前面我们介绍过SPSS如何对数据进行Zscore标准化处理,除此之外呢,我们可能还需要对数据进行中心化处理,比如利用线性回归来执行中介和调节效应时,有研究指出应该先对变量数据做中心化处理。
中心化处理
是指用每一个具体数据减去该组数据的平均值,也叫作零均值化。其实就是一个平移的过程,平移后所有数据的中心是(0,0),该组数据的均值为零。
强调一句,我们说数据中心化时,特指的是针对连续数值变量数据,分类数据则无需此操作。
SPSS具体操作
操作起来其实很简单,两步走就可以完成了。
1)第一步计算平均值
2)第二步做减法
假设,我们想对体重数据和做功数据进行中心化处理,具体来看一下:
第一步:描述统计输出平均值
菜单栏【分析】→【描述统计】→【描述】,将体重和做功两变量移入目标变量框即可。来看结果:
体重均值:47.0579
做功均值:94.4967
为了计算的准确度,我们这里保留四位小数。
第二步:做个减法
菜单栏【转换】→【计算变量】,为了与原来的体重变量做区分,我们给新的中心化后的数据命名,本例是在原变量名称前加大写字母Z,你也可以起个其他名字。
然后在【数字表达式】框内,先将“体重”数据从左下角变量列表中移进来,接着输入表达式,即减去平均值47.0579,最后点下方【确定】执行计算。
同理,我们再计算Zwork,表达式截图如下:
马上看一下切换到数据视图下看结果:
如果你不放心的话,那我们可以马上再做一个描述统计,对比一下原始数据和中心化后的数据表现。
看看,中心化后的Zweight和Zwork其平均值都已经为零了,平移成功,中心化成功。
本文完
文/图=数据小兵
文章荐读