SPSS 變項轉換/資料轉換: Recode 重新編碼
Variables and Data Transformation of SPSS 1
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
|
資料分析的程序應包括：1.對象（樣本代表性）分析。2.測量工具（量表信度/效度）分析。3.理論建構檢定與分析：又包括：(1)整體分析（單變項分析）(2)交叉分析（雙變項分析）(3)進階理論模型建構（多變項分析）。SPSS的檔案、介面、與資料操作。SPSS的副檔名包括：sav:資料檔,sps:程式檔,spo:輸出檔。資料檔的介面有：變項檢視介面,資料檢視介面。下載SPSS範例，進行實作。 |
SPSS Transform 資料轉換與應用時機
SPSS Transform 轉換，包括變項轉換與資料轉換，最常用的有SPSS Recode 重新編碼，與SPSS Compute 建構新變項等，其應用時機與轉換方法介述如下。
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 Recode 資料重新編碼
SPSS Recode 重新編碼，可將原有變項的資料重編；或重編資料後，再建構為新變項。
Recode 重新編碼目的與時機
SPSS Recode 重新編碼，通常為將連續資料重編為類別資料；所建構的新變項，通常為將連續變項重編為類別變項，而可包括Dummy Variable 虛擬變項。
Recode 重新編碼目的與時機包括：
理論建構分類
如將「年齡」畫分為「光復前、光復」後，或「解嚴前、解嚴後」等。
參數分類
譬如將「上網時間」以「平均數 ± 1 標準誤」為「正常使用程度區間」而重分類為：「低使用程度、正常使用程度、高使用程度」等。
陡階分類
其他原始資料，發生陡階現象的情形。
Dummy Variable 虛擬變項
Dummy Variable 虛擬變項，是指將類別變項的「二元變項」、或「人為二元變項」的2個水準，轉化為「0，1」，從而可以虛擬為連續變項，也可以使用適用於連續資料的統計工具。
「二元變項」如「性別」：0 為女，1為男。
「人為二元變項」：在多元類別資料時，如果將各水準設定：沒有﹦0，有﹦1，就是將各水準建構為「人為二元變項」。
如收視率研究中：建構「臺視」變項，0 為不看臺視，1為看臺視。
有或沒有，不一定要設為「0，1」，但通常設為差距為1。
如使用網路：沒有﹦1，有﹦2。
Dummy Value 資料虛擬值
Dummy Value 虛擬值可以指以上Dummy Variable 虛擬變項中，特定的「0，1」值；也可以指任何類別變項中，對各水準設定1個數值。
Continuous Dummy Value 連續型虛擬值‧數線原則
類別資料的各水準如果具備連續性，稱為 Continuous Dummy Value 連續型虛擬值。而設定值時，為了閱讀資料的方便與一致性，建議遵守「數線原則」，亦即：左負、右正；左小、右大。
譬如：
如使用網路：沒有﹦1，有﹦2。
教育程度：小學﹦1，中學﹦2，大學﹦3，研究所﹦4 。
Dummy Value 0 虛擬值的 0 設定
在 SPSS 中，數值或字串的 null, ""，space，0，各有不同的意義。
但當 SPSS 和其他軟體作檔案轉換時，以上有可能發生混淆。
在某些特殊狀況時，如以上各值沒有個別設定，有可能被視為「系統 Missing 值」。
同時，資料庫可能會使用不同的作業系統，或轉檔成不同資料格式，在某些特殊情形，會發生 0 與 "" 不分的情形。如果 0 為有效值，而 "" 卻是預設系統迷失值，會造成資料錯誤。
所以，兩害相權取其輕，當類別資料設定虛擬值時，通常-而不是一定-避免設定0。
SPSS Recode 資料重新編碼範例實作
根據資料收集的策略，某一變項可為連續資料或類別資料時，應以連續資料型態收集，優先於類別資料型態。典型的範例是「年齡」變項，應以「出生年」之連續資料型態收集，如有必要，再作事後歸類。
以下示範將「年齡」變項重編為「年齡層」變項。
〉轉換
〉重新編碼成不同變數
原始「出生年」變項為q42。
〉數值變數 → 輸出變數
「數值變數」的中譯不達意，係指原始變項。
此處為在左欄中，選 q42，即出生年。
〉按 →
q42 會移至「數值變數 → 輸出變數」中。
同時 → 會變成 ←，如果再按，就是把 q42 移除。
〉名稱
新變項名稱，宜用英文。
〉標記
即變項虛擬名、或內容敘述，可用中文。
〉舊值與新值
出現「舊值與新值」對話框。
預訂設3個年齡層。採用層內樣本數平均法。
設定從民國最小年度，到民國53年。
設定這個年齡層為3，亦即高齡層。
〉新增
以上設定出現在「舊值 → 新值」框中。
設定從民國54年，到民國68年。
設定這個年齡層為2，亦即中齡層。
〉新增
設定從民國民國69年，到民國最大年度。
設定這個年齡層為1，亦即低齡層。
3個設定都出現在「舊值 → 新值」框中。
〉系統或使用者遺漏值
選擇複製舊值，以維持 missing value 設定。
完成設定如下。
〉繼續
回到「重新編碼成不同變數」主對話框
〉貼上之後
按貼上之後，會將程式寫到程式檔。
使用 .sps: SPSS 程式檔
左欄是使用命令排列。
中欄是程式列序數。
右欄是詳細程式內容。
〉執行
經常會選定命令後，使用：
〉到結束。
新變項檢查：修訂變項檢視介面
所有新轉換變項，都必須檢查相關設定。
〉類型
選「數字的」，即可作為類別、或連續資料兩用。
〉小數
這是 Dummy Value ，所以不用小數。
〉標記
避免誤漏，以利報表閱讀。
〉值
設定年齡層1，為低齡層…等。
〉遺漏：missing value 迷失值/遺漏值設定
設定 missing values。
注意：本變項的 missing value 採用負值，避免和真實值混淆。
-1：拒答
-2：沒意見（都可以）
-3：不知道（不瞭解問題）
〉測量
選「尺度」，即可作為類別、或連續資料兩用。
SPSS 的線上說明
樣本代表性檢定
數理意義的樣本代表性檢定，與資料分析中的顯著性檢定，為一體兩面。
量表信度檢定
如果是採用量表測量變項，則在理論檢定與變項分析之前，必須先作量表的信度檢定。
信度檢定是相關分析的發展與應用，所以在本系列安排在相關分析之後，和論文寫作的結構順序並不相同。
單變項分析/描述-估計
單變項分析又名獨變項分析：是論文中「研究發現（或資料分析）」章、「整體分析」節報告的方法，若是僅報告樣本統計值，便採用「描述」方法；若要推論母群，則應用「估計」的方法，又因資料型態為「類別型」或「連續型」而不同。
交叉分析/雙變項分析
分析兩個變項間的關係，常為各一應變項、自變項，與兩者關係。雙變項可能只具備關聯關係，而不具備因果關係，亦即無法辨別何者為自變項、何者為應變項。常用、也最實用的統計工具包括：卡方分析、變異數分析、與相關分析。
統雄數學樂學/統計神掌易經筋-問卷
連結不到網頁