
關(guān)于SPSS數(shù)據(jù)預(yù)處理
關(guān)于SPSS數(shù)據(jù)預(yù)處理
拿到一份數(shù)據(jù),或者在看到國(guó)內(nèi)外某個(gè)學(xué)者的文章有想法而自己手里的數(shù)據(jù)剛好符合這個(gè)想法可以做時(shí),在整理好數(shù)據(jù)后不要急于建模。一定要對(duì)數(shù)據(jù)做缺失值處理、異常值處理。在數(shù)據(jù)預(yù)處理的基礎(chǔ)上再進(jìn)一步建模,否則可能得到錯(cuò)誤的結(jié)果。
心得1:數(shù)據(jù)預(yù)處理怎么做。
一是 缺失值的處理。我個(gè)人有幾個(gè)看法:
數(shù)據(jù)樣本量足夠大,在刪除缺失值樣本的情況下不影響估計(jì)總體情況,可考慮刪除缺失值;
二是數(shù)據(jù)樣本量本身不大的情況下,可從以下兩點(diǎn)考慮:1是采用缺失值替換,SPSS中具體操作為“轉(zhuǎn)換”菜單下的“替換缺失值”功能,里面有5種替換的方法。若數(shù)據(jù)樣本量不大,同質(zhì)性比較強(qiáng),可考慮總體均值替換方法,如數(shù)據(jù)來(lái)自不同的總體(如我做農(nóng)戶調(diào)研不同村的數(shù)據(jù)),可考慮以一個(gè)小總體的均值作為替換(如我以一個(gè)村的均值替換缺失值)。2是根據(jù)原始問卷結(jié)合客觀實(shí)際自行推斷估計(jì)一個(gè)缺失值的樣本值,或者以一個(gè)類似家庭的值補(bǔ)充缺失值。
心得2:數(shù)據(jù)預(yù)處理第二點(diǎn)異常值的處理。
我大概學(xué)了兩門統(tǒng)計(jì)軟件SPSS和Stata,SPSS用的時(shí)間久些,熟悉一下,Stata最近才學(xué),不是太熟。關(guān)于這點(diǎn)我結(jié)合著來(lái)說。關(guān)于異常值的處理可分為兩點(diǎn),一是怎么判定一個(gè)值是異常值,二是怎么去處理。
判定異常值的方法我個(gè)人認(rèn)為常用的有兩點(diǎn):1是描述性統(tǒng)計(jì)分析,看均值、標(biāo)準(zhǔn)差和最大最小值。一般情況下,若標(biāo)準(zhǔn)差遠(yuǎn)遠(yuǎn)大于均值,可粗略判定數(shù)據(jù)存在異常值。2是通過做指標(biāo)的箱圖判定,箱圖上加“*”的個(gè)案即為異常個(gè)案。
發(fā)現(xiàn)了異常值,接下來(lái)說怎么處理的問題。大概有三種方法:
1是正偏態(tài)分布數(shù)據(jù)取對(duì)數(shù)處理。我做農(nóng)戶微觀實(shí)證研究,很多時(shí)候得到的數(shù)據(jù)(如收入)都有很大的異常值,數(shù)據(jù)呈正偏態(tài)分布,這種我一般是取對(duì)數(shù)處理數(shù)據(jù)。若原始數(shù)據(jù)中還有0,取對(duì)數(shù)ln(0)沒意義,我就取ln(x+1)處理;
2是樣本量足夠大刪除異常值樣本;
3是從stata里學(xué)到的,對(duì)數(shù)據(jù)做結(jié)尾或者縮尾處理。這里的結(jié)尾處理其實(shí)就是同第二個(gè)方法,在樣本量足夠大的情況下刪除首尾1%-5%的樣本??s尾指的是人為改變異常值大小。如有一組數(shù)據(jù),均值為50,存在幾個(gè)異常值,都是500多(我這么說有點(diǎn)夸張,大概是這個(gè)意思),縮尾處理就是將這幾個(gè)500多的數(shù)據(jù)人為改為均值+3標(biāo)準(zhǔn)差左右數(shù)據(jù)大小,如改為100。
總結(jié)而言,我個(gè)人認(rèn)為做數(shù)據(jù)變換的方式比較好,數(shù)據(jù)變換后再做圖或描述性統(tǒng)計(jì)看數(shù)據(jù)分布情況,再剔除個(gè)別極端異常值。CDA數(shù)據(jù)分析師培訓(xùn)官網(wǎng)
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10