标准正态变换（SPSS统计描述分析）

题目：对 CCSS_Sample中的总指数、现状指数和预期指数进行标准正态变换，对变换后的变量进行统计描述。

数据文件：CCSS_Sample.csv

本篇文章小玥各位学习SPSS软件里面的标准正态变换！！！

目录

 一、前言

二、题目分析

1、分析：

三、解题步骤

1、先对总指数、现状指数和预期指数进行统计描述，求出各指标的平均值和标准差。

2、计算变量，进行标准正态变换，公式：（原数据-平均值）/标准差，并存储为新变量new_index1,  new_index1a,   new_index1b

3、对变换后的变量进行描述统计

---

 一、前言

  SPSS（Statistical Product and Service Solutions），“统计产品与服务解决方案”软件。最初软件全称为“社会科学统计软件包”（Solutions Statistical Package for the Social Sciences），但是随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司已于2000年正式将英文全称更改为“统计产品与服务解决方案”，这标志着SPSS的战略方向正在做出重大调整。

        SPSS为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，有Windows和Mac OS X等版本。

SPSS 26 资源及安装教程http://t.csdn.cn/VECZ2想了解该软件的朋友可以先看看上面的文章哦！！！

二、题目分析

1、分析：

        题目中给出一个数据表：CCSS_Sample.csv，我们需要对数据表中的三个指标总指数、现状指数和预期指数进行标准正态变换。然后对变换后的变量进行统计描述。

        题目的意思很简单，明确目标后，进行下一步！！！

 

上图为数据文件的三个变量，为题目所求。

2、何为标准正态转换？为什么要变换？

原因：

        数据挖掘过程中，不同变量数据单位不一，比如，我们想知道一个人身体健康状况，其身高是170cm,体重是60kg,视力是2.5,心跳是80/min,这些指标都是描述一个人身体状况的数据，我们对这指标进行单独的分析，不会产生错误。但是，一起分析就会产生错误，由于单位的不同，指标之间不能进行比较，这些单位不同指标会对建模的准确度有一定影响。

        因此，在数据挖掘之前，我们要对数据做标准化处理。
        另外，我们还需要对数据做一定的变换，比如使其接近正态分布，这样从数据形式上可以对问题有更好的解释。

而数据的标准化方式也有很多种，本题我们使用的是标准化(z_score规范化)

三、解题步骤

1、先对总指数、现状指数和预期指数进行统计描述，求出各指标的平均值和标准差。

描述统计
	N	最小值	最大值	均值		标准 偏差	方差
	统计	统计	统计	统计	标准 错误	统计	统计
总指数	1147	.00	156.21	95.8935	.61998	20.99710	440.878
现状指数	1147	.00	176.07	99.2227	.83955	28.43333	808.454
预期指数	1147	.00	145.29	94.0598	.68256	23.11645	534.370
有效个案数（成列）	1147

具体操作：“分析”——“描述统计”——“描述”

2、计算变量，进行标准正态变换，公式：（原数据-平均值）/标准差，并存储为新变量new_index1,  new_index1a,   new_index1b

具体操作：如下图所示：

 

 记得勾选复选框”将标准化值另存为变量即可“，变量名字可以自行修改。

或者，操作：”转换“——”计算变量“

 图中：”平均值“、”标准差“自行对应输入第1步求出的值。

3、对变换后的变量进行描述统计

描述统计
	N	最小值	最大值	均值		标准 偏差	方差
	统计	统计	统计	统计	标准 错误	统计	统计
Zscore:  总指数	1147	-4.56699	2.87277	.0000000	.02952693	1.00000000	1.000
Zscore:  预期指数	1147	-4.06895	2.21598	.0000000	.02952693	1.00000000	1.000
Zscore:  现状指数	1147	-3.48966	2.70278	.0000000	.02952693	1.00000000	1.000
有效个案数（成列）	1147

具体操作跟上面第2步一样，但复选框不用勾选。 

可见，标准化后的变量，其均值均为0，标准差均为1.

好啦！本篇文章学习到这，本人是笨笨的小玥，路还有很长要走，咱们来日方长！

期待您的关注！！！