關(guān)于SPSS學(xué)習與交流的專(zhuān)業(yè)論壇，小兵博客一直推薦大家去人大經(jīng)濟論壇（現在叫做經(jīng)管之家）SPSS專(zhuān)版。這個(gè)板塊幾乎覆蓋了SPSS統計分析從理論到實(shí)踐、從工具到方法的各類(lèi)資料。特別適合 SPSS初學(xué)者和使用者交流互動(dòng)，傳授經(jīng)驗。
今天小兵就先為大家分享一篇論壇網(wǎng)友SPSS數據分析的心得體會(huì )，原作者：xddlovejiao1314，謝謝他的寶貴經(jīng)驗分享。
關(guān)于SPSS數據預處理
拿到一份數據，或者在看到國內外某個(gè)學(xué)者的文章有想法而自己手里的數據剛好符合這個(gè)想法可以做時(shí)，在整理好數據后不要急于建模。一定要對數據做缺失值處理、異常值處理。在數據預處理的基礎上再進(jìn)一步建模，否則可能得到錯誤的結果。
心得1：缺失值的處理
我個(gè)人有幾個(gè)看法：
數據樣本量足夠大，在刪除缺失值樣本的情況下不影響估計總體情況，可考慮刪除缺失值；
數據樣本量本身不大的情況下，可從以下兩點(diǎn)考慮：
1是采用缺失值替換，SPSS中具體操作為 轉換 菜單下的 替換缺失值 功能，里面有5種替換的方法。若數據樣本量不大，同質(zhì)性比較強，可考慮總體均值替換方法，如數據來(lái)自不同的總體（如我做農戶(hù)調研不同村的數據），可考慮以一個(gè)小總體的均值作為替換（如我以一個(gè)村的均值替換缺失值）。
2是根據原始問(wèn)卷結合客觀(guān)實(shí)際自行推斷估計一個(gè)缺失值的樣本值，或者以一個(gè)類(lèi)似家庭的值補充缺失值。
心得2：異常值的處理
我大概學(xué)了兩門(mén)統計軟件SPSS和Stata，SPSS用的時(shí)間久些，熟悉一下，Stata最近才學(xué)，不是太熟。關(guān)于這點(diǎn)我結合著(zhù)來(lái)說(shuō)。
關(guān)于異常值的處理可分為兩點(diǎn)，一是怎么判定一個(gè)值是異常值，二是怎么去處理。
判定異常值的方法我個(gè)人認為常用的有兩點(diǎn)：
1是描述性統計分析，看均值、標準差和最大最小值。一般情況下，若標準差遠遠大于均值，可粗略判定數據存在異常值。
2是通過(guò)做指標的箱圖判定，箱圖上加*的個(gè)案即為異常個(gè)案。
發(fā)現了異常值，接下來(lái)說(shuō)怎么處理的問(wèn)題。大概有三種方法：
1是正偏態(tài)分布數據取對數處理。我做農戶(hù)微觀(guān)實(shí)證研究，很多時(shí)候得到的數據（如收入）都有很大的異常值，數據呈正偏態(tài)分布，這種我一般是取對數處理數據。若原始數據中還有0，取對數ln(0)沒(méi)意義，我就取ln(x 1)處理；
2是樣本量足夠大刪除異常值樣本；
3是從stata里學(xué)到的，對數據做結尾或者縮尾處理。這里的結尾處理其實(shí)就是同第二個(gè)方法，在樣本量足夠大的情況下刪除首尾1%-5%的樣本?？s尾指的是人為改變異常值大小。如有一組數據，均值為50，存在幾個(gè)異常值，都是500多（我這么說(shuō)有點(diǎn)夸張，大概是這個(gè)意思），縮尾處理就是將這幾個(gè)500多的數據人為改為均值 3標準差左右數據大小，如改為100。
總結而言，我個(gè)人認為做數據變換的方式比較好，數據變換后再做圖或描述性統計看數據分布情況，再剔除個(gè)別極端異常值。
關(guān)于SPSS回歸分析
心得1：如何做好回歸分析
經(jīng)過(guò)多次實(shí)戰，以及看了N多視頻，上了N多課，看了N多專(zhuān)業(yè)的書(shū)。我個(gè)人總結做回歸的步奏如下：
1對數據進(jìn)行預處理，替換缺失值和處理異常值；
2是將單個(gè)自變量分別與因變量做散點(diǎn)圖和做回歸，判定其趨勢，并做好記錄（尤其是系數正負號，要特別記錄）；
3是自變量和因變量一起做相關(guān)系數，看各個(gè)變量相關(guān)關(guān)系強弱，為下一步檢驗多重共線(xiàn)性做準備；
4是自變量多重共線(xiàn)性診斷。若變量存在多重共線(xiàn)性，可采用主成分回歸，即先將存在多重共線(xiàn)性的變量做主成分分析合并為1個(gè)變量，然后再將合并成的新變量和其余自變量一起納入模型做回歸；
5是做殘差圖，看殘差圖分布是否均勻（一般在 -3個(gè)單位之間均勻分布就比較好）；
6是報告相應結果。
心得2：不建議采用后向步進(jìn)法處理變量多重共線(xiàn)性
記得張文彤老師說(shuō)過(guò)他有個(gè)同學(xué)做過(guò)一個(gè)研究，即采用后向步進(jìn)法剔除變量的方式去做回歸，得到的結果犯錯的幾率比較大。張老師也不建議用這個(gè)方法處理多重共線(xiàn)性。處理多重共線(xiàn)性比較好的方法是做主成分回歸。
心得3：用未標準化的回歸系數好，還是用標準化后的回歸系數好
我個(gè)人覺(jué)得這個(gè)問(wèn)題仁者見(jiàn)仁智者見(jiàn)智，要看想表達什么。具體而言，如果想表達在其它條件不變的情況下，自變量X每變化1個(gè)單位，因變量變化多少個(gè)單位，這種情況用未標準化回歸系數就好；如果想比較各個(gè)自變量對因變量影響的相對大小，即判斷相對而言，哪個(gè)變量對因變量影響更大。這時(shí)需要消除量綱的影響，看標準化后的回歸系數。
心得4：穩健性檢驗
我做的是 無(wú)序多分類(lèi)logistic回歸模型。因變量分了5類(lèi)，有一類(lèi)個(gè)數比較多，達到300多，有1-2類(lèi)個(gè)案比較少，只有30左右。專(zhuān)家提到了要做穩健性檢驗。這個(gè)用stata軟件編程加一個(gè)robust即可解決問(wèn)題。不知道在SPSS里面怎么做。歡迎知道的朋友一起討論下。我個(gè)人認為這是一個(gè)好問(wèn)題的。不做穩健性檢驗模型可能受一些極端值的影響，結果不穩定?？赡鼙緛?lái)顯著(zhù)的變量剔除1-2個(gè)樣本后就變得不顯著(zhù)了。所以做回歸分析穩健性檢驗也比較重要。
通知：網(wǎng)易云課堂《自學(xué)SPSS：數據分析12大經(jīng)典案例》視頻課程正在做年底回饋活動(dòng)，感興趣可以點(diǎn)【閱讀原文】前往關(guān)注。