4.3 重復個案的識別

在數據輸入和數據處理工作中，經常會發生個案重復的情況。個案重復的情況有很多，例如，數據輸入時可能會對同一個案輸入兩次以上；在同一個單位中會有兩個同名職工，等等。

在SPSS 14.0 for Windows以后的版本中，新增了ldentify Duplicate Cases模塊。該模塊允許以任何方式定義、識別和剔除重復個案。

基本操作步驟為：

step 1 打開主對話框。

在數據編輯窗口，選擇菜單“Data”→“ldentify Duplicate Cases”命令，打開“ldentify Duplicate Cases”（識別重復個案）對話框，如圖4.7所示。

圖4.7 “ldentify Duplicate Cases”（識別重復個案）對話框

step 2 定義重復個案。

在“ldentify Duplicate Cases”對話框中，左邊列表框中顯示的是數據文件的變量列表。在變量列表框中選擇變量名，單擊右向箭頭按鈕，將其移至“Define matching cases by”（定義匹配個案）窗口。

如果幾個個案的變量值和“Define matching cases by”窗口中選擇的變量相同，則這些個案視為重復個案。例如，在圖4.7中，“Define matching cases by”窗口中選擇的變量為“姓名”，即數據文件中只要姓名相同的個案均視為重復個案。若要搜尋100%匹配的個案，只需將所有變量都移動到“Define matching cases by”窗口即可。

step 3 Sort within matching groups by（匹配個案的排序）。

在“Sort within matching groups by”（匹配個案排序）窗口中，要求從變量列表框中選擇變量移到該窗口。用戶可以通過指定變量作為匹配個案的排列順序的依據。在該窗口選擇個案時，“Sort”窗口被激活，要求在該窗口選擇排序方式：

◆ Ascending升序排列。

◆ Descending降序排列。

step 4 “Variables to Create”（創建新變量）窗口及選擇項。

在“Variables to Create”窗口中設置首選個案的選項，“lndicator of primary cases”（指定首選個案）選擇框中要求指定首選個案，選擇該項后，下列選項將被激活：

◆ Last case in each group is primary每組中最后的個案為首選個案。單選框，選擇該項，表示每組中的最后一個個案為首選個案。

◆ First case in each group is primary每組中第一個個案為首選個案。單選框，選擇該項，表示每組中的第一個個案為首選個案。

◆ FiIter by indicator vaIues標記和過濾重復個案。此為多選項，選擇該項，表示在數據編輯窗口中，會對所有的重復數據在個案的序號處作出標記。

“Variables to Create”窗口中另一選項為“Sequential count of matching case in each group”（各組匹配個案連續計數）。選擇該項，表示對每一組的匹配個案進行連續計數。

step 5 執行識別操作。

單擊對話框中“OK”按鈕，執行個案重復識別過程。

在搜索重復個案后，原數據文件個案順序會重新排列，重復個案排在最前面，并增加一默認變量名為PrimaryLast（PrimaryFirst）的數值型變量，變量值只取1（表示首選個案或者重復個案，其變量值標簽為Primary Case）和0（表示匹配個案，其變量值標簽為Duplicate Case）。

圖4.8是重復個案識別后的數據編輯窗口，給出了前3個個案的顯示結果。從圖中可以看出，姓名為“周菲”的個案出現3次，前兩個個案完全相同，疑是重復輸入，第三個個案除姓名外，其他變量取值皆不相同，疑是錯誤輸入。

圖4.8 重復個案識別后的數據編輯窗口

表4.2為匹配個案的頻數分析表。

表4.2 匹配個案的頻數分析表

step 6 “Paste”得到的Syntax語句程序如下：

          /＊ 識別重復個案.
          SORT CASES BY 姓名(A) .
          MATCH FILES /FILE = ＊ /BY 姓名
           /FIRST = PrimaryFirst /LAST = PrimaryLast.
          DO IF (PrimaryFirst).
          COMPUTE MatchSequence = 1 - PrimaryLast.
          ELSE.
          COMPUTE MatchSequence = MatchSequence + 1.
          END IF.
          LEAVE MatchSequence.
          FORMAT MatchSequence (f7).
          COMPUTE InDupGrp = MatchSequence > 0.
          SORT CASES InDupGrp(D).
          MATCH FILES /FILE = ＊ /DROP = PrimaryFirst InDupGrp MatchSequence.
          VARIABLE LABELS PrimaryLast 'Indicator of each last matching case as
          Primary' .
          VALUE LABELS PrimaryLast 0 'Duplicate Case' 1 'Primary Case'.
          VARIABLE LEVEL PrimaryLast (ORDINAL).
          FREQUENCIES VARIABLES = PrimaryLast .
          EXECUTE.