本例选择Into Different Variables，弹出Recode into Different Variables（记录到不同变量）对话框，如图
（2）单击x7变量进入Numeric Variable（数值变量）→ Output（输出）对话框，同时在Output Variable（输出变量）框内确定（输入）一个赋值变量X72（可以是新的，也可以是旧的变量）在Label框中输入变量标签。单击Change（更改）后，系统会在Numeric Variable→Output（数值变量->输出变量）对话框中显示X7→X72，如图。
（3）单击IF…（如果）按钮可以对指定条件的观测值进行重新赋值（与上相同）
（4）单击Old and New Values...（旧值与新值）按钮，系统会弹出Recode into Different Variables:Old and New Value（老值和新值）对话框，本对话框共有两组选项：
①Old Value（老值）:旧值
Value（值）:表示单一数值；
System-missing（系统遗漏值）:系统指定的缺失值；即“.”
System-or user-missing（系统或用户缺失值）:系统或用户指定的缺失值；
Range（范围）:指定数值范围；
All other value（全部其他值）:所有其它数值(即不在以上定义范围的值)。
②New Value:新值
本例在旧值中的Lowest through （从最小到）框中输入，在新值框中输入1，单击ADD（增加）按钮，；选中全部其他值，在新值框中输入数值为2。单击增加按钮，单击Continue（继续）返回主对话框。
单击OK（确定），图为系统运行结果，将产生X72变量将工资分为两组，小于350的列为1组，大于或等于350的列为2组。
3、变量进行分组
对变量进行分组是指将连续型数值型数据转变为分类数值型数据。这种转换是按照百分位数进行分组的，这样使得每一组都能有大概相等的观察值。例如，一个变量被分为4组，第一组在25％百分位数之下，第二组在25％~50%，第三组在50%~75%，第四组大于75%。如把工资（X7）分成4组，操作如下：
（1）单击Data（数据）菜单中的Categorize Variables（分组变量、类型变量）子菜单，弹出Categorize Variables（归类变量，类型变量）对话框，将X7变量单击进入Create Categories(产生类型，建立分组)框内，系统默认分组数目(Number of categories)为4组，用户可根据需要自定义分组数目，单击OK（确定）钮即可完成对变量的分组，如图的结果文件，产生的新变量nx7(系统默认)将x7分为4组。
4、变量值求秩次
一些统计分析过程中（如秩和检验）需要对变量的秩（顺序）进行分析。有些分析过程在分析之前自动先对变量求秩，有些则需要事先排好秩。求变量值的秩的可由系统菜单Transform（转换）中的Rank Cases（排秩观测值）命令完成。操作步骤：
在数据文件中，如要按性别分组对工资求秩。
1)单击Transform(转换)菜单中的Rank Cases（案例排秩）子菜单，系统弹出Rank Cases（案例排秩）对话框，如图。
2）单击X7变量进入Variables框，说明将按工资变量值大小排秩，单击X3变量进入By（按）框，说明按性别进行分组。该框不填则说明按仅按工资大小排秩。Assign Rank 1 to（秩1指定给…）框是指定秩次排列方式的，Smallest value（最小值）表示最小值用1表示（升序排秩）；Largest value（最大值）表示最大值用1表示（降序排秩）。
3）单击Rank Types...（秩类型）按钮，弹出选择秩类型Rank Cases:Types（案例排秩：类别）对话框，可选择排序类型，见图。
⑴Rank（排秩）:普通秩次，系统默认此方式，排序结果存入R+排秩变量名的变量中，本例Rx7；
⑵Savage score（原始得分）:以指数分布为基础的原始分为秩次，排序结果存入s+排秩变量名的变量中，如本例为sx7；
⑶Fractional rank（分数秩）:以分组例数之和占总例数的累积百分比为秩次，排序结果存入rfr001变量中；
⑷Fractional rank as%（分数排秩成百分数%）:以累积百分数为秩次，排序结果存入p+排秩变量名的变量中，如本例为px7；
⑸Sum of case wehghts（案例加权和）:以分组例数之和的权重为秩次；排序结果存入n+排秩变量名的变量中，如本例为nx7；
⑹Ntiles（Ntiles）:先给定一个大于1的整数，系统按此数值开始确定排序的秩次,排序结果存入nti001变量中；
单击More（更多）按钮后可以进一步选择累积比和计算公式；
⑺Proportion estimates(比例估计)，是与一个特别秩次对应分布的累积比的估计；
