数据格式规范，这些方法的格式你都get了吗？

一、格式规范

1、基础格式

数据格式是基础，其中我们最常见的数据格式是原始数据格式。下图即是一份原始数据，它的特点是：一行代表一个样本，一列代表一个属性。

这样的数据有多少样本，就需要录入多少行，100个样本录入一百行，每一行即代表一个样本的回答数据；每列代表一个属性即一个变量。原始数据不能是已经进行过统计汇总的数据。

 

2、文字标签

上传时数据须为数字格式，如果想让结果显示成具体的文字标签，而不是某个数字。可以在Excel中添加一个工作表批量为数据设置标签。

 

标签设置步骤如下：

第1个sheet里放收集到的数据；新建一个sheet"tags"放置标签。

"tags"工作表中共包括3列内容："标题"、"数字"和"标签"

"标题"列，放置标题，且不能有完全相同一模一样的标题。"数字"列，放置每项的数值，比如5个选项"1,2,3,4,5"就分5行放置。"标签"列，放置对应数字的标签信息。

 

 

3、无法识别数据如何处理

有时上传数据会提示"无有效数据"或只识别出部分数据，大概率是由于数据格式不规范导致的。

遇到上面的问题，可以按这样的步骤检查自己的数据：

第一：如果EXCEL上传，数据应该放在第一个工作表里面，如果不是调整后再上传。第二：EXCEL数据中不能合并单元格，如果有合并单元格，取消合并再上传。第三：数据第1行一定是标题，如果本该有标题但是为空，处理后再上传。

 

二、常用方法的数据格式

在日常分析中，有些分析方法使用的格式与常规的格式不太一样。因此我们除了用到原始数据，有时也需要根据所用的分析方法，将数据整理成可以分析的格式。

 

1、T检验、方差分析

T检验、方差分析都是研究不同组别的差异，比如不同学历时满意度的差异。因此数据格式中一定需要有组别X（比如学历）和分析项Y（比如满意度）。

有时候只有分析项（比如3个分析项），但是现在希望此3个分析项的差异，那么就需要对数据进行改造，自己加入一列‘组别’，然后把数据重叠起来得到分析项Y，类似如下图：

 

如果是用t检验对比两组数据，比如实验组和对照组，也需要加入一列‘组别’项，类似如下图：

 

 

2、配对T检验

配对数据的格式相对较为特殊，包括配对t 检验、配对卡方、配对样本Wilcoxon等。比如实验组和对照组数据的差异。如下图：

 

 

配对数据一般是在实验时使用，而且配对数据的特点为：行数一定完全相等并且只有两列。如果研究数据的行数不相等，那可能不是配对数据，如果还想对比差异，可能需要使用独立t 检验。

 

3、多选题

在问卷研究时会使用到多选题，多选题的数据格式比较特殊。比如一个多选题有4个选项，那么其数据中就会有4列，分别代表4个选项。而且使用数字1表示选中，数字0表示没有选中。如下图：

 

 

分析时将同一多选题下的选项一起放入进行分析才可以。

 

 

4、卡方检验

SPSSAU系统中的卡方检验，支持两种数据格式：一是常规格式，另一种是加权数据格式。

对于只有汇总结果的数据，无法整理成原始数据。此时就可以整理为加权数据格式。格式要求如下：

比如下图中X有2种情况，Y有3个情况，一种有2*3=6种组合，数据信息只有6种组别的汇总项（即加权项），分别是40，10，20，30，20，50；相当于总共有170个样本。整理为加权格式即只需要录入6行即可。

 

 

除卡方检验，涉及使用加权格式数据的分析方法还有很多，SPSSAU中支持加权数据的研究方法包括如下：

 

5、重复测量方差

重复测量数据是指同一批样本（病例）在不同的时间点测量了多次数据，因此重复测量数据的特殊之处在于一定会有ID号（即样本或者病例号），以及时间点数据。

同一个ID会有多个时间点的数据，比如下面有12个样本（12个ID号），并且测量5个时间点。那么就一定会有12*5=60行数据。同一个ID号会重复5次，同一个时间点会重复12次。

 

 

6、时间序列

时间序列的格式包括时间和实际分析项共两列。ARIMA预测、ADF检验、偏(自)相关图等方法均是使用此类格式的数据进行分析。

比如下图中年份就是时间项，"阿里双十一销售额(亿元)"就是实际分析项。分析时并不需要设置时间项，但研究人员整理的数据一定是类似如下图，从上至下的日期递增，因为算法在分析时也是默认按照从上至下递增进行计算。

