SPSS數(shù)據(jù)分析:如何刪除重復(fù)個案

很早的時候，大家在SPSS中處理單個變量的重復(fù)值通常都是這樣的做法，首先將要處理的數(shù)據(jù)進行排序，然后將其復(fù)制后在從新變量的第二行開始粘貼，得到了兩個觀察量錯開一個位置的變量 ，然后對這兩個變量進行相減，最后挑選或刪除為零的選項以獲得完全無重復(fù)的數(shù)據(jù)。這樣的做起來不算困難，但處理2個或2個以上變量的重復(fù)值就顯得有點乏力了。下面就芒果的例子利用SPSS syntax對重復(fù)觀測值的處理進行相關(guān)探討，簡要數(shù)據(jù)如下：

問題1.找出上表中zkzh相同且itemid也相同的所有記錄。

上圖是syntax命令及說明,關(guān)于sort cases/match files/filter等命令見下面小貼士的說明，首先看看數(shù)據(jù)處理結(jié)果：

問題2. 如何快速的分離出被篩選的變量？

還是利用上面的例子，我們利用dataset copy命令將被篩選出的觀測值快速的篩選出來，形成一個新的數(shù)據(jù)集。

#1Filter off.

#2Dataset copy shaixuanji.

#3DATASET ACTIVATEshaixuanji.
#4SELECT IF thesame=0.

#5EXECUTE .

代碼解析：

第1行命令利用filter off命令清除上面的篩選效果。

第2行命令式將當(dāng)前數(shù)據(jù)集復(fù)制到新的數(shù)據(jù)集shaixuanji中。

第3-4行命令是激活數(shù)據(jù)集shaixuanji，并且選擇thesame變量中值為0的觀測值（其他的默認刪除）。

第5行命令是即時運算命令。

效果如下：

如果不想要這么多的變量，可以使用save outfile.../keep(drop)命令選擇自己需要的變量。

問題3.有時候我們并不知道如何篩選重復(fù)值，而是事先觀察比較重復(fù)值的相關(guān)特性，然后做下一步的處理，那么如何選擇輸出重復(fù)值的相關(guān)信息呢？

這里還是利用最初的數(shù)據(jù)進行說明，由于目的不同，這里篩選查找重復(fù)觀測值的方式也不同。問題1中采用的是match files命令來處理重復(fù)值，這里換一種方法，利用aggregate分類匯總命令來計量重復(fù)值，進而作進一步的匯總說明，具體代碼如下：

#1AGGREGATE OUTFILE = * MODE = ADDVARIABLES
#2/BREAK = zkzh itemid
#3/sameCount = N.
#4SORT CASES BY sameCount (D).
#5COMPUTE filtervar=(sameCount > 1).
#6FILTER BY filtervar.
#7SUMMARIZE
#8/TABLES=zkzh itemid samecount
#9/FORMAT=LIST NOCASENUM TOTAL
#10/TITLE='重復(fù)值概述'
#11/CELLS=COUNT.

代碼解析：

第1-3行命令利用aggregate命令在當(dāng)前數(shù)據(jù)集中新增一個變量samecount記錄分組變量zkzh和itemid相同觀測值的數(shù)目，類似于GUI操作中的data--aggregate.

第4行命令對變量samecount進行降序排列.

第5行命令計算新變量filtervar，對其滿足條件samecount>1賦值1，否則賦值0.

第6行命令對數(shù)據(jù)集按變量filtercar進行篩選，filtervar變量中值為0或缺失的都將被過濾.

第7-11行是制表命令，等同于GUI菜單操作中的analyze--reports--case summarises，第8行選擇表中的計量變量，這里選擇了zkzh等3個變量，第9-10行則是對表格的格式及標(biāo)題進行設(shè)置，第11行是相關(guān)統(tǒng)計量的選擇，這里選擇的是count，除此之外還可以選擇max\range\sum等其他統(tǒng)計量。

輸出結(jié)果：

小貼士：

Filter
Filter命令是用來從當(dāng)前數(shù)據(jù)集中排除觀測值而不刪除觀測值的命令。當(dāng)變量的觀測值為0或缺失時這些觀測值將被過濾掉（SPSS中的表現(xiàn)效果為）。Filter相關(guān)命令規(guī)則：
1）只允許指定一個數(shù)值變量（該變量可以是原始變量或數(shù)據(jù)轉(zhuǎn)換變量）
2）使用filter off后，恢復(fù)過濾掉的觀測值
3）當(dāng)filter命令不包含子命令時，將按filter off命令進行等效處理，等SPSS output窗口會提示警告信息
4）Filter可以用在syntax語句的任何位置，和select if命令不同的是，filter命令在input program語句中也有同樣的效果。需要注意的是這里的篩選變量需要時數(shù)據(jù)轉(zhuǎn)換變量。
其他說明：
1）filter命令并沒有改變當(dāng)前數(shù)據(jù)集；
2）filter命令并沒有提供觀測值的選擇過濾標(biāo)準(zhǔn)，系統(tǒng)缺失和用戶自定義缺失值，都將被過濾掉
3）如果filter的變量名改變了，篩選效果仍然有效；但是篩選變量如果轉(zhuǎn)換為字符變量時，filter命令效果將會消失
4）如果當(dāng)前數(shù)據(jù)集被match files，add files或update等命令更改后，過濾變量未發(fā)生變化，filter命令仍然有效
5）如果當(dāng)前數(shù)據(jù)集被一個新的數(shù)據(jù)集代替，filter命令將關(guān)閉

MATCH FILES
Match files命令可合并2個或2個以上含有相同觀測值但不同變量的數(shù)據(jù)文件。例如，合并銷售人員的信息和銷售業(yè)績，有點類似于數(shù)據(jù)庫中的select操作。最多可以合并50個數(shù)據(jù)文件。例如，合并數(shù)據(jù)part1,part2及當(dāng)前數(shù)據(jù)及可以用下面的代碼，如果怕數(shù)據(jù)合并錯誤，可以先對這些數(shù)據(jù)集進行排序，然后利用by子命令根據(jù)排序變量進行合并，還可以利用last或first子命令賦值1說明重復(fù)值位置。
MATCH FILES FILE='/data/part1.sav'
/FILE='/data/part2.sav'
/FILE=*.
SORT Cases
Sort cases基于一個或多個變量進行排序，可以是升序（a）或降序(d),也可以是升序降序的組合。(默認為升序)，Sort cases相關(guān)說明:
1)關(guān)鍵詞by是可選的
2)By排序的變量可以是數(shù)字變量或字符變量，但不能是系統(tǒng)變量或臨時變量（#various）
3)Sort cases是按變量順序進行排序的，優(yōu)先排序第一變量
4)Sort cases指定排序變量不能超過64個
例如：SORT CASES BY var1(A) var2(D).
*首先對變量1進行升序排列，然后再此基礎(chǔ)上按變量2進行降序排列.