京公网安备 11010802034615号
经营许可证编号:京B2-20210330
SPSS变量视图:变量属性(含新建变量属性)
一、度量标准:(度量、序号、名义)
您可以将测量级别指定为刻度(定距或者定比刻度上的数值数据)、有序或名义。名义数据和有序数据可以是字符串(字母数字)或数值。
1)标定(名义):当变量值表示不具有内在等级的类别时,该变量可以作为名义变量;例如,雇员任职的公司部门。名义变量的示例包括地区、邮政编码和宗教信仰等。
2)有序(序号):当变量值表示带有某种内在等级的类别时,该变量可以作为有序变量;例如,从十分不满意到十分满意的服务满意度水平。有序变量的示例包括表示满意度或可信度的态度分数和优先选择评分。
3)刻度(度量):当变量值表示带有有意义的度规的已排序类别时,该变量可以作为刻度(连续)变量对待,以便在值之间进行合适的距离比较。刻度变量的示例包括以年为单位的年龄和以千美元为单位的收入。
注意:对于有序字符串变量,将假定字符串值的字母顺序反映了类别的真实顺序。例如,对于具有low、medium、high值的字符串变量,类别的顺序将解释为high、low、medium,这个顺序是错误的。通常,使用数值代码代表有序数据更为可靠。
二、缺失值
缺失值将指定数据值定义为用户缺失值。例如,您想要区分因对象拒绝回答问题造成的数据缺失与由于问题不适于该对象而未回答所引起的数据缺失。将指定为用户缺失值的数据值标记为进行特殊处理,并将其从大多数计算中排除。
三、角色
某些对话框支持可用于预先选择分析变量的预定义角色。当打开其中一个对话框时,满足角色要求的变量将自动显示在目标列表中。可用角色包括:
1、输入:变量将用作输入(例如,预测变量、自变量)。
2、目标:变量将用作输出或目标(例如,因变量)。
3、两者:变量将同时用作输入和输出。
4、无:变量没有角色分配。
5、分区:变量将用于将数据划分为单独的训练、检验和验证样本。
6、拆分
四、定制变量属性
1、概念:除了标准变量属性(如值标签、缺失值、测量级别)之外,还可以自己创建定制的变量属性。因此,您可以创建识别调查问题响应类型的变量属性(例如,单选、多选、填空)或计算变量使用的公式。
2、操作:数据-新建设定属性
3、说明:◎定制变量属性的名称用方括号括起。◎以美元符号开头的属性名是保留名称,不能修改这些名称。◎空单元格表示该变量没有属性;单元格中显示为Empty的文本表示该变量具有属性,但还没有为该变量的属性赋值。在单元格中输入文本后,该变量即拥有了具有您所输入的值的属性。◎在单元格中显示的数组...表示此属性是属性数组,即包含多个值的属性。单击单元格中的按钮以显示值列表。
五、自定义变量视图
1、概念:您可以使用自定义变量视图控制变量视图中显示的属性(例如,名称、类型、标签)及其显示顺序。
2、操作:视图-自定义变量视图。
3、说明:◎选择(选中)要显示的变量属性。◎使用向上和向下箭头按钮更改属性的显示顺序。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01