用spss进行数据的标准化处理_用Stata实现数据标准化

本文作者：杨慧琳

文字编辑：李钊颖

技术总编：高金凤

重磅！！！爬虫俱乐部将于 2019年10月2日至10月5日在湖北武汉举行 Python编程技术培训，本次培训采用理论与案例相结合的方式，旨在帮助零基础学员轻松入门Python，由浅入深学习和掌握Python编程技术，尤其是爬虫技 术和文本分析技术。 该培训目前在火热招生中，点击《爬虫俱乐部2019十一Python编程技术培训报名啦！》或点击文末阅读原文，了解培训详细信息，抓紧时间报名吧！ 在进行数据分析或模型估计时，经常需要对数据进行标准化处理(normalization)。 例如，在一个数据集中变量A的取值区间为[0,10]，变量B的取值区间为[100,1000]。若直接采用原始数据进行分析，由于变量B量纲更大，这样可能造成模型估计偏误。   借助数据标准化处理，可以将原始数据转换为无量纲、无数量级差异的标准化数值。通过将数据按照一定比例缩放，使变量取值落于一个特定区间或服从特定分布，消除了量纲、变量自身变异和数值大小的影响，从而便于对不同变量和数据进行综合分析、比较。   在介绍Stata软件的数据标准化操作之前，首先了解两种常用的数据标准化方法。 (一)  数据标准化方法

1、离差标准化

离差标准化是令变量的观测值减去该变量的最小值，然后除以该变量的极差，把数值标准化至Z分数，即：

经过离差标准化之后，变量的正、负数值均转化为正向数值，全部取值将处于[0，1]的范围内，相当于将一组数据按照大小排序压缩到