|
正確的數(shù)據(jù)格式是進行數(shù)據(jù)分析的基礎，最近SPSSAU后臺收到了很多小伙伴有關上傳數(shù)據(jù)格式的提問—— 正確的數(shù)據(jù)格式是怎樣的？ 特定方法所需的數(shù)據(jù)格式是怎樣的？ 如何上傳帶數(shù)據(jù)標簽的數(shù)據(jù)？ 為什么數(shù)據(jù)上傳后與預期不一致無法正常顯示？——多數(shù)由于存在合并單元格 為什么上傳提示“無有效數(shù)據(jù)”？——多數(shù)由于數(shù)據(jù)未放在sheet1中 為解答這些普遍存在的困惑，本文將對數(shù)據(jù)分析常用方法中具有代表性的分析方法所需的數(shù)據(jù)格式進行系統(tǒng)梳理和詳細說明，幫助研究者更有效地開展數(shù)據(jù)分析工作。 下面本文將分模塊介紹以下30+常用方法數(shù)據(jù)格式，大家可以先收藏，等后續(xù)分析要用到哪種方法再來對照查看該方法的數(shù)據(jù)格式即可。
一、規(guī)范格式說明 ?1、原始數(shù)據(jù)格式 我們在進行數(shù)據(jù)分析時，最常見的數(shù)據(jù)格式是原始數(shù)據(jù)格式。 下圖是一份常見的原始數(shù)據(jù)，它的特點是：一行代表一個樣本，一列代表一個變量。調(diào)查有多少樣本，就需要錄入多少行數(shù)據(jù)；如果調(diào)查了500個樣本，那么就需要錄入500行數(shù)據(jù)。每一行代表每個樣本收集的所有數(shù)據(jù)，每一列代表每個變量的所有數(shù)據(jù)。
絕大多數(shù)分析方法都是使用原始數(shù)據(jù)格式上傳分析的，例如SPSSAU中計量經(jīng)濟研究模塊、機器學習模塊、空間計量模塊中的絕大多數(shù)方法都是上傳原始數(shù)據(jù)格式即可。 ?2、加權(quán)數(shù)據(jù)格式
3、帶數(shù)據(jù)標簽的數(shù)據(jù)格式
進行數(shù)據(jù)分析時，單單掌握原始數(shù)據(jù)格式和加權(quán)數(shù)據(jù)格式還是不夠的，接下來從數(shù)據(jù)分析幾大模塊分別介紹一些典型的分析方法的數(shù)據(jù)格式。 二、差異性分析方法 數(shù)據(jù)分析常用的差異性分析方法有方差分析、t檢驗、卡方檢驗，數(shù)據(jù)格式如下說明。 ?1、方差分析、t檢驗 方差分析和t檢驗都是常見研究不同組別之間差異性的方法，比如不同學歷時收入的差異。那么數(shù)據(jù)中就一定要包括不同組別X（如學歷）和分析項Y（如收入）。
提示：方差分析（單因素方差）與t檢驗的區(qū)別在于t檢驗只能對比兩類數(shù)據(jù)之間的差異，而方差分析可對比多組數(shù)據(jù)之間的差異，但二者數(shù)據(jù)格式類似。 2、卡方檢驗 卡方檢驗用于研究X與Y之間的差異性，并且X與Y均為定類數(shù)據(jù)。使用SPSSAU中的卡方檢驗進行研究時，支持常規(guī)數(shù)據(jù)格式和加權(quán)數(shù)據(jù)格式兩種形式。常規(guī)數(shù)據(jù)格式適用于原始數(shù)據(jù)，加權(quán)數(shù)據(jù)格式適用于只有匯總數(shù)據(jù)的情況。 加權(quán)數(shù)據(jù)格式說明如下：比如下圖中X有2種情況，Y有3個情況，一種有2*3=6種組合，數(shù)據(jù)信息只有6種組別的匯總項（即加權(quán)項），分別是40，10，20，30，20，50；相當于總共有170個樣本。整理為加權(quán)格式即只需要錄入6行即可。
除了卡方檢驗外，還有一些方法支持加權(quán)數(shù)據(jù)格式，如下：
3、配對t檢驗 配對數(shù)據(jù)的格式比較特殊，例如研究實驗組與對照組之間的差異，常見的配對數(shù)據(jù)研究方法比如配對樣本t檢驗、配對卡方、配對樣本W(wǎng)ilcoxon檢驗等。數(shù)據(jù)格式如下圖：
