5.4 數據的選取

通過調研和實驗得到的數據量一般都很大。在數據處理或統計分析之前，需要對數據進行篩選，剔除有問題或者無關緊要的數據。有時也會根據抽樣方法的需要，選取滿足一定條件的部分數據進行分析，這就需要對數據進行選擇。SPSS允許用戶根據指定的條件對數據的個案進行選取，后續的分析操作只針對選出的數據進行。

5.4.1 數據選取的基本操作

SPSS提供的數據選取方法有5種，下面給出基本方法和操作步驟：

在數據編輯窗口，選擇菜單“Data”→“Select Cases”（個案選取）命令，顯示如圖5.7所示的“Select Cases”（選擇個案）對話框。

圖5.7 “Select Cases”（選擇個案）對話框

“Select Cases”對話框左側為變量列表選擇框，右側“Select”窗口顯示5個單選框，用于確定數據的選擇方式。

（1）全部個案的選取方式

選擇“All cases”選項，表示選擇全部個案，數據編輯窗口個案沒有發生變化。

（2）滿足條件個案的選取方式

選擇“lf condition is satisfied”選項，表示根據邏輯關系表達式選擇數據，即只選取滿足邏輯表達式的個案。若選擇該項，其下側的“lf”按鈕將被激活。單擊該按鈕后，彈出“Select Cases：lf”（選擇個案：如果）子對話框，如圖5.8所示。

圖5.8 “Select Cases：lf”（選擇個案：如果）對話框

“Select Cases：lf”對話框的構成和邏輯表達式的輸入方法與其他過程的“lf”對話框類似（如5.3節變量計算中“Compute Variable：lf Cases”對話框）。在左側的變量列表框中選擇原始變量名，單擊右向箭頭按鈕，使選中的原始變量名出現在表達式框中，再利用計算面板輸入所需操作符和常數。

當需要SPSS函數構成表達式的一部分時，可以在對話框的右側“Function group”函數列表框中選擇相應函數，單擊該函數名，再單擊旁邊的向上箭頭按鈕（或直接雙擊該函數名），則該函數便粘貼在邏輯表達式的輸入窗口，選擇或輸入相應函數的參數。

輸入完畢后，單擊“Continue”按鈕，返回至“Select Cases”主對話框。

例如，在5.3.2節介紹的案例中，如果要選取所有錄取成績不低于400分的少數民族考生資料，可以在邏輯表達式窗口輸入：民族>1&錄取成績>=400。

（3）隨機個案的選取方式

選擇“Random sample of cases”選項，表示隨機選取數據，即按一定比例或數量隨機選取指定范圍的個案。若選擇該項，則其下面的“Sample”（樣本）按鈕將被激活，單擊該按鈕，打開“Select Cases：Random Sample”（選擇個案：隨機抽樣）對話框，如圖5.9所示。

圖5.9 “Select Cases：Random Sample”（選擇個案：隨機抽樣）對話框

該對話框的“Sample Size”（抽樣大小）窗口中顯示的兩個單選框確定了兩種隨機樣本的選取方式，即：

◆ ApproximateIy 近似抽樣。這種選取方式是在數據文件中隨機選取給定比例的個案數，只需在“Approximately”選項后面的窗口輸入選取比例數值即可。

◆ ExactIy 精確抽樣。這種選取方式要求指定選取個案的數量，以及在前多少個個案中選取。在“Exactly”選項后的第一個輸入欄中輸入選取的個案數，第二個輸入欄中輸入選取范圍的最后一個個案序號。例如，需要在數據編輯窗口中前15個個案中隨機選取4個個案，可以分別輸入4和15，系統將自動在前15個個案中隨機抽取4個個案。

輸入完畢后，單擊“Continue”按鈕，返回至“Select Cases”主對話框。

（4）根據時間或范圍的選取方式

選擇“Based on time or case range”選項，表示指定選取個案的時間或范圍區間。若選擇該項，“Range”按鈕將被激活，單擊該按鈕，顯示“Select Cases：Range”（選擇個案：范圍）對話框，如圖5.10所示。

