第2章. 数据处理与准备

本章目标：学会使用SPSS进行数据导入、变量属性设置，以及常用的数据处理操作（排序、拆分、计算、重编码、筛选）。

建议学习顺序：① 认识SPSS数据文件 → ② 导入/保存数据 → ③ 设置变量属性 → ④ 掌握5种核心数据处理操作。

操作速查表：

操作目标	菜单路径	所在小节
导入Excel/CSV	文件 → 打开 → 数据	2.1.3
设置变量属性	数据编辑器 → 变量视图	2.1.2
保存为.sav	文件 → 保存	2.1.4
数据排序	数据 → 排序个案	2.2.1
分组拆分	数据 → 拆分文件	2.2.2
计算新变量	转换 → 计算变量	2.2.3
重编码	转换 → 重新编码为不同变量 / 自动重新编码	2.2.4
筛选记录	数据 → 选择个案	2.2.5
设置值标签	变量视图 → 值单元格 / 语法 VALUE LABELS	2.1.2 / 2.2.6

2.1节. 打开以及保存数据

2.1.1. 数据文件长什么样子

注：小节 2.1.1 (数据文件长什么样子)及小节 2.1.2 (变量视图)部分视频讲解请参见BV1oa411y7dK

gapminder.sav是一个典型的 SPSS 数据文件，请打开该文件并请关注以下几点：

1. SPSS软件一般包含两个主要窗口图 2.1：
   • 数据编辑器
   • 查看器
   • 在本实验系列课程中，我们还会用到第三个窗口：语法编辑器

一般我会习惯将三个窗口利用键盘的windows键（以下简称WIN）加上左右上下方向键快速把三个窗口拼装成下图的样子：

如图，数据编辑器包含两个页面： 数据视图 和 变量视图 ，默认展示的是 数据视图 。可以看到，每个变量的名称写在了各列的顶端：

而每行左侧则是这一行的标识（index）：

在很多时候，如果没有具体制定记录的 名称，那么SPSS会默认使用 行标识 作为各个记录的 名称 中间的数据区域与Excel相类似，可以选取，复制，剪切，粘贴以及编辑各个单元格的值。接下来看一下变量视图。

→ 返回本章习题

2.1.2. 变量视图

仍以 gapminder.sav 为例，该数据文件的变量视图如下：

每一个变量都具有图中所示的各个属性，比较重要的包括：

• 名称：变量名，不可以包含空格，建议使用英文字母、英文句号、英文下划线和数字这四种字符命名。此外还需要规避一些SPSS保留的名称。
• 类型：基本上， 只有数值类型才能进行统计分析，字符串类型的变量虽然可以按照分类变量处理，但是也建议转换成数值编码。
• 标签：变量的名称是给软件用的，而标签则是给人用的，给变量设置标签可以更好的说明变量的意义。标签支持 中文 。
• 值：给变量的值设置标签。尤其对于分类和排序变量，值标签的设置对结果的解读有很大的帮助。此外，在重编码以后，也应该设置好值标签。
• 度量标准：三种可选标准：
  • 度量：对应定量数据，如身高、体重
  • 名义：对应分类数据，如性别，分组
  • 排序：对应有序数据，如评级

→ 返回本章习题

2.1.2.1. 设置值标签的方法

在变量视图中，大部分操作都可以直接在视图表格里完成，但是值标签需要首先点击值的 单元格 ，然后点击 … 按钮，值标签的设置在下面这个对话框里完成：

例1.1：假设 age_coded 变量有5个值：1,2,3,4,5，分别表示 10~20岁，20~30岁，30~40岁，40~50岁，50岁及以上，现在在 age_coded 值单元格点出值标签对话框后，应如何操作？

1. 设置值1的标签为10~20岁：
   • 值（U）: 1
   • 标签（L）: 10~20岁 点击 添加（A） 按钮
2. 设置值2的标签为20~30岁：
   • 值（U）: 2
   • 标签（L）: 20~30岁 点击 添加（A） 按钮