⑻Normal scores(正态分数)，即与估计累积比相应的Z分数。
选择以上两个比例估计类型后，还可以在下面矩形框中选择一个计算公式。本例选择系统默认方式Rank（排秩）作为排秩的类型，单击Continue（继续）返回主对话框。
4）单击Ties（结）按钮，进入Rank Cases:Ties（排秩：结点）对话框，如图功能是当所选择的变量值相同时，其秩次确定的原则。
⑴Mean(平均值):取平均秩次，如3个相同的工资，按顺序分别排秩次为1、2、3，秩次平均为2，则选择此项，3个观测值按工资排秩次均为2，所有的秩值中没有1、3，此为系统默认方式；
⑵Low（小值）:取最小值，选择此项，则上例中的秩次均为1，没有2、3；
⑶High（大值）:取最大值，选择此项，则上例中的秩次均为3，没有1、2；
⑷Sequential ranks to unique values（对单一值赋予连续秩）:取第一个出现的秩次值其它观测量秩次顺序排列。上例中均为1，下一个不同值工资的秩为2。
本例选择Mean（平均值），单击Continue（继续）返回主对话框。主对话框中的Display summary tables（显示摘要表）为显示总结表，本例予以选择。单击OK（确定）钮即可完成对变量值的排序，见图，在新生成的变量Rx7中，将工资按照性别分组排序的秩次一一列出。
5、自动对变量重新赋值
SPSS的一些统计分析过程不能使用字符型变量、对分类变量需要连续整数。SPSS的自动重新赋值功能可以把数值型整数和字符型变量值自动转换为连续整数。执行该命令后可以将变量定义了值和值标签的数据自动赋值给新变量。没有定义值标签的值重新赋值给新变量时将原值作为其标签使用。自动重新赋值后，系统将输出新旧变量值及标签的表格。
如X3为性别变量，其值为字符“男”，“女”，该命令将其转换为1，2。
步骤：
单击Transform（转换）菜单中的Automatic Recode（自动赋值）子菜单，系统弹出Automatic Recode（自动赋值）对话框,如图，
单击“性别”变量进入Variable→New Name（变量→新名称）框内，在New Name（新名称）框中输入新变量名定义赋值后的新变量“性别2”，单击New Name按钮，系统会出现x3→x32的提示。在Recode Starting from(从…开始重新编码)中有两个选项： Lowest value（最小的值为1），Highest value（最大的值为1），字符按其ASCII码大小排列，如一级汉字按拼音大小排列。本例选择Lowest value（最小值），单击OK（确定）钮即可完成对变量的自动赋值，如图。
单击View（视图）中的Value labels（数值标签）子菜单则显示变量数值标签。在变量视图中可看到X32的数值标签情况（1=“男”，2=“女”）。
6、缺失值的替代
当变量有缺失值时，分析数据时会出现数据例数不一致的情况，使有效例数减少，此时可以对缺失值进行替代。为了说明起见，我们把第6例工资清除（选中，执行编辑菜单中的清除命令）
1）执行Transform（转换）菜单中的Replace Missing Values…（替换缺失值）子菜单，弹出Replace Missing Values（替代缺失值）对话框，如图。
2）单击一个或多个存在缺失值的变量进入New Variables（新变量）框内，这里选择X7，系统自动产生用于替代缺失值的新变量，默认变量名为在原来变量后加–1即X7_1，也可以由用户在Name（名称）框内自己定义替代缺失值的新变量名。单击Method（方法）右侧的下拉列表框选择缺失值的替代方法，共有5种方法：
⑴Series mean:用该变量除去有缺失值数据的均数做替代；系统默认。这里选择默认值。
⑵Mean of nearby points: 用缺失值相邻点的非缺失值的均数做替代，取多少个相邻点可由 Span of nearby points选项来确定；默认为2（即上下各2个，共4个）。如数目达不到指定的数值，则以系统缺失值“.”替代。如为ALL则与Series mean同。
⑶Median of nearby points:用缺失值相邻点的非缺失值的中位数做替代，取多少个相邻点可由Span of nearby points选项来确定；默认为2（即上下各2个，共4个）。
⑷Linear interpolation:用缺失值相邻两点非缺失值做线性内插法替代；即缺失值上下两个数的均数。
⑸Linear tread at point:用拟合的直线方程估计缺失值，方程为将原序列号为自变量，选择的变量为因变量求出的线性回归方程。用回归方程计算各缺失值处进行预测，用预测值替代相应的缺失值。
选择好以上选项后，单击OK(确定)按钮可完成对缺失值的替代。可看到工资项目中缺失的数据用平均工资替代。