 

 

7、面板数据

面板模型是针对面板数据进行分析，面板数据是一种特殊的数据格式。比如当前研究100家公司5年的财务数据。100家公司，每家5年，最终会有100*5=500行数据。

如果说100家公司全部都有完整的5年数据，即100*5=500行数据，这种叫平衡面板数据。如果说某家公司只有3年的数据，意味着有2年的缺失数据，这种叫非平衡面板数据。

使用SPSSAU进行分析时，‘个体ID’就是下图中的‘公司编号’，‘时间’就是下图中的‘年份’。‘公司编号’一般是指上市公司的股票代码，也或者只是个编号均可；‘年份’一般是指年或者时间点。‘公司编号’和‘年份’两项共同用于告诉系统当前为面板数据，通常无其它意义。

 

 

三、综合评价中的数据格式

综合评价中各个方法所需的数据格式都比较特殊，这里列出单独进行说明。

1、模糊综合评价

模糊综合评价是对具有多种属性的事物，综合各因素作出一个总体评价。

上传的数据一般包括三个部分：指标项、权重项、评语项。

其中指标项为参与评价的考核指标，1行放1个。

评语项，是指类似于{优秀，良好，一般，差} 或{非常满意，满意，一般，不满意，非常不满意}这样的评价标准。1列放1个评价项。

如果说各个指标项有着自己的权重，那么就需要单独用一列表示‘指标项权重值’，‘如果没有此数据，则默认各个指标的权重完全一致。

特别提示：一个表格对应的是一个评价对象的数据。如果有多个评价对象就需要构建多个表格矩阵，分别上传进行分析。

 

2、灰色关联法

灰色关联法研究数据之间的关联程度，即特征序列与母序列的关联性情况。母序列单独使用一列标识，每个特征序列都使用1列标识。下图中样本编号只是个编号无实际意义，用于标识下样本的ID号，一般是比如年份一类的数据信息，分析时并不需要使用。

 

 

3、AHP层次分析法

AHP层次分析法需要分别对各级指标两两比较得到判断矩阵，然后将指标数值填入白色单元格。

研究人员可修改指标项名称，以及白色单元格内的数字，‘蓝色’背景的信息会自动变化。

 

4、熵值法

熵值法用于指标的权重情况。1个指标占用1列数据。下图中样本编号只是个编号无实际意义，用于标识下样本的ID号，一般是比如年份一类的数据信息，分析时并不需要使用。

熵值法的原理是针对数据不确定性进行度量，从而计算权重。无论是什么数据（包括面板数据），均可正常的进行熵值法，一般不需要进行处理。面板数据进行熵值法分析时，也可以先筛选出不同的年份，重复进行多次熵值法均可。

 

5、TOPSIS法

TOPSIS法用于研究指标与理想解的接近度情况。1个指标占用1列数据。1个研究对象为1行，但研究对象在分析时并不需要使用，SPSSAU默认会从上到下依次编号。

 

 

6、RSR秩和比

RSR秩和比可分析研究对象在‘研究指标’上的综合表现水平情况。数据格式上需要1列表示1上研究指标，1行表示1个研究对象，如下图所示：

 

7、耦合协调度

耦合协调度研究不同系统之间的耦合协调情况，因此1列表示1个系统的数据，1行表示1个研究对象，其数据格式如下图所示：

 

8、熵权TOPSIS

熵权TOPSIS法用于研究指标与理想解的接近度情况。1个指标占用1列数据。1个研究对象为1行，但研究对象在分析时并不需要使用，SPSSAU默认会从上到下依次编号。

 

9、灰色预测模型

灰色预测模型可针对数量非常少、数据完整性和可靠性较低的数据序列进行有效预测。

灰色预测模型适用于数量少(比如20个以内)时使用，大量数据时不适合；整理数据时1列为时间数据，1列实际分析项。但年份在分析时并不需要使用，SPSSAU默认会从上到下依次编号。

End.

作者：SPSSAU

本文为转载分享，如果涉及作品、版权和其他问题，请联系我们第一时间删除（微信号：lovedata0520）

更多文章前往首页浏览http://www.itongji.cn/