对3,4及5等值的操作以此类推。

→ 返回本章习题

2.1.3. 导入数据

注：本部分视频讲解请参见BV1DS4y1G7iP

2.1.3.1. 导入Excel数据

功能：将Excel格式的数据（.xls, .xlsx, .xlsm）导入SPSS并保存为.sav格式。

菜单路径：文件 → 打开 → 数据（A）…

详细步骤：

1. 在弹出的 打开数据 对话框中：

• 文件类型（T）: 选择 Excel (.xls, .xlsx, *.xlsm)
• 查找范围（L）: 找到数据所在的目录
• 双击需要打开的文件

3. 打开Excel数据源 对话框:

• 从第一行数据读取变量名
• 工作表： 选择Excel数据中所在的工作表，一般默认使用Sheet1
• 点击 确定 按钮

4. 将导入的数据保存成.sav格式的数据文件小节 2.1.4 (数据存储)

在某些情况下，会出现打开后的数据文件内容为空的情况。这个时候可以用WPS或Excel等软件打开数据文件，再将文件中的数据内容通过复制粘贴的方式拷贝进SPSS的数据编辑器内

→ 返回本章习题

2.1.3.2. 导入csv等文本数据

功能：将CSV或其他文本格式的数据导入SPSS。

菜单路径：文件 → 打开 → 数据（A）…

详细步骤：

1. 在 打开数据 对话框（图 2.6）中：

• 文件类型（T）: 选择 所有文件（*.*)
• 查找范围（L）: 找到数据所在的目录
• 双击需要打开的文件

3. 文本导入向导- 第1步，共6步 对话框，点击 下一步
4. 文本导入向导- 第2步，共6步 对话框:

• 变量是如何排列的？： 选择 分隔（D）
• 变量名称是否包含在文件的顶部？： 正常的数据文本文件的第一行是表头，所以选择 是
• 点击 下一步

5. 文本导入向导- 第3步，共6步 对话框:

• 如何表示个案？： 选择 每一行表示一个个案
• 你要导入多少个个案？： 选择 全部个案
• 点击 下一步

6. 文本导入向导- 第4步，共6步 对话框:

• 变量之间有哪些分隔符？
  • 制表符（T）：csv的全称是 comma separated values, 默认各列以逗号（comma）分隔，一般不选择制表符
  • 空格（S）：同理，一般不选择空格
  • 逗号
  • 分号（E）
• 文本限定符是什么？：具体根据实际情况选择，一般可以选择 无
• 点击 下一步

7. 文本导入向导- 第5步，共6步 对话框: 设置各列的变量名称。如前所述，SPSS有若干的保留变量名，如果导入的变量名与之相重合的时候程序会报错，可以尝试更改 变量名称（V）。
8. 文本导入向导- 第6步，共6步 对话框: 点击 完成
9. 在变量视图中检验导入的各个变量的名称、类型以及度量标准，并设置变量标签和值标签。
10. 将导入的数据保存成.sav格式的数据文件，参考小节 2.1.4 (数据存储)

→ 返回本章习题

2.1.4. 数据存储

功能：将当前数据保存为SPSS原生格式（.sav）或其他格式，便于后续直接打开使用。

菜单路径：文件 → 保存（或 另存为）

操作步骤：在 将数据保存为 对话框中：

• 文件名（N）：输入文件名
• 保存类型：默认为SPSS数据文件（*.sav），也可以选择其他类型（如Excel文件）
• 点击 保存

→ 返回本章习题

2.2节. 数据处理

注：本部分视频讲解请参见：BV1jY411L7HN

本节导读：数据处理是统计分析前的必要准备。本节介绍的5种核心操作（排序、拆分、计算、重编码、筛选）在后续各章都会反复用到，建议结合例题动手练习。

每种操作都统一按以下格式讲解：功能 → 菜单路径 → 操作步骤 → 示例 → 对应语法 → 关键要点。

2.2.1. 排序

功能：按照一个或多个变量的值对数据记录进行升序或降序排列。

菜单路径：数据 → 排序个案

操作步骤：打开 排序个案 对话框（图 2.8），按以下方式设置：

例1.2 将gapminder.sav数据文件优先按照年份（year）升序（从小到大）排列，进一步的，按照预期寿命（lifeExp）降序（从大到小）排列

1. 变量源列表 (year) > 排序依据
2. 排序顺序：选择 升序（A）
3. 变量源列表 (lifeExp) > 排序依据
4. 排序顺序：选择 降序（D）
5. 点 确定 按钮可以立即排序，而如果我们点 粘贴按钮则可以把实现这种排序的语法粘贴入语法窗口，具体的语法如下代码块 2.1：

DATASET ACTIVATE 数据集1.
SORT CASES BY year(A) lifeExp(D).

