粉丝1376获赞2276


准备给他变成,因为变卖我们可以用变卖直接给他分成肥胖啊,正常啊,还有呢就是那个什么销售啊,这样的几个类别,那么我们如果是是这个类别的话,那么好 哎,不同转换成类别,怎么来转换啊?相同点亮 点击旧值和新值,旧值,因为这里边呢,我们刚才是说了啊,这个准备把它进行一个范围,那么从 零号二十一,哎,整个的这样一个界定,那么还可以做什么呢?可以选择 底下的这个为从最低哦某一个值,这呢我直接选二十一就行了。好,金值是什么呢?呃,销售 一啊,销售,然后呢?销售,我回头再给他界定啊,一是销售,然后呢我就添加 范围二十,呃,范围二十一到二十 四点零加二四点九,我在认为是正常二添加进去, 然后呢范围到直到最大,那二十五到最大。

大家好,今天我们介绍的是关于计算变量的具体操作,那既然有这个操作,我们就说一下为什么需要进行变量计算。上一次我们介绍了数据类型,还有数值型数据和非数值型数据, 非数执行数据,它不能进行加减运算,那么自然也就不存在计算的问题, 那数值型数据它是可以计算的。我们以在问卷中的具体情形为例子, 我们通常会采用问卷调查。还有一种特殊的题目类型叫理科特良表,它具体的形式是这样的,每一道题目它的选项 设置都是五个不同的程度,当然我们这个是很不符合,不符合,一般符合以及很符合,不一定非要是这几个字也可以是非常不符合,或者说如果调一的调查的是满意度的话, 那说的就是非常不满意。总而言之,他需要符合一定的规律,这个规律就是他的选项设置从非常否定的程度一直往后地推地推到非常肯定这种程度, 这个就叫做理科特两表。我们这里呈现的是五个选项,理科特两表,他从三一直到十一级都可以,如果是三个选项的话,那就是不符合中 符合,如果是十一个的话,他可以具体的话分为不同的程度。大家用的最多的都是五个,他有一个什么样的特征,他背后有自己的原理, 他的依据的是心理等距法,就是这些选项设置。虽然我们现在能看出来的就是从含义上还有不同的程度,但是从心理等距法,也就是从这些含义 给大家带来的常规感受上很不符合和不符合,他之间这个程度的差距适合不符合到一般这两个之间的程距,程度差距是相等的,所以它本质上是属于等等距数据, 它可以进行加减运算,这就是它可以进行运算的前提。 为什么要进行预算?还有另一个条件就是我们如果调查满意度这个总体的指标,我们没有办法直接问对方你满满意不满意就是对,比如说嗯,职工薪酬满意度, 我们如果要调查职工的话,不能直接问他说你对于呃薪酬满意不满意,这样的话太过于笼统和概括, 我们得到的数据其实没有很高的分析意义。通常情况下,从学术的角度来说,薪酬满意度他会包括很多具体的方面,每一个方面有具体的细 细节,那把这一个每一个具体的细节都化作一道题目,整个薪酬满意度就包括很多道题目, 很多道题目都是薪酬满意度的侧面,他们的总和就构成了整个薪酬满意度。所以我们调查的变量,他在 嗯具体的题目中会表现为多道题目。那么我们如果要用总体的角度来进行后续的分析和处理,就需要先把总体满意度进行计算出来,那么就需要有这个计算的过程。 我们数据中用的例子是一个关于入学前准备的例子,这个准备入学准备两表,总共包括十五道题目。 十五道题目他又划分了四个方面,身心准备、生活准备、社会准备以及学习准备。每个方面又包括对应的题目,那么我们现在 就把这四个准备计算出来,它具体的操作就是转换计算变量 目标变量,这里输入我们要最终要算出来的变量名称。比如说我们要计算的第一个是身心准备, 身心准备在数字表达式这里就是选择对应的题目,还有一个两种办法,我们可以 直接用对应的题目,然后求和算出来,这样的话得到的是总分。我们先来算一下身心准备,这个直接算出来的名字叫做粗分。 