正確的數(shù)據(jù)格式是進行數(shù)據(jù)分析的基礎(chǔ)饭于，最近SPSSAU后臺收到了很多小伙伴有關(guān)上傳數(shù)據(jù)格式的提問——

正確的數(shù)據(jù)格式是怎樣的？

特定方法所需的數(shù)據(jù)格式是怎樣的？

如何上傳帶數(shù)據(jù)標簽的數(shù)據(jù)菱属？

為什么數(shù)據(jù)上傳后與預(yù)期不一致無法正常顯示恋捆？——多數(shù)由于存在合并單元格

為什么上傳提示“無有效數(shù)據(jù)”照皆？——多數(shù)由于數(shù)據(jù)未放在sheet1中

為解答這些普遍存在的困惑沸停，本文將對數(shù)據(jù)分析常用方法中具有代表性的分析方法所需的數(shù)據(jù)格式進行系統(tǒng)梳理和詳細說明昭卓，幫助研究者更有效地開展數(shù)據(jù)分析工作愤钾。

下面本文將分模塊介紹以下30+常用方法數(shù)據(jù)格式候醒，大家可以先收藏，等后續(xù)分析要用到哪種方法再來對照查看該方法的數(shù)據(jù)格式即可倒淫。

一镜硕、規(guī)范格式說明

1、原始數(shù)據(jù)格式

我們在進行數(shù)據(jù)分析時悠夯，最常見的數(shù)據(jù)格式是原始數(shù)據(jù)格式躺坟。

下圖是一份常見的原始數(shù)據(jù)沦补，它的特點是：一行代表一個樣本，一列代表一個變量咪橙。調(diào)查有多少樣本夕膀，就需要錄入多少行數(shù)據(jù)；如果調(diào)查了500個樣本匣摘，那么就需要錄入500行數(shù)據(jù)店诗。每一行代表每個樣本收集的所有數(shù)據(jù)，每一列代表每個變量的所有數(shù)據(jù)音榜。

絕大多數(shù)分析方法都是使用原始數(shù)據(jù)格式上傳分析的庞瘸，例如SPSSAU中計量經(jīng)濟研究模塊、機器學(xué)習(xí)模塊赠叼、空間計量模塊中的絕大多數(shù)方法都是上傳原始數(shù)據(jù)格式即可擦囊。

2、加權(quán)數(shù)據(jù)格式

除原始數(shù)據(jù)格式外嘴办，還有一些分析方法還會使用到加權(quán)數(shù)據(jù)格式瞬场，在醫(yī)學(xué)/實驗研究中，很多時候只有匯總數(shù)據(jù)涧郊，即帶加權(quán)項的數(shù)據(jù)贯被，如卡方檢驗等。下圖為卡方檢驗的加權(quán)數(shù)據(jù)妆艘，加權(quán)數(shù)據(jù)格式的特點是：基本只針對全部為定類數(shù)據(jù)的研究時使用彤灶，且只提供匯總數(shù)據(jù)，不提供原始數(shù)據(jù)批旺。

上傳提示“無有效數(shù)據(jù)”或上傳數(shù)據(jù)與預(yù)期不一致怎么辦幌陕？

如果提示無有效數(shù)據(jù)等，請按以下幾步檢查汽煮。

第一：如果EXCEL上傳搏熄，數(shù)據(jù)應(yīng)該放在第一個工作表里面，如果不是請調(diào)整后再上傳暇赤。

第二：EXCEL數(shù)據(jù)中不能合并單元格心例，如果有合并單元格，請取消合并翎卓。

第三：數(shù)據(jù)第1行一定是標題契邀，如果本該有標題但是為空，請?zhí)幚砗笤偕蟼鳌?/p>

3失暴、帶數(shù)據(jù)標簽的數(shù)據(jù)格式

如何上傳帶‘數(shù)據(jù)標簽’的數(shù)據(jù)文檔?如果說希望上傳數(shù)據(jù)的時候直接上傳數(shù)據(jù)標簽坯门，而不是通過“數(shù)據(jù)處理->數(shù)據(jù)標簽”單獨設(shè)置微饥。那么可以在上傳的EXCEL工作里面包括兩個工作表名稱，第1個是‘data’古戴，第2個是‘tags’欠橘。‘data’里面放數(shù)據(jù)现恼，‘tags’里面放置標簽肃续，標簽的格式說明如下說明和圖示：