语法说明：

1. 上面语句的第一行是激活数据文件。如果我们注意看之前数据编辑器的截图图 2.1 ，在数据编辑器左上角除了 gapminder.sav 这个文件名，还有 数据集1 这样的字样。如果我们打开了多个数据集，可以依靠这个标识区分不同的数据集
2. 排序的语法首先是 SORT CASES，而 BY 的后面跟着的则是变量的名称。请注意每个变量后面跟着一个括号，里面表示按升序（(A)），还是降序（(D)）
3. 请注意每一个语法语句的末尾都会有一个 英文的句号作为结束
4. 语法不区分大小写
5. 请注意语法的各个单词之间有 空格
6. 运行 语法的方式很简单：需要运行的语法代码，点击语法编辑器图 1.3中的绿色三角形

思考题：如果我要首先按照年份升序排列，再按照人口升序排列，上面的语法应该如何更改？尝试自己编写语法，然后使用 排序个案 对话框按照前述的操作对数据文件进行排序，点击 粘贴 按钮生成语法，看一下自己写的是否正确。

→ 返回本章习题

2.2.2. 拆分

功能：按照某个分类变量的值将数据分组，后续的所有统计分析都会按组分别输出结果。

适用场景：当需要按某个类别（如性别、地区、实验分组）分别查看统计结果时使用。

菜单路径：数据 → 拆分文件

操作步骤：打开 分割文件 对话框（图 2.9），按以下方式设置：

例1.3 按照记录所在的大洲（continent）进行分组，统计各大洲人口最大值

1. 分割文件：

   1. 选择 比较组（C）
   2. 变量源列表 (continent) > 分组方式
   3. 如果要按照continent对数据文件进行排序，可以选择 按分组变量排序文件
   4. 点 粘贴 按钮可以看到生成的语法：

   语法代码 2.2: 拆分文件

   SORT CASES  BY continent.
   SPLIT FILE LAYERED BY continent.

   第1行的 SORT CASES 我们刚刚在排序中代码块 2.1见过，出现这一句是由于在分割文件的第3步我们选择了 按分组变量排序文件。 第2行的 SPLIT FILE 是分割文件的语句，分割文件的两种形式 比较组 和 按组组织输出 分别对应的是 LAYERED 和 SEPERATED， 而 BY 后面的则是变量名

2. 计算最大值： 在进行分割文件以后，从数据编辑器和输出窗口里都看不出什么变化，所以接下来我们提前用一下下一章的内容，展示一下分割文件对后续的分析产生的影响。这里使用描述性统计的频率来计算最大值，通过以下菜单操作打开频率对话框：

   • 分析
     • 描述统计
       • 频率
   1. 变量源列表 (pop) > 变量
   2. 点击 统计量（S） 在 频率：统计量 对话框中：
      1. 离散
         • 最大值
      2. 点 继续 按钮
   3. 显示频率表格
   4. 点 粘贴 按钮

   于是生成以下语法：

   语法代码 2.3: 获取最大值

   FREQUENCIES VARIABLES=pop
   /FORMAT=NOTABLE
   /STATISTICS=MAXIMUM
   /ORDER=ANALYSIS.