配對數(shù)據(jù)一般是在實驗時使用，而且配對數(shù)據(jù)的特點為：行數(shù)一定完全相等并且只有兩列。 如果研究數(shù)據(jù)的行數(shù)不相等，那可能不是配對數(shù)據(jù)，如果還想對比差異，可能需要使用獨立t 檢驗。 4、重復測量方差 重復測量數(shù)據(jù)是指同一批樣本（病例）在不同的時間點測量了多次數(shù)據(jù)，因此重復測量數(shù)據(jù)的特殊之處在于一定會有ID號（即樣本或者病例號），以及時間點數(shù)據(jù)。 如下圖：同一個ID會有多個時間點的數(shù)據(jù)，比如下面有12個樣本（12個ID號），并且測量5個時間點。那么就一定會有12*5=60行數(shù)據(jù)。同一個ID號會重復5次，同一個時間點會重復12次。
三、影響關系分析方法 影響關系研究時，最常用的方法就是各類回歸分析。絕大多數(shù)回歸分析的數(shù)據(jù)格式都是原始數(shù)據(jù)格式（即一列代表一個指標，一行代表一個樣本），但也有些比較特殊的。 1、多元線性回歸 多元線性回歸分析用于研究自變量X對因變量Y的影響關系情況，通常自變量個數(shù)不止一個，數(shù)據(jù)格式如下：
2、條件logit回歸 條件logit回歸時，配對編號ID用于標識ID，而且是配對，因此一個ID會出現(xiàn)多次，比如1:1配對，那么1個ID就會出現(xiàn)2次（1:2配對時，1個ID就會出現(xiàn)3次）；因變量Y一定只能包括數(shù)字0和1，類似數(shù)據(jù)格式如下圖：
3、面板模型
4、Cox回歸
四、問卷題數(shù)據(jù)格式 問卷的數(shù)據(jù)格式比較特殊，如果是通過問卷星/問卷網(wǎng)/騰訊問卷在網(wǎng)上收集的問卷，可以直接下載CSV格式或者SPSS格式，下載后直接上傳到SPSSAU系統(tǒng)進行分析。具體網(wǎng)上問卷下載以及上傳方法可以參考幫助手冊說明：SPSSAU上傳數(shù)據(jù) 下面對線下收集的紙質(zhì)問卷需要整理的數(shù)據(jù)格式進行說明，包括常見的單選、多選、量表題的數(shù)據(jù)格式。 1、單選題 單選題一列代表一個指標，一行代表一個樣本，數(shù)字代表被選項。例如下圖樣本1代表性別為選項2（女士），年齡為選項4（41-50歲）。
2、多選題 在問卷研究時會使用到多選題，多選題的數(shù)據(jù)格式比較特殊，一列代表一個多選題的選項。比如一個多選題有4個選項，那么其數(shù)據(jù)中就會有4列，分別代表4個選項。而且使用數(shù)字1表示選中，數(shù)字0表示沒有選中。如下圖：
3、量表題 量表題與單選題類似，如下圖：
五、綜合評價方法 綜合評價時通常包括兩大方面：權(quán)重計算和綜合評價。權(quán)重計算最常用方法有AHP層次分析法、熵值法；綜合評價常用方法有模糊綜合評價、灰色關聯(lián)法、TOPSIS法和熵權(quán)TOPSIS法。分別進行說明。 1、AHP層次分析法 AHP層次分析法的數(shù)據(jù)格式（即判斷矩陣）最為特殊，如下圖，研究人員可修改指標項名稱，以及白色單元格內(nèi)的數(shù)字即可。判斷矩陣是 ' 下三角 ’ 完全對稱矩陣，因此 ' 白色 ’ 底紋處的信息變化時， ' 藍色 ’ 背景的信息會自動變化。
2、熵值法 熵值法用于指標的權(quán)重情況。1個指標占用1列數(shù)據(jù)。下圖中樣本編號只是個編號無實際意義，用于標識下樣本的ID號，一般是比如年份一類的數(shù)據(jù)信息，分析時并不需要使用。
如果是面板數(shù)據(jù)希望進行熵值法，其數(shù)據(jù)格式如下圖所示，比如有100家公司分別5年的指標數(shù)據(jù)，那么一共就有100*5=500行數(shù)據(jù)。數(shù)據(jù)格式上需要如此，但在分析時只需要放入'指標列’數(shù)據(jù)即可。
3、模糊綜合評價
4、灰色關聯(lián)法 灰色關聯(lián)法研究數(shù)據(jù)之間的關聯(lián)程度，即特征序列與母序列的關聯(lián)性情況。母序列單獨使用一列標識，每個特征序列都使用1列標識。下圖中樣本編號只是個編號無實際意義，用于標識下樣本的ID號，一般是比如年份一類的數(shù)據(jù)信息，分析時并不需要使用。