身心准备包括的题目是三道,我们从左边把题目选到右边,然后点击加号,或者说按击键盘上的加号也行, 这样的话我们就选中了对应的题目,然后求和,就确定 这是弹出的输出窗口上就会有一个这样的等式,那么我们在变量式图里面 就能够看到我们计算好的身心准备这个粗分,这是它的具体数值, 我们是五级记分,每一道题目最低是一分,最高是十五,呃,最高是五分,那么三道题目他加起来最低分就是三分,最高分就是十五分,这就是他的得分范畴。 我们现在计算了他的另一种算法,这种算法我们管它叫做因子分, 就是我们有三道题目,然后给他除以三, 这就是计算出来的因子。 三道题目 满分是十五分,我们给它除以题目数,就相当于把它的得分去掉了,由题目数带来的变化,那么它的得分范畴就还是一到五分,就对应着我们最开始题目设置的这五个含义, 这就是这两种得分的区别。如果我们计算出来粗分,那么他的得分范畴就变了,当我们去掉题目数带来的变化的时候,这个时候 它的得分范畴就和我们初时设置的 含义是一致的,也方便于 我们后续分析的时候。用这两个得分在进行统计检验的时候,比如说我们要呃进行相关性或者说回归啊,这些 他在进行统计检验的时候,对于结果来说没有明显的区别,如果有的话可能就是小数点或两三位,但是总体上我们可以按照没有区别来对待, 唯一不同的就是这两个得分,我们在解释的时候用这种解释更为方便一些, 所以这个就是我们计算变量中涉及到的呃粗分和因子分两种准备。通常情况下我更习惯于用因子分,因为这样看起来对他的含义理解起来比较方便,比如说这四个 四分,那就属于相对来说比较有符合这种倾向态度了。 这个就是关于计算变量,总体来说就是在转换计算变量,在目标变量这里输入变量名称,在这里输入数字表达式,然后点击确定就可以了, 操作都是一样的,我们具体的数据里面需要计算几个指标, 就把它计算出来,以此类推计算出来就好了。然后相当于是我们在进行正式数据分析的准备工作,这一部分做好了, 我们就可以进行具体的统计分析,所有的分析基本上都在分析下面,那具体的分析方法我们下一期再说,今天就到这里啦,再见。

大家好,上节呢我们主要介绍的是获取数据和查看数据的方法,这一节呢我们主要介绍一下数据的编辑,包括插入和删除变量,插入删除个案,数据的复制,粘贴,撤销操作,数据的输出等等。 现在我们打开一个数据, 我们打开这个看四个变量树种树高指下高灌服 局势中,在变量速度中,四个变量,变量名啊,类型,宽度,小数等等。首先我们来操作一下插入和删除变量,那如何插入呢?选择在这个两个之间 插入电量,那我们就选中这个变量,点击右键插入,变量在就在 他的左边插入那个芯片的这个你插入右边的, 如何消除变量呢?同样是选择这个变量,清楚 怎么样可以在变量十足里面删,现在这个清楚 到底一样那个呢?就是插入和下储备呢?那插入和下储个案呢?这是第一个个案,第二个个案,第三个个案,第四个个案,第五个在四五只 间选插了一个杆,选择种植个杆,插入杆,看一下他的 上面插了一个新杆,那塞住杆呢?想到这个杆清除,那就进行塞住杆,比如说刚刚我不小心塞了出来,那我要取消任务操作, 撤销操作,点一下看一下,发现刚刚下车的杆又回来,我还继续执行重新执行操作呢, 哪个又被删除了,这是撤销操作。那关于数据的输出呢?比如说我想把这个数据进行输出,选择文件并重为 选择保存类型, 小哥哥格式的,这么多格式的可以换支出, 在这边选择你的变态名,单击保存,你就可以进行输出了, 同时呢你如果不想保存说的变量,比如说我不想保存速度和速度,我是在保存支架包和杠幅,那怎么办呢?点击变亮,这边有就有了 流程的,你看默认的是是多少变了,前面不要,真的不要,我只要后面两个是吧?那就全部保留,保留,全部全部丢, 一个都不选,是吧?那我先点继续是吧?然后再进行保存,这样呢 就把你这边的数据保存出来。那到这呢,我们第二 章呢就已经结束了,那这一章呢,我们主要介绍的这样定义,变量获取数据,查看数据,数据的编辑,数据的输出, 都是一切那些基础工作,但他很重要,你这不没有做好,会在后面的分析过程中产生各种各样的问题,就是大家需要注意, 我们这一张就到此为止,感谢大家。