   具体语法的讲解留到下一章，这里先看一下运行以后的效果，从输出窗口可以看到：

   

   这样我们就分别统计了各个大洲中人口这个变量的最大值

思考题：尝试 按组组织输出 分割文件，之后统计各大洲的人口最大值，看一下与 比较组 形式的分割，结果有什么不同

请注意，进行拆分文件操作以后，当前数据文件会一直保持拆分的状态，只有在 分割文件 对话框中图 2.9选择 分析所有个案，不创建组 才能取消拆分。具体操作只需要在 分割文件 对话框中选择 分析所有个案，不创建组 即可。

→ 返回本章习题

2.2.3. 计算变量

功能：根据现有变量和公式计算出一个新的变量。

菜单路径：转换 → 计算变量

操作步骤：打开 计算变量 对话框（图 1.2），按以下方式设置：

例1.4 计算人均gdp，命名为 gdp_per_capita

其中人均gdp的计算公式为：\[人均gdp=gdp/人口数\qquad{(2.1)}\]

具体的，计算过程如下：

1. 目标变量: gdp_per_capita

2. 点 类型与标签，打开 计算变量：类型和标签 对话框

   • 标签: 人均gdp
   • 类型：选择 数值
   • 点 继续

3. 数字表达式: gdp/pop

   在上面的表达式中，gdp与pop可以手动输入，也可以通过双击 变量源列表 中对应的变量名输入

4. 点 粘贴 获取语法代码

COMPUTE gdp_per_capita=gdp / pop.
VARIABLE LABELS  gdp_per_capita '人均gdp'.
EXECUTE.

上面的语法代码块 2.4中，第1行是计算变量自己的语法，COMPUTE加上表达式，表达式等号左边是变量名，右边是表达式自身eq. 2.1； 第2行是设置变量标签的语法。会出现这一语法是由于我们在第二步设置了 类型与标签 第3行的 EXECUTE. 表示执行代码 运行上述代码后，可以在数据编辑器中看到出现了新的变量： gdp_per_capita

→ 返回本章习题

2.2.4. 重编码

功能：将一个变量的旧值按照规则转换为新值，生成一个新变量。

两种常见用途：

1. 字符变量 → 数值变量：字符串（如 "Asia"）不能直接用于统计分析，必须转为数值编码（如 1）。
2. 连续变量 → 等级变量：如将年龄划分为 "青年/中年/老年"（详见第3章频数表）。

本节重点：第一种情况（字符 → 数值）。SPSS提供两种方法：

• 手动重编码（转换 → 重新编码为不同变量）：可精确控制每个旧值对应的新值。
• 自动重编码（转换 → 自动重新编码）：由软件自动分配数值，省时但顺序不可控。

示例：在 gapminder.sav 中，将 continent 重新编码为新变量 continent_coded，规则为 Asia: 1, Europe: 2, Africa: 3, Americas: 4, Oceania: 5。

2.2.4.1. 利用 重新编码为其他变量 功能

菜单路径：转换 → 重新编码为不同变量

操作步骤：

1. 打开 重新编码为其他变量 对话框（图 2.10）。

2. 变量源列表 (continent) > 输入变量 -> 输出变量

3. 输出变量

   • 名称：输入新变量名称 continent_coded
   • 标签：大洲
   • 点击 更改

4. 点击 旧值和新值，打开 重新编码到其他变量：旧值和新值 对话框，如下图：

在本例中，旧值和新值是一一对应的关系，如果一个范围内的旧值编码成同一个新值的话（例如在频数表的编制过程中）需要选择范围相关的选项

5. 在旧值和新值对话框中 图 2.11 ,依次对各个旧值-新值配对按照下面的方式操作（下面以Asia编码为1为例）：
   • 旧值
     • 值: Asia
   • 新值
     • 值: 1
   • 点击 添加（A）
6. 完成5对新旧值配对的定义后，点 继续 按钮回到 重新编码为其他变量 对话框 图 2.10
7. 点 粘贴 获取语法代码

RECODE continent ('Asia'=1) ('Europe'=2) ('Africa'=3) ('Americas'=4) ('Oceania'=5) INTO 
    continent_coded.
VARIABLE LABELS  continent_coded '大洲'.
EXECUTE.