5、TOPSIS法&熵權(quán)TOPSIS法 TOPSIS法和熵權(quán)TOPSIS法用于研究指標與理想解的接近度情況。1個指標占用1列數(shù)據(jù)，1個研究對象為1行，但研究對象在分析時并不需要使用，SPSSAU默認會從上到下依次編號。
六、一致性檢驗方法 一致性檢驗用于判斷不同的模型或者分析方法在產(chǎn)出結(jié)果上是否具有一致性、模型的結(jié)果與實際結(jié)果是否具有一致性等。常用方法有Kappa一致性檢驗、ICC組內(nèi)相關系數(shù)、Bland-Altman圖等。 1、Kappa一致性檢驗
2、ICC組內(nèi)相關系數(shù) ICC組內(nèi)相關系數(shù)通?？捎糜谥販y信度分析等，比如有3個醫(yī)生對于5個病人的智商打分一致性。那么需要有3個醫(yī)生的數(shù)據(jù)，1個醫(yī)生為1列即可，其格式類似于配對數(shù)據(jù)，如下圖所示：
3、Bland-Altman圖 例如當前有醫(yī)生使用兩種方法分別做一項實驗，現(xiàn)需要對第1種和第2種方法共兩種方法的測量數(shù)據(jù)進行一致性檢驗；如果有分組數(shù)據(jù)，例如研究不同性別，此時只需要把性別group放入對應框中即可，數(shù)據(jù)格式如下：
七、現(xiàn)狀政策類方法 現(xiàn)狀政策類分析主要用于分析政策實施的效果和影響，旨在評估特定政策或干預措施對目標群體或現(xiàn)象的實際作用，常用方法如DID雙重差分法、傾向得分匹配法等。 1、DID雙重差分法 如果是進行雙重差分DID分析，那么Treated地區(qū)（0代表A類地區(qū)即控制組，1代表B類地區(qū)即實驗組）和time政策實施前后（0代表實施前, 1代表實施后））數(shù)據(jù)只能包括數(shù)字0或者1，并且有對應的被解釋變量Y，至于控制變量可有可無，由實際研究情況而定。
如果是多期DID數(shù)據(jù)，treated只能為數(shù)字0或1，數(shù)字0標識'控制組’，數(shù)字1標識'實驗組’；time只能為數(shù)字0或1，數(shù)字0標識'before’（實驗前），數(shù)字1標識'after(實驗后)。Treate*time即為交互項，可使用SPSSAU數(shù)據(jù)處理->生成變量->乘積得到，格式類似如下圖：
2、傾向得分匹配
3、Dagum基尼系數(shù)
4、泰爾指數(shù)
八、文本分析 文本分析是針對文本數(shù)據(jù)進行研究和分析使用，SPSSAU文本分析包括詞云分析、文本情感分析、文本聚類分析、社會網(wǎng)絡關系分析、LDA主題分析等。 如果是通過excel格式（包括csv/xls/xlsx格式）時，只需要1列數(shù)據(jù)，將文本全部放置于A列中，A列不需要有標題信息。每行（即每個單元格）存在1個分析文本。類似如下圖所示：
如果是txt文檔或者粘貼文本進行上傳，那么系統(tǒng)會自動過濾掉空行數(shù)據(jù)，并且以回車鍵作為每行（即每個分析文本）標志。 以上即為今天常用方法數(shù)據(jù)格式的全部內(nèi)容，更多特殊分析方法的數(shù)據(jù)格式，可以在SPSSAU常見研究方法數(shù)據(jù)格式說明的幫助手冊進行查詢（幫助手冊頁面按 Ctrl+F 查詢）：https:///helps/otherdocuments/methodsdataformat.html 更多畢業(yè)論文相關資料直通車： 畢業(yè)論文能不能引用SPSSAU？如何正確引用？分析結(jié)果是否可靠？ 本科生畢業(yè)論文答辯 | 如何應對導師有關數(shù)據(jù)研究方面的提問？ 回歸分析有多少種？畢業(yè)論文回歸模型該怎么選？如何操作和分析？ 畢業(yè)論文 | 那些你找不到的常見標準的參考文獻，SPSSAU幫你整理好了，速取 畢業(yè)論文 | 13種權(quán)重計算相關方法匯總 畢業(yè)論文 | 數(shù)據(jù)分析方法分類匯總 畢業(yè)論文 | 問卷調(diào)查數(shù)據(jù)常見分析方法 畢業(yè)論文 | 三線表規(guī)范格式調(diào)整 |
|
|