欢迎大家收看今天的课程,今天我们主要讲的是第一张发的入文基础啊,在讲发是一个软件之前,我们来先来讲一下关于数据预处理, 因为我们这门课程的话,主要是基于通过 spass 这个软件来处理数据,对数据进行率处理。 好,那我们先来看一下什么是数据处理。数据处理呃的话,它指的是 对所收集的这些数据进行分类或分组之前所做的审核、筛选、排序等必要的处理。大家知大家知道啊,我们一般拿到手的数据不可能是 给你一个很完整的,就是嗯,你心目中想要的这个数据,那这个时候的话,你想对数据进行一些呃深层次的挖掘的话,那可可能是没有那么容易的,那这个时候的话就需要用到我们这个数据预处里了, 所以说这就是呃这个玉柱里的一个来源,当然他也是我们数据挖掘中不可或缺的一部分。 好,那我们来看一下为什么说呃我们要对数据进行预处理的。首先我们拿到的数据 一般哦不能说全部哈,因为呃还是有很多数据是比较完整的,但是一般的数据他都会有一个数据缺失或者是数据异常,这个时候我们就要对 数据进行处理,可能是有些缺失值或者是异常值啊,那还有一个就是我们可能对数据进行抽取部分和抽样部分,因为嗯,在那么庞大的数据中,我们可能只需要部分 呃的数据来进行处理,那么这个时候呃在数据与处理中的这个数据抽样就是形容非常重要的一部分, 还有就是呃数据有可能会有重复性啊,那这个时候我们就可能要去从,还有有些噪声啊,我们要去造啊。还有如果是维度高的话,比如他有非常非常多的变量, 但这些电量的话,我们可能很多的可能都是没有用到的,那这个时候我们需要对数据进行降为,所以说呃,这就是为我们为什么要 进行数据预处理的一个原因。好,那我们数据预处理的主要一些内容是什么?有可能是对数据进行排序啊, 或者是对数据进行一些筛选选举啊,或者是对数据分类汇总啊,这些都是我们后面会在讲大师的这个操作的时候都会讲到。那当然还有数据分组跟呃确认值一强制的一些处理。 那这就是我,我们对数据预处理这个有一个呃,比较笼统的一个概念, 嗯,大概就是呃数据预处理,我们今天就讲到这里啊,我们今天讲的是主要是一个数据预处理的一个概念。然后还有一个就是为什么要进行预处理?呃是可能是因 因为我们的这个数据的一些不完整性,或者是想要达到我们需要的一个目的来进行一个数据的预处理。还有就是说,呃,我们数据预处理搬掉处理的一个内容。好,那我们今天的课程就到这边。

spss 处理缺失值,上一节课我们讲到了变量的缺失值,这节课我们讲怎么去处理这个缺失值,为什么要处理缺失值呢?因为有时候我们的变量是一些经济类的,经济类的数据,比如说零九年到一九年的 gdp, 哎,因为数数据量比较少,所以这某一年的缺失或某几年的缺失会导致这个数据数据量太小,所以需要对这个缺失值进行处理。在 spss 里面怎么操作呢?在这转换, 替换确实值,他有几种替换方法,首先操作上需要把这个变量选进来,选进来之后这个地方会产生,处理完了会产生一个新面料,所以这个地方有一个名称,这里一般是年龄加一个后缀。 那他有几种处理方法呢?第一种是序列均值,比如说年龄,这个我们就可以用序列均值,就是用这个整体年龄的均均数来替换个确实值。 然后第二个是临近点的均值,就是比如说这个确实是在这确实是这个是十九,这个在这他会用临近的几个点,比如说两个点,比如上下两个,或者说上下这个可以自己选,或者选全部的均值。 还有一个中位数,这是一样的,零进几个点的中位数,上面一个无非就求一个君子,下面一个就求出他的中位数来, 这个需要根据情况来进行选择。然后下面两种差不多就是线性点的线性趋势,这个什么意思呢?就是比如说我们的 gdp 是从零九年到一九年是逐渐递增的,他会按照某一种算法去找出他这个点,在这个趋势里面他出于一个什么位置,找到这个按照他的线性趋势来填充确实值, 基本上就这么几种方法,大家后面选择的时候,根据你的变量特征去选对的方法就可以了。点我主页有干货。