在上面的语法代码 代码块 2.5 中:

• RECODE ... INTO ... 表示重编码，
  • continent 是原始变量
  • ('Asia'=1) ('Europe'=2) ... 等多个括号里是旧值=新值的配对
  • INTO 后面的 continent_coded 是新变量的名称。
• VARIABLE LABELS 语句后面先后列出新变量的变量名和变量标签，为新变量定义标签。

→ 返回本章习题

2.2.4.2. 利用 自动重新编码 功能

适用场景：当只需要将字符串变量转为数值编码，且不关心各个类别对应的具体数字时，可使用此功能快速完成转换。

菜单路径：转换 → 自动重新编码

示例：将 continent 重新编码为新变量 continent_coded，5个大洲自动编码为1至5。

操作步骤：打开 自动重新编码 对话框（图 2.12），按以下方式设置：

• 变量源列表 (continent) > 变量 -> 新名称
• 在 变量 -> 新名称 中选择需要编码的变量 continent->???
• 新名称：输入新变量名： continent_coded
• 点击 添加新名称 按钮
• 重新编码的起点 列表
  • 继续选择 最低值

注1：如果需要对多个变量重编码，而且重编码的规则是一致的，请注意勾选 [ ] 对所有变量使用相同的重新编码设计

注2：字符串变量的缺失值往往会被SPSS识别为空的字符串：""， 所以除非空值代表特定意义，一般建议勾选 [ ] 将空字符串值视为用户缺失值

生成代码如下：

DATASET ACTIVATE 数据集1.
AUTORECODE VARIABLES=continent 
  /INTO continent_coded
  /GROUP
  /BLANK=MISSING
  /PRINT.

在变量视图里可以看到新生成的变量不仅将原先的字符串转换成了 名义 类型变量，还很贴心的根据原先的字符串内容设置好了 值标签，唯一美中不足的地方就是没有一并设置好 变量标签， 只要在 代码块 2.6 后面参考 代码块 2.5 多加一句 VARIABLE LABELS continent_coded '大洲'. 就可以解决这一问题。

可以看到如果对于字符串中各种值的先后排列顺序没有特定的要求，自动重新编码功能也是非常好用的选择

→ 返回本章习题

2.2.5. 筛选

功能：按照指定条件选取一部分记录，后续分析只针对选中的记录进行。

菜单路径：数据 → 选择个案

示例：从 gapminder.sav 中筛选出年份等于2007的记录，以便统计该年各大洲人口的平均值。

操作步骤：

1. 打开 选择个案 对话框（图 2.13）。

2. 选择
   • 如果条件满足 点击 如果（I） 按钮 打开 条件定义 对话框

   

   可以看到这个对话框和 计算变量 对话框 图 1.2 非常相似
3. 在 图 2.13 对话框中录入筛选表达式
   • 变量源列表：双击 year
   • 补全表达式：year=2007 点 继续 回到 选择个案 对话框
4. 输出
   • 选择 过滤掉未选定的个案
5. 点 粘贴 生成如下语法代码：

USE ALL.
COMPUTE filter_$=(year=2007).
VARIABLE LABELS filter_$ 'year=2007 (FILTER)'.
VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.
FORMATS filter_$ (f1.0).
FILTER BY filter_$.
EXECUTE.

代码 代码块 2.7 说明： - USE ALL. 表示使用所有数据，相当于清空之前已经存在的筛选 - 正如界面与 计算变量 非常类似，生成的语法也与之相同： COMPUTE filter_$=(year=2007).是通过逻辑判定 year 变量值是否等于2007，等于的会得到值 1，而不等于的会得到值 0 - 接下来的 VARIABLE LABELS 是给新生成的计算变量 filter_$ 设置变量标签 - 第4行的 VALUE LABELS 是新出现的语句，这个语句负责设置变量值的标签，在 #2.6 会再进一步讨论 - 第5行是设置数字格式 - 第6行则是表明使用新生成的变量 filter_$ 作为筛选变量

运行这些代码以后，可以看到年份不等于2007的记录前面的 行标签 会被打上斜线，表示这些记录不会进入后续的分析。

→ 返回本章习题

2.2.6. 再谈一下值标签

功能：为变量的各个取值设置文字说明，方便结果解读。

两种设置方式：

1. 图形界面：在变量视图中点击变量的 值 单元格，逐个添加（见 2.1.2.1）。
2. 语法命令：使用 VALUE LABELS 语句批量设置，适合需要重复操作或保留操作记录的场景。

在 小节 2.2.5 (筛选) 生成的 代码块 2.7 里，已经出现了设置值标签的语句，其通用格式如下：

VALUE LABELS 设置值标签的变量名 变量值#1 '值标签#1' 变量值#2 '值标签#2'.