圖5.10 “Select Cases：Range” （選擇個案：范圍）對話框

該對話框中，在“Observation”窗口中的“First Case”欄輸入選取個案的起始個案序號，在“Last Case”欄輸入最后一個個案序號，單擊“Continue”按鈕，返回至“Select Cases”主對話框。

（5）利用過濾變量選取方式

選擇“Use filter variable”選項，即確定過濾變量。如果過濾變量中含有0值或缺失值，則該變量的個案將被排除在選取數據中。如果選擇該項，在其下的變量選擇框將被激活，可以直接在左側的變量列表中選擇過濾變量，單擊右向箭頭按鈕，將該過濾變量移動至“Use filter variable”框內即可。

例如，在5.3.2節介紹的案例中，如果要選取所有滿足基本條件的個案進行進一步的分析，可以選擇“錄取成績”為過濾變量，因為在該變量中，不滿足基本錄取條件的個案為缺失值，將在個案選取操作中被排除在外。

（6）確定選取的數據文件的輸出方式

在“Select Cases”對話框中，選擇除“All cases”以外的其他4種任意一個數據選取方式時，“Output”（結果輸出）窗口都會被激活，并激活其下面的3個單選框：

◆ FiIter out unseIected cases 默認選項。在原數據文件中被排除個案的序號上畫一斜杠，表示這些個案在后續的分析中不被考慮。同時，如果利用邏輯關系式或隨機選取的方法選擇個案，在數據編輯窗口還會新增一變量“filter_$”，該變量只取兩個值：0和1，若個案被選取，變量值為1，反之為0。

◆ Copy seIected cases to a new dataset 將被選取的個案復制到一個新的數據集中。選擇該項后，系統將新創建一個數據集，原數據文件不改變。SPSS系統同時打開原數據文件和新創建的數據集。

◆ DeIete unseIected cases 選擇該項后，沒被選取的個案在原始數據文件中將直接被刪除，只顯示選取后的個案，且無法恢復。所以應慎選該項。

輸入和設置完畢后，單擊“OK”按鈕，執行個案選取操作。

5.4.2 數據選取的應用實例

仍以5.3.2節的提前招生錄取的數據為例，下面簡述操作步驟。（數據文件：compute.sav）

考慮下面兩種數據選取的情況。

（1）選取所有來自于西部，且錄取成績不低于460分的男性考生資料

在數據選取方法中，選擇按邏輯表達式方法。在邏輯表達式窗口中輸入：性別=1&省份=1&錄取成績>=460。輸出方式選擇“Filter out unselected cases”。從圖5.11顯示的數據選取的案例分析結果（1）中可以看出，只有兩個在序號前沒有畫斜線的個案滿足選取條件。

圖5.11 數據選取的案例分析結果（1）

上述操作中，“Paste”得到的Syntax語句程序如下：

      /＊ 數據選取的命令語句.
      USE ALL.
      COMPUTE filter_$=(性別=1&省份=1&錄取成績>=460).
      VARIABLE LABEL filter_$ '性別=1&省份=1&錄取成績>=460 (FILTER)'.
      VALUE LABELS filter_$  0 'Not Selected' 1 'Selected'.
      FORMAT filter_$ (f1.0).
      FILTER BY filter_$.
      EXECUTE .

（2）選取被錄取的考生的資料，并將原始文件轉換成只包含被錄取的考生資料

選擇“Based on time or case range”方法。在“Range”對話框中，“First Case”中輸入1，“Last Case”中輸入7，“Output”窗口中選擇“Copy selected cases to a new dataset”，輸入變量集名：錄取名單。然后，保存該數據文件。圖5.12是數據選取的案例分析結果（2），即新產生的數據集顯示結果。

圖5.12 數據選取的案例分析結果（2）

上述操作中，“Paste”得到的Syntax語句程序如下：

      /＊ 數據選取的命令語句.
      FILTER OFF.
      use  1 thru  7  .
      EXECUTE .