如何定义SPSS变量属性？我的经验分享

类别型字符串数据，建议优先定义为数字类型+名义测度，并添加相应的标签值。

先不着急解释这里面的概念，我们先来看一组大名鼎鼎数据。由统计学家Fisher收集整理的鸢尾花卉数据集，包含150个记录，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。如下：

花萼长度，花萼宽度，花瓣长度，花瓣宽度4个变量呢，是具体的数字，可比较大小，可加减乘除，这类数据我们通常喜欢称之为连续型数值变量。定义为数字类型，标度测量方式，比较好理解。

重点是【种类】变量，它首先是类别型的，有3个分类水平，分别是Setosa，Versicolour，Virginica，比如Setosa这属于字符串类型的数据，我把这类数据称作是类别型字符串数据。 比如我们我们有一个变量是省份，那全国有31个省份，它的具体取值是具体的省份名称，比如陕西省，河南省，我把这类数据称作是名义型的字符串数据。 现在的问题是，iris数据集中的种类变量，如何定义才合适呢？

一部分读者会说，看菜下单，它取值有三Setosa，Versicolour，Virginica，均是字符串，那我们就把它定义为【字符串】类型，【名义】测量方式，试一下。 假设我们进行判别分析。看看会发生什么事故。

你会发现，被你定义为【字符串】类型的【种类】变量，根本就没有出现在待分析的变量列表中，判别分析需要【种类】这个变量，可是它现在完全找不到了。判别分析失败。 为什么会这样呢？问题就出在字符类型上，它不符合统计方法分析的需要。 那怎么办呢？定义为数字类型+名义测度，同时定义标签值属性，用数字1代表Setosa，用数字2代表Versicolour，用数字3代表Virginica。

再用判别分析测试一下，ok，完全没毛病。这就是准确定义变量属性的重要性。

此案例，也可以提示大家，尽可能地定义和使用变量标签值。在SPSS软件中，这一操作十分方便而且好处多多。

End.作者：数据小兵来源：博客本文均已和作者授权，如转载请与作者联系。