文档介绍: 实战之多元线性回归分析(2011-12-09 12:19:11)转载 ▼标签:分类: 软件介绍文化线性回归数据(全国各地区能源消耗量与产量)来源,可点击协会博客数据挖掘栏:国泰安数据服务中心的经济研究数据库。 数据预处理数据预处理包括的内容非常广泛,包括数据清理和描述性数据汇总,数据集成和变换,数据归约,数据离散化等。本次实习主要涉及的数据预处理只包括数据清理和描述性数据汇总。一般意义的数据预处理包括缺失值填写和噪声数据的处理。于此我们只对数据做缺失值填充,但是依然将其统称数据清理。 数据导入与定义单击“打开数据文档 ”,将 xls 格式的全国各地区能源消耗量与产量的数据导入 SPSS 中,如图 1-1 所示。图 1-1 导入数据导入过程中,各个字段的值都被转化为字符串型(String),我们需要手动将相应的字段转回数值型。单击菜单栏的“ ”-->“ ”将所选的变量改为数值型。如图 1-2 所示:图 1-2  数据清理数据清理包括缺失值的填写和还需要使用 SPSS 分析工具来检查各个变量的数据完整性。单击“ ”-->“ ”,将检查所输入的数据的缺失值个数以及百分比等。如图 1-3 所示:图 1-3 缺失值分析能源数据缺失值分析结果如表 1-1 所示:单变量统计N均值标准差缺失极值数目  2-1 能源消耗量与产量数据缺失值分析表 1-1  能源消耗量与产量数据缺失值分析SPSS 提供了填充缺失值的工具,点击菜单栏“ ”-->“ ”,即可以使用软件提供的几种填充缺失值工具,包括序列均值,临近点中值,临近点中位数等。结合本次实习数据的具体情况,我们不使用 SPSS 软件提供的替换缺失值工具,主要是手动将缺失值用零值来代替。 描述性数据汇总描述性数据汇总技术用来获得数据的典型性质,我们关心数据的中心趋势和离中趋势,根据这些统计值,可以初步得到数据的噪声和离群点。中心趋势的量度值包括:均值(mean),中位数(median),众数(mode)等。离中趋势量度包括四分位数(quartiles),方差(variance)等。SPSS 提供了详尽的数据描述工具,单击菜单栏的“ ”-->“ ”-->“ ”,将弹出如图 2-4 所示的对话框,我们将所有变量都选取到,然后在选项中勾选上所希望描述的数据特征,包括均值,标准差,方差,最大最小值等。由于本次数据的单位不尽相同,我们需要将数据标准化,同时勾选上“将标准化得分另存为变量”。N极小值极大值均值标准差方差能源消费总量309**********. 1-2 所示的描述性数据汇总。图 1-4