哈喽,大家好,我是豪杰学长,这期呢完整的给大家看一下在 spass 当中怎样去进行数据分析。 嗯,首先来看呢,在 spas 文件当中呢,我们放入了这样的一些数据,这个数据呢我们可以通过在 excel 里面编辑,直接复制粘贴呢,就可以 把数据复制进来,可以看到的是每一列的数据呢,他有相应的名称,名称在这个最上面这一行, 这个最上面这行我们在这里进行双击的时候呢,他在下面会跳转到另外一个变量,试图的这样的一个窗口对他进行编辑,那么这里我们可以看到每一行对应的就是在这个数据试图的每一列, 好可以看到是这样,那么我们嗯在这个嗯变量师图这里可以对变量的一些特征进行编辑,包括这他的宽度,他的这个小数点位数,比如说处理呢,我们是用这个 嗯一二三的标识,他不需要带小数点就可以了。那其他的这个嗯测定的相应的指标呢?我们可以指定他有几位小数点,嗯,另外呢是我们把这个嗯值对应的进行给他负值处理。 好的,我们来把这个相应的这个带数字给它复制一下,那么我们这里的一呢是代表的是嗯一代表的是 t 一的这个处理就是第一个处理, 那么我们这里点添加他就可以被复职了。二是 t 二的一个处理,三是 t 三 体式,嗯,然后五呢是对照, 我是店长, 好的,我们点 ok 呢,他就会把这些纸进行复制给他了,然后我们点确定。 好的,那么复制之后呢,我们需要对嗯数据进行单数方渣分析的一个检验,那么在检验之前呢,我们需要对这个嗯数据进行一个呃, 这个探索或者是一个描述,那么我们也可以先来看一下这个数据的一个描述,我们来看一下这个把所有的数据放在右边进行描述,描述 选择这里呢,我们可以选择他的嗯平均值求和标准标准差最大的最小值,平均值和他的范围,这些我们都可以选择, 然后点确定,他就会跳,跳出另外一个界面,另外一个数据分析结果展示的一个界面,包括这里 嗯有多少个样本量,然后范围平均值最大的最小值呢?他都会把所有的数据进行一个基本的描述,这是一个基本情况,我们可以看到上面的界面是数据界面,这一个是分析结果的展示界面, 因为这个界面和这个嗯数据结果的这个界面呢是嗯有数据连接关系的,所以这里他上面表投这些菜单来,我们这里可以点分析,这里可以点分析两个在他有数据链接的情况下呢,是两个都可以的。好,我们可以在这里进行数据分析。 嗯,继续的,我们刚才是对他进行描述的是 craft, 然后我们去探索一下他的是否满足正太检正态分布,我们 explore 一下,嗯,把这个需要检测的一些指标呢全部放到 这个检测的这里面来统计量来,这里我们可以不统计了,因为刚才已经做过描述性统计了,我们这里要做正态检验的时候呢,我们就需要去点一个这样的 一个嗯,是否满足正太检验的一个图,哎,点确定,然后他就会计,计算出相应的结果。他还是计算当中啊,数据有点多的话,他还是计算当中啊。 ok, 来了。嗯, explore 这检测的结果这里。 嗯,好的,那我们首先来看这个是否满足这个,嗯,正态分布的一个一个检验在哪里去了? 来,在这里。哈,我们来看这有两种检验方法,当我们数据点的个数小于两千的情况下,我们用后面的这个这个检验,然后当数据样本量大于两千,我们用前面这个检验。那这个检验的原 假设呢?是说是什么呢?嗯,假设这个,嗯,数据是服从正态分布的。

好,我们直接粘贴在里面,然后 很简单就是点分析,分析里面有一个非参数检验,这个致核检验也叫非参数检验哈, 里面再勾选两个独立样本。为什么是两个独立样本啊?因为这两组数据来源于两个分组,而这对照组和观察组这两个分组他是完全独立不相干的啊。所以说 选择两个独立样本体检验,然后这个选项卡可能会因为这个 spss 这个版本不一样,他的选项卡标签可能有所差别, 但是最后选的话,肯定是这个两个读亮本。