由观测量组到变量组的重组

观测量组到变量组的重组使数据由纵向格式转换为横向格式,步骤如下:

1)选择重组变量。在“重组数据向导”对话框中选择“将选定个案重组为变量”单选按钮,单击“下一步”按钮,弹出“重组数据向导--第2步(功步)”对话框。

从“当前文件中的变量”列表框中选择在重组后将在数据集中标识观测记录的变量,单击右箭头按钮将其选入“标识符变量”列表;选择构成新数据集中变量组的变量,单击右箭头将其选入“索引变量”列表。

本例中,将“观测量”变量选入“标识符变量”列表,将“D”变量 选入 “索引变量”列表。

2)原始数据的排序设置。单击“下一步”按钮,弹出“重组数据向导--第3步(共5步)”

该对话框用于设置是否对原始数据进行排序,选择“是”,系统会在数据重组之前按照标识变量对原始数据进行排序,“否”则不进行此项操作。本例中选择“是”按钮。

3)新变量的相关参数设置。单击“下一步”,弹出“重组数据向导--第4步(共5步)”对话框。

“新变量组顺序”选项组:该选项组用于设置新变量组中变量的排序方式,有“按初始变量排序组合”和“索引排序的组合”两种。

“个案计数变量”选项组:设置是否生成计数变量,若勾选“计算当前数据中用来创建新个案的个案数”复选框,则表示生成计数变量,同时激活“名称”和“标签”输入框,用户可以在其中输入计数变量的变量名和变量标签。

“指示符变量”选项组:设置是否生成指示变量,勾选“创建指示符变量”复选框,表示对索引变量的每个取值生成一个指示变量用于记录对应的变量取值是否为空值,用户可以在“跟名”文本框中输入指示变量的前缀。

本例默认即可。

4)完成数据重组。单击继续“下一步”,弹出“重组数据向导--完成”按钮。

时间: 2024-08-01 09:13:36

由观测量组到变量组的重组的相关文章

数据文件的结构重组_I(由变量组到观测量组的重组)

不同的分析方法需要不同的数据文件结构,当现有的数据文件结构与将要进行分析所要求的数据结构不一致时,我们需要进行数据文件结构的重组,一般来说数据文件的结构分析为横向和纵向两种结构. 横向结构 横向结构的数据将一个变量组中的不同分类分别作为不同的变量,例如将A,B,C作用下的数值分别作为一个变量进行保存,每一个组是一个观测量,如图: 纵向结构 纵向结构的数据将一个变量组中的不同分类分别作为不同的观测量,例如将A,B,C组作用下的数值作为一个观测量,如图:   数据重组方式的选择 在菜单栏中一次选择"

易观高级分析师董旭:中国云计算生态化是大势所趋!

近日,易观分析师顾问群组总经理.高级分析师董旭受邀参加<拥抱云端·连接未来2016腾讯全球合作伙伴大会云端峰会>,详细解析了目前中国云生态行业现状.演进模式及未来发展趋势.她认为中国云计算生态化是大势所趋,云生态企业关键成功因素主要有以下几个方面:一是数据中心的资源,二是技术能力,三是合作伙伴的数量以及质量,四是企业客户的生态的维系和关系的稳定. 易观分析师顾问群组总经理.高级分析师董旭 以下是演讲干货: 在今天下午跟大家看一下中国整个云生态行业的发展,其实今天我们腾讯的合作伙伴大会的主题是两

检查单个变量的摘要统计量

今天将开始学习简单的摘要测量以及变量的测量级别如何影响应使用的统计量类型.使用demo.sav数据,资料来源于PASW_Statistics_18_Brief_Guide. 度量水平 不同的摘要测量适用于不同类型的数据,这具体取决于测量级别: 分类.包含有限数量的不同值或类别(例如,性别或婚姻状况)的数据.也称为定性数据.分类变量可以为字符串(字母数字)数据,也可以为使用数字代码来表示类别的数值变量(例如,0 = Unmarried,1 = Married).存在两种基本类型的分类数据:  名义