依照上面的格式，我们可以手动编写语法实现设置值标签的工作。

例1.7 之前在 小节 2.2.4.1 (利用 重新编码为其他变量 功能) 我们通过重编码新建了变量 continent_coded ，接下来请参照 代码块 2.8 的语法设置这个变量的值标签：1：亚洲，2：欧洲，3：非洲，4：美洲，5：大洋洲

VALUE LABELS continent_coded
1 '亚洲 '
2 '欧洲 '
3 '非洲'
4 '美洲'
5 '大洋洲'.
EXECUTE.

运行代码后可自行到变量视图的 continent_coded 变量中检查值标签是否被设置好了。

需要注意：

• 上面的代码中，一个值和它对应的标签之间可以独占一行，这样方便编写和阅读
• 注意值和其标签之间有一个空格
• 所有的标点符号都是英文符号，比如 ' 不是 ‘ ， " 不是 “，. 不是 。
• VALUE LABELS 语句结束后如果没有其他要做的步骤，应该跟上一个 EXECUTE. 来执行代码
• SPSS会给语法代码添加高亮显示，也就是说如果你的代码中语法词应该是蓝色的，比如像下面这样：

请注意 行号 46 对应的 EXECUTE. 没有显示成蓝色，这是因为 行号 45 的 VALUE LABELS 语句组最后结束的时候没有加 . 。所以如果发现语法高亮出现问题以后，请先检查一下代码里面有没有这种低级错误。

→ 返回本章习题

2.3节. 习题

打开 c1_exe_01.sav 文件，完成以下练习：

1. 参考 小节 2.1.2 (变量视图) 设置变量标签：
   • gender：性别
   • age：年龄
   • height：身高
   • weight：体重
2. 将gender变量按照男性：1，女性：2的规则重编码，请注意：该变量对性别包含多种描述，包括male，man，female等，对其重编码首先需要知道gender变量包含哪些具体的值，然后利用重编码将各种值进行编码。重编码后的新变量名称请命名为 gender_code，标签为性别。
   1. 使用 分析>描述性统计>频率 工具绘制gender的频数表，这样就可以知道该变量具体包含哪些值
   2. 参考 小节 2.2.4.1 (利用 重新编码为其他变量 功能) 使用重编码为不同的变量功能进行重编码
   3. 参考 小节 2.1.2.1 (设置值标签的方法) 以及 小节 2.2.6 (再谈一下值标签) 按照男性：1，女性：2的方式对 gender_code 设置值标签
3. 按照\(bmi=\frac{weight}{height^2}\)的公式，参考 小节 2.2.3 (计算变量) 使用计算变量工具生成bmi变量
4. 参考 小节 2.2.2 (拆分) 依据性别分组，统计各组 bmi 变量的算数平均值。算数平均值的计算方法可以参考第二章中[#2.4.1 使用频率对话框计算]
5. 参考 小节 2.2.1 (排序) 将数据优先按照年龄升序排列，次要按照身高降序排列
6. 按照原文件名保存数据文件

习题技能对照与快速查阅

题号	考察技能	对应讲义小节
第1题	设置变量标签	2.1.2 变量视图
第2题	查看变量的取值分布（频数表）	第3章 描述性统计（频率工具）
	将字符串变量重编码为数值变量	2.2.4.1 重新编码为其他变量
	为编码后的变量设置值标签	2.1.2.1 设置值标签的方法、2.2.6 再谈一下值标签
第3题	根据公式计算新变量	2.2.3 计算变量
第4题	按分组变量拆分文件，分组统计	2.2.2 拆分
第5题	按多个变量排序（升序/降序）	2.2.1 排序
第6题	保存为SPSS数据文件	2.1.4 数据存储