SPSS數據準備：數據驗證

一、數據準備：

   隨著計算系統能力的提高，對信息的需要成比例增長，導致收集的數據越來越多—出現更多的個案、更多的變量以及更多的數據輸入錯誤。這些錯誤會損害作為數據倉儲最終目標的預測模型的預測，因此您需要使數據保持“干凈”。不過，數據倉儲中的數據量的增長已經大大超出了手動驗證個案的能力，而這對于實現自動化的數據驗證過程來說十分關鍵。

“數據準備”附加模塊允許您標識活動數據集中的異常個案和無效個案、變量和數據值，并準備建模數據。

1、元數據準備。復查數據文件中的變量并確定其有效值、標簽和測量級別。標識不太可能但經常存在編碼錯誤的變量值的組合。根據這些信息定義驗證規則。這是一項極為耗時的任務，不過，如果您需要定期驗證具有類似屬性的數據文件，則完成這項任務是十分值得的。

2、數據驗證。運行基本檢查并針對定義的驗證規則進行檢查，標識無效個案、變量和數據值。找到無效數據時，調查并更正原因。這可能需要另一個通過元數據準備的步驟。

3、模型準備。使用自動數據準備獲得將改進模型構建的原始字段的轉換。標識可能導致許多預測模型出現問題的潛在統計離群值。有些離群值是尚未標識的無效變量值導致的結果。這可能需要另一個通過元數據準備的步驟。

二、驗證規則

1、規則用于確定個案是否有效。有兩種類型的驗證規則：

1.1、單變量規則。單變量規則包含一組應用于單個變量的固定檢查，例如范圍外值的檢查。對于單變量規則，有效值可以表示為一個值范圍，也可以表示為一個可接受值列表。

1.2、交叉變量規則。交叉變量規則是用戶定義的規則，可以應用于單個變量，也可以應用于變量組合。交叉變量規則由標記無效值的邏輯表達式定義。

2、載入預定義驗證規則（數據-驗證-加載預定義驗證規則）

通過從安裝中所包含的外部數據文件載入預定義規則可以快速獲取一組可供使用的驗

證規則。

   3、定義驗證規則（數據-驗證-定義規則）

“定義驗證規則”對話框允許您創建和查看單變量和交叉變量驗證規則。

三、驗證數據（數據-驗證-驗證數據）

“驗證數據”對話框允許您標識活動數據集中可疑的和無效的個案、變量和數據值。

1、示例。數據分析人員每個月必須向客戶提供客戶滿意度報告。她每個月接收到的數據需要進行質量檢查，看是否存在不完整的客戶標識、超出范圍的變量值以及經常錯誤輸入的變量值組合?！膀炞C數據”對話框允許分析人員指定唯一標識客戶的變量，為有效變量范圍定義單變量規則，并定義交叉變量規則以找出不可能的組合。該過程返回問題個案和變量的報告。此外，每個月的這些數據都具有相同的數據元素，因此分析人員可以將規則應用于下個月的新數據文件。

2、統計量。該過程生成多項檢查失敗的變量、個案和數據值的列表，違反單變量和交叉變量規則的次數計數，以及分析變量的簡單描述摘要。

3、權重。該過程忽略權重變量規范，而是像對待任何其他分析變量一樣對待權重變量。

4、分析變量。如果在“變量”選項卡上選擇了任何分析變量，則可選擇以下任意有效性檢查。復選框允許您打開或關閉檢查。

4.1、缺失值的最大百分比。報告缺失值百分比大于指定值的分析變量。指定的值必須是一個小于等于100的正數。

4.2、單個類別中個案所占的最大百分比。如果任何分析變量是分類變量，則此選項報告表示單個非缺失類別的個案的百分比大于指定值的分類分析變量。指定的值必須是一個小于等于100的正數。百分比基于具有非缺失變量值的個案。

4.3、計數為1的類別的最大百分比。如果任何分析變量是分類變量，則此選項報告僅包含一個個案的變量類別的百分比大于指定值的分類分析變量。指定的值必須是一個小于等于100的正數。

4.4、最小變異系數。如果任何分析變量是刻度變量，則此選項報告變異系數的絕對值小于指定值的刻度分析變量。此選項僅適用于均值非零的變量。指定的值必須是一個非負數。指定0會關閉變異系數檢查。

4.5、最小標準差。如果任何分析變量是刻度變量，則此選項報告標準差小于指定值的刻度分析變量。指定的值必須是一個非負數。指定0會關閉標準差檢查。

5、摘要變量。這些是可以保存的單個變量。選中一個框可保存該變量。為這些變量提供了默認名稱；您可以進行編輯。

5.1、空個案指示器?？諅€案會分配值1。所有其他個案都具有代碼0。變量的值反映在“基本檢查”選項卡上指定的范圍。

5.2、雙ID組。具有相同個案標識的個案（具有不完整標識的個案除外）會分配有相同的組號。具有唯一標識或不完整標識的個案都具有代碼0。

5.3、ID指示器不完整。具有空的或不完整的個案標識的個案將分配值1。所有其他個案的代碼都為0。