一共包括ABC共3列，分別是‘標題’叉袍、‘數(shù)字’和‘標簽’始锚；

‘標題’列放置標題，標題僅在第一次出現(xiàn)時才會顯示喳逛，而且不能有完全相同一模一樣的標題瞧捌，否則可能會出現(xiàn)解析會出錯；

‘數(shù)字列’放置數(shù)字润文；‘標簽列’放置對應(yīng)數(shù)字的標簽信息姐呐；

進行數(shù)據(jù)分析時，單單掌握原始數(shù)據(jù)格式和加權(quán)數(shù)據(jù)格式還是不夠的典蝌，接下來從數(shù)據(jù)分析幾大模塊分別介紹一些典型的分析方法的數(shù)據(jù)格式曙砂。

二、差異性分析方法

數(shù)據(jù)分析常用的差異性分析方法有方差分析骏掀、t檢驗鸠澈、卡方檢驗，數(shù)據(jù)格式如下說明截驮。

1款侵、方差分析、t檢驗

方差分析和t檢驗都是常見研究不同組別之間差異性的方法侧纯，比如不同學(xué)歷時收入的差異。那么數(shù)據(jù)中就一定要包括不同組別X（如學(xué)歷）和分析項Y（如收入）甲脏。

有時候只有分析項（比如3個分析項）眶熬，但是現(xiàn)在希望對比這3個分析項的差異，那么就需要對數(shù)據(jù)進行改造块请，自己加入一列‘組別’娜氏，然后把數(shù)據(jù)重疊起來得到分析項Y，類似如下圖：

提示：方差分析（單因素方差）與t檢驗的區(qū)別在于t檢驗只能對比兩類數(shù)據(jù)之間的差異墩新，而方差分析可對比多組數(shù)據(jù)之間的差異贸弥，但二者數(shù)據(jù)格式類似。

2海渊、卡方檢驗

卡方檢驗用于研究X與Y之間的差異性绵疲，并且X與Y均為定類數(shù)據(jù)哲鸳。使用SPSSAU中的卡方檢驗進行研究時，支持常規(guī)數(shù)據(jù)格式和加權(quán)數(shù)據(jù)格式兩種形式盔憨。常規(guī)數(shù)據(jù)格式適用于原始數(shù)據(jù)徙菠，加權(quán)數(shù)據(jù)格式適用于只有匯總數(shù)據(jù)的情況。

加權(quán)數(shù)據(jù)格式說明如下：比如下圖中X有2種情況郁岩，Y有3個情況婿奔，一種有2*3=6種組合，數(shù)據(jù)信息只有6種組別的匯總項（即加權(quán)項）问慎，分別是40萍摊，10，20如叼，30冰木，20，50薇正；相當于總共有170個樣本片酝。整理為加權(quán)格式即只需要錄入6行即可。

除了卡方檢驗外挖腰，還有一些方法支持加權(quán)數(shù)據(jù)格式雕沿，如下：

• 【可視化】詞云

• 【問卷研究】對應(yīng)分析

• 【實驗/醫(yī)學(xué)研究】卡方檢驗

• 【實驗/醫(yī)學(xué)研究】Kappa

• 【實驗/醫(yī)學(xué)研究】配對卡方

• 【實驗/醫(yī)學(xué)研究】Poisson回歸

• 【實驗/醫(yī)學(xué)研究】Ridit分析

• 【實驗/醫(yī)學(xué)研究】卡方擬合優(yōu)度

• 【實驗/醫(yī)學(xué)研究】Poisson檢驗

3、配對t檢驗

配對數(shù)據(jù)的格式比較特殊猴仑，例如研究實驗組與對照組之間的差異审轮，常見的配對數(shù)據(jù)研究方法比如配對樣本t檢驗、配對卡方辽俗、配對樣本Wilcoxon檢驗等疾渣。數(shù)據(jù)格式如下圖：

配對數(shù)據(jù)一般是在實驗時使用，而且配對數(shù)據(jù)的特點為：行數(shù)一定完全相等并且只有兩列崖飘。

如果研究數(shù)據(jù)的行數(shù)不相等榴捡，那可能不是配對數(shù)據(jù)，如果還想對比差異朱浴，可能需要使用獨立t 檢驗吊圾。

4、重復(fù)測量方差

重復(fù)測量數(shù)據(jù)是指同一批樣本（病例）在不同的時間點測量了多次數(shù)據(jù)翰蠢，因此重復(fù)測量數(shù)據(jù)的特殊之處在于一定會有ID號（即樣本或者病例號）项乒，以及時間點數(shù)據(jù)。

