热线电话:13121318867

登录
首页精彩阅读SPSS数据分析:如何删除重复个案
SPSS数据分析:如何删除重复个案
2016-02-25
收藏

SPSS数据分析:如何删除重复个案

很早的时候,大家在SPSS中处理单个变量的重复值通常都是这样的做法,首先将要处理的数据进行排序,然后将其复制后在从新变量的第二行开始粘贴,得到了两个观察量错开一个位置的变量 ,然后对这两个变量进行相减,最后挑选或删除为零的选项以获得完全无重复的数据。这样的做起来不算困难,但处理2个或2个以上变量的重复值就显得有点乏力了。下面就芒果的例子利用SPSS syntax对重复观测值的处理进行相关探讨,简要数据如下:

问题1.找出上表中zkzh相同且itemid也相同的所有记录。

上图是syntax命令及说明,关于sort cases/match files/filter等命令见下面小贴士的说明,首先看看数据处理结果:

问题2. 如何快速的分离出被筛选的变量?

还是利用上面的例子,我们利用dataset copy命令将被筛选出的观测值快速的筛选出来,形成一个新的数据集

#1Filter off.

#2Dataset copy shaixuanji.

#3DATASET ACTIVATEshaixuanji.
#4SELECT IF thesame=0.

#5EXECUTE .

代码解析:

第1行命令利用filter off命令清除上面的筛选效果。

第2行命令式将当前数据集复制到新的数据集shaixuanji中。

第3-4行命令是激活数据集shaixuanji,并且选择thesame变量中值为0的观测值(其他的默认删除)。

第5行命令是即时运算命令。

效果如下:

如果不想要这么多的变量,可以使用save outfile.../keep(drop)命令选择自己需要的变量。

问题3.有时候我们并不知道如何筛选重复值,而是事先观察比较重复值的相关特性,然后做下一步的处理,那么如何选择输出重复值的相关信息呢?

这里还是利用最初的数据进行说明,由于目的不同,这里筛选查找重复观测值的方式也不同。问题1中采用的是match files命令来处理重复值,这里换一种方法,利用aggregate分类汇总命令来计量重复值,进而作进一步的汇总说明,具体代码如下:

#1AGGREGATE OUTFILE = * MODE = ADDVARIABLES
#2/BREAK = zkzh itemid
#3/sameCount = N.
#4SORT CASES BY sameCount (D).
#5COMPUTE filtervar=(sameCount > 1).
#6FILTER BY filtervar.
#7SUMMARIZE
#8/TABLES=zkzh itemid samecount
#9/FORMAT=LIST NOCASENUM TOTAL
#10/TITLE='重复值概述'
#11/CELLS=COUNT.

代码解析:

第1-3行命令利用aggregate命令在当前数据集中新增一个变量samecount记录分组变量zkzh和itemid相同观测值的数目,类似于GUI操作中的data--aggregate.

第4行命令对变量samecount进行降序排列.

第5行命令计算新变量filtervar,对其满足条件samecount>1赋值1,否则赋值0.

第6行命令对数据集按变量filtercar进行筛选,filtervar变量中值为0或缺失的都将被过滤.

第7-11行是制表命令,等同于GUI菜单操作中的analyze--reports--case summarises,第8行选择表中的计量变量,这里选择了zkzh等3个变量,第9-10行则是对表格的格式及标题进行设置,第11行是相关统计量的选择,这里选择的是count,除此之外还可以选择max\range\sum等其他统计量。

输出结果:

小贴士:

Filter
Filter命令是用来从当前数据集中排除观测值而不删除观测值的命令。当变量的观测值为0或缺失时这些观测值将被过滤掉(SPSS中的表现效果为)。Filter相关命令规则:
1)只允许指定一个数值变量(该变量可以是原始变量或数据转换变量)
2)使用filter off后,恢复过滤掉的观测值
3)当filter命令不包含子命令时,将按filter off命令进行等效处理,等SPSS output窗口会提示警告信息
4)Filter可以用在syntax语句的任何位置,和select if命令不同的是,filter命令在input program语句中也有同样的效果。需要注意的是这里的筛选变量需要时数据转换变量。
其他说明:
1)filter命令并没有改变当前数据集;
2)filter命令并没有提供观测值的选择过滤标准,系统缺失和用户自定义缺失值,都将被过滤掉
3)如果filter的变量名改变了,筛选效果仍然有效;但是筛选变量如果转换为字符变量时,filter命令效果将会消失
4)如果当前数据集被match files,add files或update等命令更改后,过滤变量未发生变化,filter命令仍然有效
5)如果当前数据集被一个新的数据集代替,filter命令将关闭

MATCH FILES
Match files命令可合并2个或2个以上含有相同观测值但不同变量的数据文件。例如,合并销售人员的信息和销售业绩,有点类似于数据库中的select操作。最多可以合并50个数据文件。例如,合并数据part1,part2及当前数据及可以用下面的代码,如果怕数据合并错误,可以先对这些数据集进行排序,然后利用by子命令根据排序变量进行合并,还可以利用last或first子命令赋值1说明重复值位置。
MATCH FILES FILE='/data/part1.sav'
/FILE='/data/part2.sav'
/FILE=*.
SORT Cases
Sort cases基于一个或多个变量进行排序,可以是升序(a)或降序(d),也可以是升序降序的组合。(默认为升序),Sort cases相关说明:
1)关键词by是可选的
2)By排序的变量可以是数字变量或字符变量,但不能是系统变量或临时变量(#various)
3)Sort cases是按变量顺序进行排序的,优先排序第一变量
4)Sort cases指定排序变量不能超过64个
例如:SORT CASES BY var1(A) var2(D).
*首先对变量1进行升序排列,然后再此基础上按变量2进行降序排列.


数据分析咨询请扫描二维码

若不方便扫码,搜微信号:CDAshujufenxi

最新资讯
更多
客服在线
立即咨询