《请君入瓮——APT攻防指南之兵不厌诈》—第3章3.3节 稽查PT和APT

3.3 稽查PT和APT 请君入瓮--APT攻防指南之兵不厌诈 前文讲过,我们能够检测.监控.追踪网络攻击:无论是PT还是APT,我们都要积极地与它们进行互动.我已经知道某些人会想"您不是疯子就是神经质".哎,抱歉,我是兼而有之:即不是疯子又不是神经质的人,肯定就既不地道也不专业. 本书第1章简要介绍了9个关键的可观测量.第1章的后半部分更深入研究了这些概念,帮助您以网络反间谍专家的视角看待数据,越来越深刻地理解可观测量.可观测量的重要之处在于,它在衡量攻击和对手重要性的同时,也能辅助

小白学数据分析------&gt;描述性统计术语汇总

以下所说的统计学术语大家可以参考小蚊子blog的内容 (http://blog.sina.com.cn/s/blog_49f78a4b0102dwz9.html) 术语是帮助我们打开思路,通过多个角度对数据进行深度解读,数据分析师不能仅仅靠着对数据的一种感觉和敏感来进行数据分析,这样的主观性太强,在合理必要的情况下,使用前人已经总结和使用的方法往往对我们更有帮助,但也要记住不要陷入这个指标误区中,核心还在于人(但不是让你凭感觉作分析),在于人对待问题的思考方式,解决办法. 今天来说说描述性统计分

小白学数据分析-----&gt;回归分析在游戏人气分析的应用探索

昨天简单说了一下相关分析在充值购买失衡方面的应用,今天就接着昨天的话题,说一下回归分析(Regression  Analysis),回归分析是研究一个变量(因变量)和另一个变量(自变量)关系的统计方法,用最小二乘方法拟合因变量和自变量的回归模型,把一种不确定的关系的若干变量转化为有确定关系的方程模型近似分析,并且通过自变量的变化来预测因变来预测因变量的变化趋势,在回归分析中两个变量的地位是不平等的,考察某一个变量的变化是依存于其他变量的变化程度,就是存在因果关系. 今天将利用回归分析对游戏数据分

用Excel做数据说明——相关系数与协方差

化学合成实验中经常需要考察压力随温度的变化情况.某次实验在两个不同的反应器中进行同一条件下实验得到两组温度与压力相关数据,试分析它们与温度的关联关系,并对在不同反应器内进行同一条件下反应的可靠性给出依据. 相关系数是描述两个测量值变量之间的离散程度的指标.用于判断两个测量值变量的变化是否相关,即,一个变量的较大值是否与另一个变量的较大值相关联(正相关);或者一个变量的较小值是否与另一个变量的较大值相关联(负相关);还是两个变量中的值互不关联(相关系数近似于零).设(X,Y)为二元随机变量,那么:

用Excel做数据分析之相关系数与协方差

化学合成实验中经常需要考察压力随温度的变化情况.某次实验在两个不同的反应器中进行同一条件下实验得到两组温度与压力相关数据,试分析它们与温度的关联关系,并对在不同反应器内进行同一条件下反应的可靠性给出依据. 相关系数是描述两个测量值变量之间的离散程度的指标.用于判断两个测量值变量的变化是否相关,即,一个变量的较大值是否与另一个变量的较大值相关联(正相关);或者一个变量的较小值是否与另一个变量的较大值相关联(负相关);还是两个变量中的值互不关联(相关系数近似于零).设(X,Y)为二元随机变量,那么:

想知道机器学习掌握的怎么样了吗?这有一份自测题(附答案和解析)

引言 人类对于自动化和智能化的追求一直推动着技术的进步,而机器学习这类型的技术对各个领域都起到了巨大的作用.随着时间的推移,我们将看到机器学习无处不在,从移动个人助理到电子商务网站的推荐系统.即使作为一个外行,你也不能忽视机器学习对你生活的影响. 本次测试是面向对机器学习有一定了解的人.参加测试之后,参与者会对自己的机器学习方面知识有更深刻的认知. 目前,总共有1793 个参与者参与到了测试中.一个专门为机器学习做的测试是很有挑战性的,我相信你们都已经跃跃欲试,所以,请继续读下去. 那些错过测试