然后呢分组情况啊,就是我们 这个分组一变量一,我们选进这个分组变量里面,我们分组变量分成了一和二,也就是观察组一对照组,那么我们的这个编码一就是组一,二就是组二,然后点继续, 其他的我们不用管,但是我们必须勾选这个,嗯, mwu 这个标签,也就是曼辉特尼优啊。点击了之后呢,我们把这个变量二,也就是说我们的这个变量类型 选到了我们的这个检验面料列表里面,然后其他的这个不用管啊,其他的不用管,直接点击确定啊。这个是第一种方法,治核检验的第一种方, 那么表一也就是我们的这个数据的基本情况,也就是我们的观察组和对照组各三十一个人,一起六十二个人,他的治均值和治核啊,所以我们重点看的是这一张表检验统计量啊, 也就是说我们如果要体现在论文里面的话,就是这个 z 值和这个渐进显著性, 那么结果是怎么看呢?也就是说我们的这个间隙显著性双侧,也就是批值,批是零点四四幺,他是大于零点零五的,也是以零点零五为水准啊,他大于零点零五就说明什么呀? 就说明我们的这个观察组与对照组六个月时的疗效, 两组之间六个月时的疗效,它是不存在显著差异的。好,这是第一种方法。第二种方法呢?也就是说我们像卡方检验一样,把这个数据整理一下, 我们用这个一代替。观察组。啊,我们有 分成了四种情况,是不是?他分成了一、二、三、四,那么分别的平数也就是人数是多少? 观察组第一种情况是十三,第二种情况是十一个人,第三种情况是六个人,第四种情况是十一个人。十三、十一、六一、十三、十一、 六一。对照组我们用二代贴也是分成了四种情况,是吧? 这里我直接复制一、二、三四种情况,然后他的平数我们看一下,是十、十、三、五、三十。

大家好,我是陈老师,欢迎大家收看杏花开医学统计课程,我们将每周在微信公众号中更新最实用的医学统计文章及视频案例教程, 帮助大家轻松掌握医学统计学方法和统计软件的操作。我们的微信公众号是 xhk 三四五,欢迎大家关注。今天我们要讲到的是原始医学资料的录入及复职方法。 嗯,上一讲在新华开医学统计的公众号里面,陈老师已经详细讲到了我们的这个双定标,确定指标,确定目标,确定指标, 那么现在我们确定了临床研究所需的指标之后,我们怎么样啊?录制一个正确的符合统计学标准,符合 spss 软件设置的这么一套 学数据呢?好,今天呢,陈老师就以这么一套案例数据,这么一个案例数据为例啊, 好,这个呢,实际上这一列数据我们还可以先插入一列变量,就是这个,呃,病人 id 直接是 id, 我们可以插入一个 id, 然后呢,这个 id 有从这个第一个编号一直往下边, 对,一直往下,就一直,就这样就可以编号好了。好,然后呢,嗯,我们来看一下啊,这一次的研究一共调研了 调研了两百一十二名这个患者,那么呃,基于我们的研究目的,我们需要搜集患者的性别、年龄、血糖、 血糖这个尿酸、甘油三脂这样的这个数据。那么陈老师在上一讲这个,呃,这个医学变量的这个变量类型及复职的时候,陈老师详细讲到了, 就是对于这种啊,技术资料也叫做名义变量,比如说性别,下面分两类,这个两类男的和女的,注意,我们不要录入汉字,不要录男和女两个汉字, 因为即便 spss 软件识别了汉字,也不利于我们后面用性别这一个变量和其他的变量进行关联性研究。 因为如果我这个性别录入的是男性和女性这样的汉字,而后边录入的这个是连续是这个阿拉伯数字,这个就不方便我们我们的把变量整合在一起进行统计分析。所以我们在原始数据的搜集的时候, 我们务必直接按照编码录入阿拉伯数字。好,这样一个案例,嗯,这个案例里面,嗯,陈老师在录入原始数据的时候就直接已经进行转换了啊。呃,怎么转换的呢?这个里面有一个默认的编码, 一是等于男性的, 二是等于女性 好。然后呢,这个还有一个血糖,我们也是根据我们的研究目的,把血糖分成了三种,一是低, 二是中等,三是高血糖。 好,那么我们有了这么一套这个这个原始数据,这么一套原始数据就是说我们以后无论做什么样的医学研究,我们的这个原始数据展示出来的一定是完整的阿拉伯数字,不要把阿拉伯数字和汉字或者是英文等等混杂在一起是不合适的。 