如下圖：同一個ID會有多個時間點的數(shù)據(jù)梁沧，比如下面有12個樣本（12個ID號）檀何，并且測量5個時間點。那么就一定會有12*5=60行數(shù)據(jù)。同一個ID號會重復(fù)5次频鉴，同一個時間點會重復(fù)12次栓辜。

三、影響關(guān)系分析方法

影響關(guān)系研究時砚殿，最常用的方法就是各類回歸分析啃憎。絕大多數(shù)回歸分析的數(shù)據(jù)格式都是原始數(shù)據(jù)格式（即一列代表一個指標，一行代表一個樣本）似炎，但也有些比較特殊的辛萍。

1、多元線性回歸

多元線性回歸分析用于研究自變量X對因變量Y的影響關(guān)系情況羡藐，通常自變量個數(shù)不止一個贩毕，數(shù)據(jù)格式如下：

2、條件logit回歸

條件logit回歸時仆嗦，配對編號ID用于標識ID辉阶，而且是配對，因此一個ID會出現(xiàn)多次瘩扼，比如1:1配對谆甜，那么1個ID就會出現(xiàn)2次（1:2配對時，1個ID就會出現(xiàn)3次）集绰；因變量Y一定只能包括數(shù)字0和1规辱，類似數(shù)據(jù)格式如下圖：

3、面板模型

面板模型是針對面板數(shù)據(jù)進行分析栽燕，面板數(shù)據(jù)是一種特殊的數(shù)據(jù)格式罕袋。比如當前研究100家公司5年的財務(wù)數(shù)據(jù)。100家公司碍岔，每家5年浴讯，最終會有100*5=500行數(shù)據(jù)。
使用SPSSAU進行分析時蔼啦，‘個體ID’就是下圖中的‘公司編號’榆纽，‘時間’就是下圖中的‘年份’∧笾‘公司編號’一般是指上市公司的股票代碼掠河，也或者只是個編號均可；‘年份’一般是指年或者時間點猛计。‘公司編號’和‘年份’兩項共同用于告訴系統(tǒng)當前為面板數(shù)據(jù)爆捞，通常無其它意義奉瘤。

4、Cox回歸

Cox回歸生存分析時，因變量包括兩項盗温，分別是Y1生成時間和Y2生存狀態(tài)藕赞，Y2生存狀態(tài)一定只能包括2個數(shù)字分別是0和1，至于X或分層項的數(shù)據(jù)特征不固定卖局，分層項在分析時為可選斧蜕，沒有也沒關(guān)系，類似數(shù)據(jù)格式如下圖：

四砚偶、問卷題數(shù)據(jù)格式

問卷的數(shù)據(jù)格式比較特殊批销，如果是通過問卷星/問卷網(wǎng)/騰訊問卷在網(wǎng)上收集的問卷，可以直接下載CSV格式或者SPSS格式染坯，下載后直接上傳到SPSSAU系統(tǒng)進行分析均芽。具體網(wǎng)上問卷下載以及上傳方法可以參考幫助手冊說明：SPSSAU上傳數(shù)據(jù)

下面對線下收集的紙質(zhì)問卷需要整理的數(shù)據(jù)格式進行說明，包括常見的單選单鹿、多選掀宋、量表題的數(shù)據(jù)格式。

1仲锄、單選題

單選題一列代表一個指標劲妙，一行代表一個樣本，數(shù)字代表被選項儒喊。例如下圖樣本1代表性別為選項2（女士）镣奋，年齡為選項4（41-50歲）。

2澄惊、多選題

問卷研究時會使用到多選題唆途，多選題的數(shù)據(jù)格式比較特殊，一列代表一個多選題的選項掸驱。比如一個多選題有4個選項肛搬，那么其數(shù)據(jù)中就會有4列，分別代表4個選項毕贼。而且使用數(shù)字1表示選中温赔，數(shù)字0表示沒有選中。如下圖：

3鬼癣、量表題

量表題與單選題類似陶贼，如下圖：

五、綜合評價方法

綜合評價時通常包括兩大方面：權(quán)重計算和綜合評價待秃。權(quán)重計算最常用方法有AHP層次分析法拜秧、熵值法；綜合評價常用方法有模糊綜合評價章郁、灰色關(guān)聯(lián)法枉氮、TOPSIS法和熵權(quán)TOPSIS法志衍。分別進行說明。

