SPSS数据分析与挖掘实战案例精粹第四章.ppt

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,第四章,SPSS,操作进阶,4.1,案例背景,4.2,问卷的录入,4.3,问卷质量校验,4.4,问卷数据的分析,4.5,项目的总结与讨论,4.1.1,项目背景,互联网技术发展，网上购物盛行。我们的客户是做数码产品实体店的店主，想搭建一个购物网站。在搭建网站之前，需要对网站的建立进行详细规划，包括网购的产品种类、配送方式、支付方式等等，为了让网站更贴近顾客喜好，这就产生了调查问卷。让这个客户的实体店里的会员填写调查问卷。,4.2.1,开放题录入,字符型变量不能参与运算，且区分大小写，一般作为记录的标识。,宽度为该变量的长度，一个汉字两个宽度单位，一个字母或数字或小数点都是一个宽度单位,4.2.2,单选题录入,(6),值：,1,代表“男”，,2,代表“女”。,数据视图中,录入性别的两种方式,(1),使用数字,1,，,2,来录入性别,(2),选定工具栏的“显示值标签”，通过下拉框的方法来录入,注释：当选择男或女时，实际在数据文件中保存的是数字,1,或,2,。,4.2.3,多选题录入,对于多选题，每个被调查者可能会选择多项，无法用单一变量录入，则考虑用多个变量来结合定义。,为什么无法使用单一变量录入？,举例：你经常使用的搜索引擎是哪几个？,A,百度；,B,谷歌；,C,雅虎,；,D360,；,E,其他,你经常使用的搜索引擎是哪几个？,AB,ABC,ADF,字符型变量不能参与运算，,不能统计,A,多少,B,多少,数值型变量，使用值标签，只能多选一,4.2.3,多选题录入,-,多重响应,多重响应：几个变量是一个多选题的选项,并设定一个变量名。有两大类：二分法和多重分类法。,P52,B4(,年龄,),B5(,你经常使用的搜索引擎是哪几个,?),B5_1(,百度,),B5_2(,谷歌,),B5_3(,雅虎,),B5_4(360),B5_5(,其他,),第一个受访者,22,1,0,0,1,1,第二个受访者,33,0,1,0,0,1,二分类法：每个变量代表一个选项，每个选项具有两个可能值,(1,选中，,0,没选中,),第一个受访者,22,岁，浏览器选了百度、,360,和其他。,第二个受访者,33,岁，浏览器选了谷歌和其他,第一个受访者,22,岁，浏览器选了百度、,360,和其他。,第二个受访者,33,岁，浏览器选了谷歌和其他,多重分类法：受访者的答案代表一个变量，变量数少于或等于总选项数。,(,百度,1,谷歌,2,雅虎,3,360,4,其他,5,),B4(,年龄,),B5(,你经常使用的搜索引擎是哪几个,?),B5_1(,第一个答案,),B5_2(,第二个答案,),B5_3(,第三个答案,),B5_4(,四,),B5_5(,五,),第一个受访者,22,1,4,5,第二个受访者,33,2,5,当选项少时，两者皆可,当选项多，答案少的时候，选择多重分类法是比较轻松的,实操：录入,二分类中代表每个选项的变量，在录入时应该保持一致,多重分类中代表每个答案的变量，在录入时应该保持一致,请问您目前已经拥有的数码产品有哪些？,二分法、计数值,1,选中为,1,，没选中为,0,，把数值为,1,的计数一下，即统计选中情况。,请问你未来打算优先购买的数码产品有哪些？,(,最多选三项,),表示这里使用多重分类法,4.3.1,去除重复记录,该变量取值相同则为重复数据,一组变量的取值全相同则为重复数据,在匹配组内的排序标准框中定义排序顺序，便于在查找出来的多条重复记录中指定主个案和重复个案。,把定义匹配个案的依据设为第一顺序，把在匹配组内的排序标准设为第二顺序。,基本个案指示符中基本个案用,1,表示，重复个案用,0,表示。,每组中最后一个个案为基本个案：同一重复数据组的最后一例是主要数据，其他是重复数据。,每组中的第一个个案为基本个案：,同一重复数据组的第一例是主要数据，其他是重复数据。,根据指示符,(,新变量,),的值进行筛选：,0,过滤，,1,保留,连续计算每个组合中匹配个案,(0=,非匹配个案,),：,同一重复数据组中包括基本个案和重复个案组内编号，,0,表示没有重复数据,。,显示已创建变量的显示频率，是根据基本个案指示符,(,基本个案,1,表示，重复个案,0,表示,),中,1,和,0,的个数来进行统计描述的。,4.3.2,发现异常值,.,可以在缺失值中，离散缺失值,3,和,7,在选择个案中过滤掉未选定个案,4.3.3,逻辑校验,B3,：您是否有过网上购物的经历？,B4,：您平均每月网络购物的消费额大致是？,B5,：您在网上购物时采用什么样的支付方式,？,4.4.1,问卷加权,实体店的会员男女比例,6:4,，调查问卷里男女比例,7:4,，人口特征与实际分布并不一致。,第二段：男女比例和受教育水平这两个因素可能对分析结果有较大的影响，会员中男女之比为,6:4,，教育水平是,2:2:4:2,实际分布如下图，为了使问卷中的人口特征与实际相符，应该使问卷中数据赋予一定权重，让加权后的数据符合实际比例。,第一步：计算出问卷中男女及教育的比例,性别,教育水平,分组计数,男,高中,-,中专及以下,3161,男,大学专科,4916,男,大学本科,7768,男,硕士及以上,1347,女,高中,-,中专及以下,1048,女,大学专科,2320,女,大学本科,3695,女,硕士及以上,676,首先计算出在不同性别的不同教育水平的人数,分类计数,然后，计算总人数，最后得出不同水平的比例,汇总总人数,转换成比例,第二步：问卷中的比例*权重,=,实际比例,最后，转换：权重,=,实际比例,/,问卷中,比例,得到权重后，还需要将权重导入活动数据集，这时涉及到两个表的横向合并，增加变量，,(,两个文件按同一顺序排序），最后再指定加权的权重即可,数据的横向合并,增加变量,“,新的活动数据集,”,中的变量，是两个数据集中非共有的变量。,“,已排除的变量”，是两个数据集中共有的变量。,“,关键变量,”,两个数据集共有的，用来匹配对接的变量，可以从,“,已排除的变量,”,中导入。,“,按照排序文件中的关键变量匹配个案,”,复选框,两个文件都提供个案：两个数据集个案合并；,非活动数据集为基于关键字的表：合并的数据文件的个案仅是当前活动集中的个案；,活动数据集为基于关键字的表：,合并的数据文件的个案仅,是当前非活动,集中的个案；,合并后的数据，再指定加权权重即可,加权是为了告知统计软件，这一行的数据代表的并不是单个值，而是“权重”个数据,。结果在分析,描述,交叉表格中查询。,4.4.2,业务分析,勾选卡方检验,4.5,项目的总结与讨论,休息，休息一下,