好,搜集了这么一套数据之后呢?嗯,我们首先我们首先应该认识一下变量的类型,刚才陈老师已经讲了性别和血糖,性别他是属于啊技技术资料,也叫做名义变量。 血糖呢,他是也是技术资料,但是呢是等级变量。然后呢,这个剩下的年龄,尿酸甘油三尺,这个就是连续数值性的变量,其中年龄是离散型 剂量资料,这个尿酸和甘油三脂是连续性剂量资料,这个是离散剂量,这个是连续剂量。因为年龄这儿给出来的是整数。呃,其实这个年年龄他应该是 连续型的计量资料,因为年龄可以是五十八点一、五十八点二和五十八点三。但是呢,我们经常在呃做研究的时候,患者给出来的年龄实际上都是整数,所以呢,这儿的这个整数年龄可以看作是离散型的计量资料。 而这个呢,啊,这个尿酸也是呃离散型剂量资料,而这个甘油三酯他带有小数点,所以呢,这个是连续性剂量资料。 好,我们认清了我们的这个变量类型之后,还有这个变量类型之后呢?我们怎么样?嗯,合适的准确的把这么一套数据录入到 spss 软件里 里面呢?这个时候我们先来看一下 spss 软件里面的一些设置。

大家好,欢迎来到 spas 课堂,我是宇博士,接下来我跟大家分享的是 spas 里面的量关于量表问题的合并。 呃,也可以叫做呢让表的维度得分计算,这呢是前段时间的一个同学呃问题,然后这里呢来做一个视频来集中处理一下。 好,我们来看一下关于量表维度得分计算。呃,关于量表维度得分计算呢,我们主要是考虑到他这两点,第一点呢就是看量表有没有反向问题,如果有反向问题呢,我们需要把 呃反向问题呢计算,得分的时候呢,需要进行反向积分,然后他呢是通过可以通过转换的重新编码相同变量, 呃,重新把所有反向题目呢一块回到反向得分处理,就可以这样集中处理。第二个呢就是维度或整体得分计算。 呃,这里呢有两种方法,第一种方法呢就是计算得分,就是求和。第二种呢就是计算平均值。呃,通常情况下这是两点都可以。呃,要是有明确量表说明的话呢, 就根据大家的说明就行,有的呢是求总班的,有的呢是求呃得班均职的, 这个都可以。然后呢,我们通过一个焦虑量表达来具体看一下,这是 焦虑自评量表,他呢是有有十五个中奖评分,五个反向评分。我们来看一下呃焦虑。我们来看这个机制,就是我觉得比平时更容易紧张或着急, 这是焦虑焦虑的表现,是吧?然后五呢,你看,我觉得一切都很好,也不会发生不尽,这明显是不焦虑。所以说呢,这五呢就是我们争做 反向体,因为我们白质主要是素质越高,它的腰力程度越高, 像五呢这种呢数值,数值越高呢就交易程度越低,所以说呢,我们就需要把五呢给反向积分处理一下, 就是反向积分题,这五九十三是第十九,反向计算呢,在这里呢就是一百没有过,很少有时间呢,评分是四三二一分,一次是四三二一分, 然后像一这种正讲正讲平分题呢,没有过,很少有一二三四,然后得分越高呢,这个 呃焦虑程度呢就越高。然后再来看他的得分,这些得分呢就与二十个全部相加, 得到一个粗分,然后呢用粗分乘以一点二五,再取整数部分呢就得到标准分, 然后这个标准根呢再跟着呃,跟按照那个长模比较,他看这个临界分值五十迈,然后五十到五十九拿轻度,调六十到六十九拿中度,然后六十九半以上的是重度。 这样呢我们就这两点基本就都设计了,呃,设计到了 一个总分计算,还有一个百降问题处理好,我们根据那个数据呢来具体做一下,这是他这个数据。呃量表问题呢,我们看到是这二十个量表, 然后首先呢把反降问题给标一下,反降问题五九三九 十三十七十九,这样呢把它标注出来呢,再进行反向积分处理啊,这里呢 一呢就是没有时间,四呢就是,呃,绝大部分毛全部时间,这样是对应的是一二三子弹,然后呢我们再给他转化成呢,呃,四三二一转化,中间编码 相同变大, 这五个五九值端直接十九,然后进行就值和金值的一个替换,一呢替换成 c, 然后二 三呢个乘,二四呢个乘 进去, 确定好,这里呢依旧 t 完成四,二就完成三,三 t 完成 二,二就完成一了,然后这里呢就不是这个时间了,我们就可以认为是这个得分了,就不要用这个时间来一就是上到这一分 就转化成一分,二呢就变成二分 这样的。