一、实验目的
掌握SPSS数据文件建立的基本方法，熟悉数据文件的管理操作，包括数据录入、编辑、排序、合并、拆分等；理解数据预处理的基本流程，掌握数据清洗、缺失值处理、异常值处理、数据转换等操作技能，为后续统计分析奠定基础。
二、实验环境
SPSS Statistics 26.0中文版；Windows操作系统；实验数据来源为某问卷调查数据（含数值型与分类型变量）。
三、实验内容与操作步骤
（一）SPSS数据文件的建立
1. 变量定义
启动SPSS后进入“变量视图”界面，根据调查问卷设计逐一定义变量。定义内容包括：变量名称（Name）、变量类型（Type）、宽度（Width）、小数位数（Decimals）、变量标签（Label）、值标签（Values）、缺失值（Missing）、测量尺度（Measure）。例如“性别”变量定义为数值型，值标签设为1=男、2=女，测量尺度为名义型；“年龄”变量为数值型，测量尺度为度量型。
2. 数据录入
进入“数据视图”界面，按变量顺序逐条录入问卷数据。录入过程中可使用键盘方向键、Enter键与Tab键实现单元格切换，提高录入效率。
3. 数据文件的保存
通过“文件→保存”或“另存为”，将文件保存为.sav格式，文件名命名为“调查数据_原始.sav”，便于后续调用。
（二）数据文件的管理操作
1. 数据排序
使用“数据→排序个案”，选择“年龄”作为排序变量，按升序排列，核验排序结果是否符合预期，便于观察数据的分布趋势。
2. 数据文件的合并
（1）横向合并（添加变量）：使用“数据→合并文件→添加变量”，将另一份含“满意度”变量的数据文件按关键变量“编号”合并到原文件中。（2）纵向合并（添加个案）：使用“数据→合并文件→添加个案”，将两份结构相同的问卷数据合并，并处理变量不一致的问题。
3. 数据文件的拆分
使用“数据→拆分文件”，按“性别”变量拆分，分别对不同性别的样本进行描述统计，检验拆分前后输出结果的差异。
4. 选择个案
使用“数据→选择个案”，设置条件“年龄>=18”，筛选出成年样本，选择方式为“过滤掉未选定的个案”，观察筛选后数据的视图变化。
5. 加权个案
使用“数据→加权个案”，以“频数”变量为权重变量进行加权，理解加权在汇总数据中的作用。
（三）数据预处理操作
1. 数据清洗
（1）检查重复个案：使用“数据→标识重复个案”，以“编号”为基准变量识别重复记录，并删除重复个案。（2）变量一致性检查：利用“分析→描述统计→频率”检查分类变量的取值范围是否超出值标签定义（如性别出现取值3），并予以修正。
2. 缺失值处理
通过“分析→缺失值分析”了解各变量缺失情况，采用以下方式处理：对缺失比例较低（<5%）的连续变量采用均值替换；对分类变量采用众数替换；使用“转换→替换缺失值”完成操作，并新增替换后变量与原变量对照。
3. 异常值处理
（1）利用箱线图识别连续变量（如收入）的异常值；（2）利用“分析→描述统计→描述”计算Z分数（标准化值），将|Z|>3的观测判定为异常值；（3）对异常值采取删除或缩尾处理（将极端值替换为P1与P99分位数），并使用“转换→计算变量”实现。
4. 数据转换
（1）计算变量：使用“转换→计算变量”生成“BMI”等新变量，编写表达式进行计算；（2）重新编码：使用“转换→重新编码为不同变量”，将连续型“年龄”分组为“青年/中年/老年”三组分类变量；（3）标准化处理：使用“分析→描述统计→描述”中的“将标准化值另存为变量”，生成Z分数变量。
5. 数据审核与结果保存
复查处理后的数据视图与变量视图，确认变量属性、值标签与数据分布正常。将清洗与预处理后的数据保存为“调查数据_清洗后.sav”，并在输出窗口保存操作与结果记录。
四、实验结果与分析
通过上述操作，成功建立了规范的SPSS数据文件，变量定义清晰、值标签完整，数据录入准确；数据文件管理操作（排序、合并、拆分、选择与加权）均按照实验要求完成，输出结果与实际数据结构相符。在数据预处理中，共识别重复个案若干条并删除，发现缺失值分布于个别变量并经合理替换，识别并处理了少量异常值，转换生成的新变量逻辑正确、取值范围合理。处理后的数据集在一致性、完整性与规范性方面均有所提升，能够满足后续描述统计与推断分析的需要。
五、实验
本实验系统掌握了SPSS数据文件的建立流程与管理方法，体会到规范的变量定义与值标签对数据质量的重要意义；在数据预处理方面，认识到缺失值、重复值与异常值处理对分析结论的潜在影响，理解了数据清洗“先检查、后处理、再复核”的原则。需要注意：缺失值替换与异常值处理应在遵循数据伦理与降维原则下进行，应与研究设计相结合，并在分析中说明处理方法，保证研究结果的可重复性。后续实验中将加强对数据预处理结果的诊断与敏感性分析，以提高统计分析的可靠性。
