SPSS數(shù)據(jù)分析心得小結_數(shù)據(jù)分析心得分享

霸王龍勇士 2016-07-27

展開全文

論壇君：

作者：徐定德（經(jīng)管之家ID：xddlovejiao1314）

來源：經(jīng)管之家論壇

心得1：

拿到一份數(shù)據(jù)，或者在看到國內外某個學者的文章有想法而自己手里的數(shù)據(jù)剛好符合這個想法可以做時，在整理好數(shù)據(jù)后不要急于建模。一定要對數(shù)據(jù)做缺失值處理、異常值處理。在數(shù)據(jù)預處理的基礎上再進一步建模，否則可能得到錯誤的結果。

心得2：

承接心得1，數(shù)據(jù)預處理怎么做。一是缺失值的處理。我個人有幾個看法：一是數(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，可從以下兩點考慮：1是采用缺失值替換，SPSS中具體操作為“轉換”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，同質性比較強，可考慮總體均值替換方法，如數(shù)據(jù)來自不同的總體（如我做農戶調研不同村的數(shù)據(jù)），可考慮以一個小總體的均值作為替換（如我以一個村的均值替換缺失值）。2是根據(jù)原始問卷結合客觀實際自行推斷估計一個缺失值的樣本值，或者以一個類似家庭的值補充缺失值。

心得3：

承接心得1，數(shù)據(jù)預處理第二點異常值的處理。我大概學了兩門統(tǒng)計軟件SPSS和Stata，SPSS用的時間久些，熟悉一下，Stata最近才學，不是太熟。關于這點我結合著來說。關于異常值的處理可分為兩點，一是怎么判定一個值是異常值，二是怎么去處理。判定異常值的方法我個人認為常用的有兩點：1是描述性統(tǒng)計分析，看均值、標準差和最大最小值。一般情況下，若標準差遠遠大于均值，可粗略判定數(shù)據(jù)存在異常值。2是通過做指標的箱圖判定，箱圖上加“*”的個案即為異常個案。發(fā)現(xiàn)了異常值，接下來說怎么處理的問題。大概有三種方法：一是正偏態(tài)分布數(shù)據(jù)取對數(shù)處理。我做農戶微觀實證研究，很多時候得到的數(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，這種我一般是取對數(shù)處理數(shù)據(jù)。若原始數(shù)據(jù)中還有0，取對數(shù)ln(0)沒意義，我就取ln(x+1)處理；二是樣本量足夠大刪除異常值樣本；三是從stata里學到的，對數(shù)據(jù)做結尾或者縮尾處理。這里的結尾處理其實就是同第二個方法，在樣本量足夠大的情況下刪除首尾1%-5%的樣本。縮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，存在幾個異常值，都是500多（我這么說有點夸張，大概是這個意思），縮尾處理就是將這幾個500多的數(shù)據(jù)人為改為均值+3標準差左右數(shù)據(jù)大小，如改為100。總結而言，我個人認為做數(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)計看數(shù)據(jù)分布情況，再剔除個別極端異常值。

心得4：

如何做好回歸分析。經(jīng)過多次實戰(zhàn)，以及看了N多視頻，上了N多課，看了N多專業(yè)的書。我個人總結做回歸的步奏如下：1是承接心得1-3，對數(shù)據(jù)進行預處理，替換缺失值和處理異常值；2是將單個自變量分別與因變量做散點圖和做回歸，判定其趨勢，并做好記錄（尤其是系數(shù)正負號，要特別記錄）；3是自變量和因變量一起做相關系數(shù)，看各個變量相關關系強弱，為下一步檢驗多重共線性做準備；4是自變量多重共線性診斷。若變量存在多重共線性，可采用主成分回歸，即先將存在多重共線性的變量做主成分分析合并為1個變量，然后再將合并成的新變量和其余自變量一起納入模型做回歸；5是做殘差圖，看殘差圖分布是否均勻（一般在+-3個單位之間均勻分布就比較好）；6是報告相應結果。

心得5：

看到論壇上有網(wǎng)友問為什么他（她）老師不建議采用后向步進法處理變量多重共線性。記得張文彤老師說過他有個同學做過一個研究，即采用后向步進法剔除變量的方式去做回歸，得到的結果犯錯的幾率比較大。張老師也不建議用這個方法處理多重共線性。處理多重共線性比較好的方法是做主成分回歸。

心得6：

有個朋友問我在報到回歸結果時用未標準化的回歸系數(shù)好，還是用標準化后的回歸系數(shù)好。我個人覺得這個問題仁者見仁智者見智，要看想表達什么。具體而言，如果想表達在其它條件不變的情況下，自變量X每變化1個單位，因變量變化多少個單位，這種情況用未標準化回歸系數(shù)就好；如果想比較各個自變量對因變量影響的相對大小，即判斷相對而言，哪個變量對因變量影響更大。這時需要消除量綱的影響，看標準化后的回歸系數(shù)。

心得7：

這是投稿一篇SSCI外審專家提出的意見。我做的是無序多分類logistic回歸模型。因變量分了5類，有一類個數(shù)比較多，達到300多，有1-2類個案比較少，只有30左右。專家提到了要做穩(wěn)健性檢驗。這個用stata軟件編程加一個robust即可解決問題。不知道在SPSS里面怎么做。歡迎知道的朋友一起討論下。我個人認為這是一個好問題的。不做穩(wěn)健性檢驗模型可能受一些極端值的影響，結果不穩(wěn)定?？赡鼙緛盹@著的變量剔除1-2個樣本后就變得不顯著了。所以做回歸分析穩(wěn)健性檢驗也比較重要。

PS：

如果有可能，我希望在后面的心得中附上實際操作的步奏圖和解釋的。看看有沒有人需要這個。不然可能說的一些東西需要的人能看明白，但還是不清楚怎么做。希望和大家一起交流學習。