哎,你看这张九呢也是同样的,这里就不做修改了,做完这个之后呢,我们就可以对他进行一个 总分计算,先二十个题目相加,这呢涉及到一个 呃 s p s s 里面的函数计算,我们可以通过计算变量,这里面有个数字表达式。我们来看一下这个, 这里面呢主要是用到了这三个函数,第一个呢就是赞,就多个变量组合,第二个呢就是多个变量就平均值。第三个呢就是 呃账户表达是取整数值,就是去掉小数点部分,整数部分这个 t、 r、 u、 n、 c 这个函数, 然后这个呢咱就跟四舍五入去整是有区别的,你像这个呢 r、 n、 d 呢是去整 四舍五入,这个呢就截掉后面这角度边后的数值,因为我们呢需要先求和,就是对所有变慢的求和,先撒,这就做音量,然后呢再乘上一点二五, 这是一点二五,然后取整个部分就是这个数值了,就写为它。我们复制一下,直接用过来 这个变量呢,因为我们这次取得变量这个 to 呢是从第一个到最后一个, 然后呢我们就这儿还是写个 web 外呢,就是标准分了。呃,我们再来看一下,这呢是这里面这些曲折,然后 sum 是这些球壳乘以一点二五,这呢就是这一部分,然后确定。 好,这样呢,就增加了一列外,增加了一列外呢,我们看到他的描述统计看一下, 最小值呢是二十五,最大值呢是八十五,然后平均值呢是四十九, 然后我们再来根据这个他的临界值呢,来给他分一下,看他是焦虑程度是怎么样的。 登记转换,重新编码为不同编码, 焦虑沉重。 好,我们来再来剪一下。呃,五十分,五十分之内的呢是无了。呃, 也就是从最低到四十九至零,然后五十到五十九,轻度交易 六十到六九, 然后六九以上 啊,不知道 最顶端 再比这个负离还值 零呢?是五一呢,是轻度酒, 中度酒 断桥。 好,这样呢,我们再来描述一下。 好,我们看到了这无奈呢是二百一十一人,然后轻度中度呢?战斗呢都有了,他呢就是增加了。 好,这是关于这个焦虑量表得分得分计算他那个焦虑程度的一个划分情况,还有情况,这是 如果对某个在一些亮条里面呢,有部分题目呢,他是需要划分维度的,比如说一到一个维度,这样的拿出来单独做计算, 比如说一到五吧,一到四吧,一到五,这是维度一,我们就来算一下维度一, 比如说维度一,维度一呢,我们如果先求和的话,可以直接主炸, 然后 一到五,就是说呢,从这个一到二, 这,然后从这一到二,这是维度一求和, 这又增加了一个求和。呃,如果求均值呢,我们直接换一下函数就可以,这叫变量,这呢改成 me 平均值, 然后一到五。 好,我们再来看一下,再来描述一下这两个。 好,我们看到维度一求和呢,就对这五个题目呢进行一架求和均值呢这时,然后 呃求均值呢,均值呢是二点一四五九,这样呢就把维度呃求和或求均值的情况下都计算了,这就是关于呃量表问题的维度的合并或者 计算问题。呃,关于其他问题呢?大家如果有问题呢可以联系我们,这是你的联系方式。呃,这里呢,我们可以呃定制相关的视频,如果有需要可以联系。好,谢谢。

spss 操作步骤讲解系列第二课,教你学会 spss 频率分析和数据转换功能。 spss 数据转换界面常用的功能有,计算变量,适用于定量数据重新编码为相同变量或重新编码为不同变量。适用于分类数据 计算变量,只对问卷数据中某个提项或者多个提项进行处理的一种数字变换,用于变量生成和变量处理。点击转换计算变量。 进入图中对话框后,点击函数组里的统计函数和特殊变量后,双击函数命,然后定义目标变量名称。在求均值函数里加入 该维度所对应的题像。注,函数中的标点符号是,在英文输入下输入,点击确定,待在结果里跳出图中最下面语法时即完成。 图中结果为处理好的均值结果。第一步,点击分析描述统计频率。 进入图中上面对话框后,将我们需分析的题像放入对应的变量框中,点击统计后,跳出图中下方对话框。 