SPSS 資料清理

神掌打通任督二脈‧易筋經以簡馭繁

符號意義:統雄快訣 延伸閱讀 進階議題 警示訊息

資料分析的程序

SPSS 簡介

sav:資料檔

變項檢視介面

資料檢視介面

sps:程式檔

spv/spo:輸出檔

樣本代表性檢定

量表信度檢定

單變項分析

雙變項分析

多變項分析

統計研討篇

SPSS 範例檔案下載

以下介紹使用SPSS達成所有分析步驟的過程。

下載SPSS高等統計範例資料（右鍵下載）Analy-SPSS-Teaching.exe

下載SPSS多變項分析範例資料（右鍵下載）Analy-SPSS-Teaching-Multi.rar

下載SPSS統計與多變項習題資料（右鍵下載）Analy-SPSS-Multi_Ex.7z

下載SPSS範例資料（教材專區）Analy-SPSS-Teaching.exe

下載範例資料（教材專區）：Analy-SPSS-Teaching-Multi.exe

SPSS 資料清理包括2部分：〈變項檢視〉與 〈資料檢視〉。

〈變項檢視〉清理

〈變項檢視〉所有欄位，都必須檢查相關設定。尤其以下欄位，特別容易出現錯誤。

〉類型

影響類別資料、或連續資料；若選「數字的」，可兩用。

〉小數

如果使用 Dummy Value ，不用小數。

〉標記

避免誤漏，以利報表閱讀。

〉值

避免誤漏，以利分析。

〉遺漏

設定自訂值，否則只有系統預設 Missing。

〉測量

影響類別資料、或連續資料；若選「尺度」，可兩用。

〈資料檢視〉清理

〈資料檢視〉之清理，如統雄老師以下之專文。

資料分析的基礎是研究方法的資料收集

本系列所附之SPSS統計與多變項習題資料（Analy-SPSS-Multi_Ex.7z）與  SPSS統計與多變項習題資料Analy-SPSS-Multi_Ex.7z）學習實作教材，也作為「資料分析的基礎是研究方法的資料收集」的印證。

教材的來源，是教育部遴選4校的合作研究，包括3所國立大學：臺×、交×、雲×，與世新大學。3所國立大學皆由特聘教授領軍，而世新由統雄老師擔任主持人。

在研究方法規畫過程中，3校習於長期習慣，與統雄老師的諸多改革建議並不相同。這是合作研究，故統雄老師都尊重國立3校的選擇。

在使用國立3校主導研究方法的資料集，有深度能力的分析者，應可發現以下的問題：

●可收集連續資料的變項，卻收集為類別資料，降低可分析深度，且不可逆。

●連續資料轉為類別資料，應以「陡階檢驗」為之，主觀分類易造成未來列聯表出現細格為0狀況。

●同一變項，所收集資料類型卻同時包括連續資料的變項、與類別資料。

●變項的Dummy Value 虛擬值，未具數線觀念。

●missing value 迷失值/遺漏值設定不周全、不完整。

●對「行為測量」有誤解，以為使用「態度量表」問受訪者，就是行為測量。其實還是態度測量，而非可物理化測量的真正行為測量。

這些都限制資料分析的深度，資料也不易持續可作長期比較分析之用。

另外，如將自變項放在前面，也是相對較不理想的設計。

故研究資料如係外來資料，必須先經過「資料清理」程序。

資料清理實作

資料清理實作教材，來源為2所頂尖大學、多位講座教授主導之研究，唯當前研究生態，光環組織之研究，在實質上、研究方法的程度上，相當比例均未達應有標準，資料集內的問題甚多，舉例如下。

類別資料與連續資料混淆

習題資料的 gb4_n 項：平日網路使用時間(分組)

其「值」的選項設定為：

前1~6，為1~6小時，是為連續資料。

而接續的選項為；

7：7-8小時

8：9-10小時

9：11-15小時

10：超過15小時

亦即 7~10 變成具備「等序」性質的類別資料。

固然 1~10 的資料，還是可「視為」「準」連續資料，以連續資料統計工具分析，但失去了資料的精致深度，與可能可觀察的廣度。 

主觀/不當分組

以上的例子，也存在因主觀、或不當分組的因素。

為何7、8 選項的級距是2小時？第9項又變成5小時？均是主觀認定的結果。

在實務上，如果有特殊原因，一定要分組，也應該使用「陡階檢定」等方法分組。 

未設定迷失（遺漏）值/區間設定法

以上的例子，還有一個選項：

99：未答

卻未在「變數檢視」「遺漏」欄中，設定99為迷失（遺漏）值，由於99遠大於「最大真實值」的10，故會造成分析嚴重的錯誤。

最佳的設定法，是將迷失（遺漏）值設為區間：

11 - 99

同時可以避免發生人為輸入不存在選項的錯誤。

故在統計分析前，均應先作資料清理。也建議學習者，在資料集內，再找出問題。

研究生態：社會相信？還是理性抉擇？

研究是一種有門檻的行為。

當我們懂一件事情的時候，我們會有理性抉擇、會依據證據判斷好壞。

我們不懂一件事情的時候，我們經常以社會相信、也就是形象光環決定。

研究方法與資料分析的品質差異，希望習作者也能在實作中深深體會。