SPSS数据库变量的分类
数据
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
通常会涉及到定量(quantitative)数据和定性(qualititative)数据，其在分析过程中的作用及相应的分析方法不尽相同。因此在定义数据库结构时，必须明确数据库中使用的各种变量的类型(type)。
一、根据数据的运算类型不同划分
1、数值型变量(numeric)
在spss分析软件中，数值型是变量定义的缺省类型，可以进行所有的数值运算与统计分析。为了更清楚地表达长数据，数值型变量可进一步划分为以下几类:
1)逗号变量(comma)，以逗号为三位分割符号，将数据分割开来，如123，123。
2)句点变量(dot)，以逗号为小数点，以圆点为三位分割符号，如123.123,26。
3)科学计数变量(scientific notal)，以10的指数形式表示，分两个部分，第一个部分为有效数字，第二个部分为10的指数值，用e表示，正指数用+号，负指数用-号，如1.23e+02代表的数值为123。科学计数主要用于一些整数位较长的数据。
数值型变量在数据库中是最常用的，大多数的数据在没有特别要求的情况下，通常采用数值型变量定义，当数值过大，超过了定义的宽度，就会自动转变为科学计数。
2、日期型变量(date)
根据年月日时分秒的组合方式不同，日期型变量有多种不同格式，在spss中，当日期型变量定义之后，只有输入相应格式的日期数据才能被接受。如dd.mm.yy分别代表日月年，hh:mm:ss分别代表时、分、秒。
日期型变量通常用来反映对应数据产生的日期或时间，当需要了解数据产生的日期或时间特点时，通常会定义这一数据，数据的录入可以自动产生，也可以手工录入。
3、自定义货币变量(custom currency)
可以根据使用的货币单位定义货币变量的前缀(prefix)与后缀(suffix)，显示方式为有效数字带定义货币变量的前缀或后缀，如0。此变量为数值型变量，在使用多种货币销售或采购货物时，可使用此类变量。
4、字符型变量(string)
字符型变量是指用字母或汉字记录数据的变量，如姓名变量，其对应的数据均是用字母或汉字表示的。对于字符型变量，只能进行字符串运算，不能进行数字计算，通常用来表示相应数据的属性特征。在spss中由于数值型变量为缺省值，因此在通过字符串运算生成新的字符型变量时，要先对生成的新变量进行字符类型的定义，否则就会出现错误。
二、根据数据的测量尺度不同划分
数据是用来测量目标与事件的，测量过程实际上是将给定的数值分配给被测量的目标或事件，通过这些数值来反映被测量目标或事件的水平或实际情况。由于数值分配规则不同，测量尺度也不相同，对应变量的特征也不相同。在spss中，有三种测量尺度的变量(measurement variable)。
1、等距或比例变量(scale)
属于最高级别的测量尺度，数值可以进行等距离划分或进行比率计算，它可以是数值型变量、货币型变量，但不能是字符型变量。这类变量往往是连续的或是等距离的，数值的范围无限。在数据分析中，这类数据有两种表现形式:一是连续的数据，如销售数据。二是分组数据，如将个人收入水平分成若干组，而不用连续数据表达。
2、顺序变量(ordinal)
该变量取值有明显的顺序或等级，可以是字符型变量，也可是数值型变量。这类变量的取值范围通常是有限的，而且每个数值都有特定的含义。如给某一品牌满意度进行平价，用1、2、3、4、5分别表示非常满意、满意、一般、不满意、非常不满意。在数据分析中，一些主观的测量，如态度测量、评分中使用最多，有些时候，这类变量也可作为分组或分类变量，进行数据分析，如收入类别。等距或比例变量也可转换为顺序变量，如对销售额排名，形成名次变量。
3、类别变量或名义变量(nominal/categorical)
该变量取值有明显的类别，但无顺序或等级，可以是字符型变量，也可是数值型变量。这类变量的取值范围通常是有限的，而且每个数值都代表特定的类别。如在进行销售数据分析时，将服装产品分为男装和女装两大类。在实际分析中，类别变量的主要用途是进行数据分组(group)或分类。
以上这些变量类型的划分，通常在交互作图时需要特别指明，在没有特别要求时，定义变量类型使用系统默认的等距或比例变量(scale)。这是因为等距或比例变量型变量在分析过程中不会受到限制，其他类型的变量，在很多统计分析中会受到限制而不能使用。
三、根据对变量特征描述的方法不同划分
1、频数变量
该类变量通常使用频数来描述其特征。名义变量是最典型的频数变量，顺序变量也可进行频数描述。
2、综述变量
该类变量通常使用汇总值、平均值、方差等来描述其特征。等距等比变量是最典型的综述变量，顺序变量有时也可进行综述性的描述，如被试对产品的评价打分。当然，对于综述变量，如果将其数据按值的大小，转化成若干类，也可作为频数变量进行频数分析，了解数据值的分布特征。
以上两种划分的目的是，在进行数据分析时，要能分清楚不同变量，其特征的描述方法是不一样的，如果方法选择错误，统计分析结果就会失去意义。
四、根据变量之间的关系划分
1、因变量(dependent)
在进行市场分析时，通常要确定一个分析目标，并对这一目标进行预测，被预测的变量称为因变量，在一个分析模型中，因变量一般只有一个。但在多元分析中，因变量可有多个。
2、自变量(independent)
通常对预测变量产生影响的因素很多，在进行市场分析时，往往会根据实际情况，确定若干影响因素，这些影响因素称为自变量，在一个分析模型中，自变量可有多个。
为了做好数据分析工作，首先要分析市场现象，确定市场之间的相互关系，根据分析目的，在一系列市场现象中界定因变量和自变量。
浙公网安备 33021202002483