在特殊的情况下,可以一勾选该对话框中对自己研究有意义的选项。在做频率分析时,主要看选项的分布情况,点击继续确定,频率分析的结果就出来了。根据图中结 果我们可以看出年龄中选项十八岁及以下和六十岁以上组人数较少,一般需要数据在十五个左右研究才有意义。因此进行选项组合操作。 选项组合,在某些分类数据的部分选项个数太少,我们将部分选项组合形成新的变量,点击转换,重新编码为相同变量。 进入图中对话框后,点击就职核心值,进入图中下方对话框,在就职中输入对应选项原有数值后,在新值里输入调整后的选项数值。 虚拟变量设置哑变量处理,将多分类数据划分为二分类数据也是分类变 量引入回归分析方法的前提。在进行雅变量处理时,一般会选择一个题像作为参考类别,因此输出的雅变量处理后的二分类变量会比原有选项少一 二。分类有序分类数据及有序等级资料不需要进行雅变量处理,点击转换重新编码为不同变量。 进入图中变量框后,将我们需要设置的变量放入对应的变量框中,再输出变量名称里输入对应的哑变量处理的选项。点击就职核心值,进入图中下方对话框后,将设置的选项述职输入到就职里。 在新值礼输入一后,勾选所有其他值,在新值礼输入零,当跳出下方于法后,表明设置完成。 我们将该处理的数据处理完成后,按照前面频率分析的步骤进行分析,得出最终结果。 第二步,将结果粘贴复制到 excel 表格中,进行整理或画图后,将整理好的结果粘贴复制到沃尔顿党中,进行表格的制作和文字描述。 感谢观看,观看完记得点赞关注哦,可带坐指导学习交流!

大家好,这一次的内容是这个 spsa u 系统里边的这个无效样本功能啊,如果你进行这种问虐研究之类的,或者是其他的任何的数据啊,这个无效样本是很正常的, 出现蚊香样本的时候怎么样去处理,以及什么样叫做蚊香样本啊,以及怎么样去进行设置啊?这是我们这一次想讲的内容。首先进入 spcu 系统 啊,找到这个无效样本这个地方啊,你比如说啊,右边这里有一个判断标准啊,比如说相同速度大于百分之七十啊,确实比例大于百分之七十啊,那么这种 就叫做那个无限样本,一般情况下以百分之七十作为标准就可以啊,当然你的数据,比如说很多啊,你有一万条数据啊,那你百分之四十,百分之五十作为标准都可以了,一般百分之七十就可以了,那怎么处理? 他是一次性的一个工作啊?你比如说你的这个 a 一到第六,对吧?你希望这次选择的这二十个题有超过百分之七十选择同样一个答案的啊,对吧?那就十四个,超过十四个题都选择一样的答案呢,你就给他标识成一个,他就设置成无效样本, 那怎么样去处理是吧? cu 系统呢?他会先生成一个变量啊,点确认,他就会把你先生先生成这样一个标题出来,来标识这一个无效样本,而且用这一个 啊,数字一,那个数字一代表有效,数字零代表无效。那么你再看一下,我们做一个回归啊,那个评数分析啊, 看见没有啊?无线样本有五十六个啊啊?这一个有效样本是一百五十九个,那什么意思啊?那就是说啊,他把你这这这个设置了五十一个无线样本,但但是他 并没有把数据给你删除,而是新生成了一个标题来表标识。这一个有效还是无效,那么你在后续的任何分析的地方,你都需要做一个什么试驾,把这个有效的线筛选出来。什么叫有效啊?你选择这个数字一就有效啊?点确定 对吧?他就只分析这一百五十九个数据啊,只分析一百五十九个,你每次都在筛选上啊啊,每次都基于这一百五十九个数据来进行分析,那么这个就是我校杨门,当然了还有个缺失数据确实比例 其实一大片的,这个你的温卷或者是一大片的其他数据,一大片都是那种空值,什么也没有的,他就是缺失,你缺失太多了,这这个样本就没有太多意义了, 可以把它确实设置成这种无效的啊,一般像这种呢,确实比例就看你了,一般百分之七十也可以,百分之五十也可以,如果你要更严格一点,百分之三十都可以 啊,这是啊,我们的这个无效样本设置的这样的一个功能啊,谢谢大家。