1聊替、AHP層次分析法

AHP層次分析法的數(shù)據(jù)格式（即判斷矩陣）最為特殊楼肪，如下圖，研究人員可修改指標項名稱惹悄，以及白色單元格內(nèi)的數(shù)字即可春叫。判斷矩陣是 ‘ 下三角 ’ 完全對稱矩陣，因此 ‘ 白色 ’?底紋處的信息變化時泣港， ‘ 藍色 ’ 背景的信息會自動變化暂殖。

2、熵值法

熵值法用于指標的權(quán)重情況爷速。1個指標占用1列數(shù)據(jù)央星。下圖中樣本編號只是個編號無實際意義，用于標識下樣本的ID號惫东，一般是比如年份一類的數(shù)據(jù)信息莉给，分析時并不需要使用。

如果是面板數(shù)據(jù)希望進行熵值法廉沮，其數(shù)據(jù)格式如下圖所示颓遏，比如有100家公司分別5年的指標數(shù)據(jù)，那么一共就有100*5=500行數(shù)據(jù)滞时。數(shù)據(jù)格式上需要如此叁幢，但在分析時只需要放入‘指標列’數(shù)據(jù)即可。

3坪稽、模糊綜合評價

模糊綜合評價是對具有多種屬性的事物曼玩，綜合各因素作出一個總體評價。上傳的數(shù)據(jù)一般包括三個部分：指標項窒百、指標項權(quán)重黍判、評價項，數(shù)據(jù)格式如下圖：

• 指標項：為參與評價的考核指標，1行放1個。

• 指標項權(quán)重：如果說各個指標項有著自己的權(quán)重穴豫，那么就需要單獨用一列表示 ‘ 指標項權(quán)重值’ ，如果沒有此數(shù)據(jù)贬墩，則默認各個指標的權(quán)重完全一致。

• 評價項：是指類似于{優(yōu)秀妄呕，良好陶舞，一般，差} 或{非常滿意绪励，滿意论咏，一般颁井，不滿意蠢护，非常不滿意}這樣的評價標準雅宾，1列放1個評價項葵硕。

4、灰色關(guān)聯(lián)法

灰色關(guān)聯(lián)法研究數(shù)據(jù)之間的關(guān)聯(lián)程度懈凹，即特征序列與母序列的關(guān)聯(lián)性情況蜀变。母序列單獨使用一列標識介评，每個特征序列都使用1列標識。下圖中樣本編號只是個編號無實際意義们陆，用于標識下樣本的ID號坪仇，一般是比如年份一類的數(shù)據(jù)信息，分析時并不需要使用椅文。

5皆刺、TOPSIS法&熵權(quán)TOPSIS法

TOPSIS法和熵權(quán)TOPSIS法用于研究指標與理想解的接近度情況。1個指標占用1列數(shù)據(jù)毒坛，1個研究對象為1行林说，但研究對象在分析時并不需要使用腿箩，SPSSAU默認會從上到下依次編號。

六弓乙、一致性檢驗方法

一致性檢驗用于判斷不同的模型或者分析方法在產(chǎn)出結(jié)果上是否具有一致性、模型的結(jié)果與實際結(jié)果是否具有一致性等勾习。常用方法有Kappa一致性檢驗懈玻、ICC組內(nèi)相關(guān)系數(shù)涂乌、Bland-Altman圖等。

1湾盒、Kappa一致性檢驗

Kappa一致性檢驗數(shù)據(jù)格式上罚勾，SPSSAU支持‘加權(quán)’和‘不加權(quán)’兩種格式。如果是‘加權(quán)’格式如下圖：A列和B列分別代表2個措施(醫(yī)生)堰塌，單獨用一列標識對應(yīng)醫(yī)生診斷的病例數(shù)量分衫。‘加權(quán)’格式時牵现，一定需要把權(quán)重加權(quán)項放入對應(yīng)的框中才可以邀桑。如果是‘不加權(quán)’格式，那么沒有權(quán)重列贼急。只需要兩列原始數(shù)據(jù)即可捏萍。

2令杈、ICC組內(nèi)相關(guān)系數(shù)

ICC組內(nèi)相關(guān)系數(shù)通常可用于重測信度分析等掉丽，比如有3個醫(yī)生對于5個病人的智商打分一致性跌榔。那么需要有3個醫(yī)生的數(shù)據(jù)捶障，1個醫(yī)生為1列即可，其格式類似于配對數(shù)據(jù)皆辽，如下圖所示：

3、Bland-Altman圖

例如當前有醫(yī)生使用兩種方法分別做一項實驗耻台，現(xiàn)需要對第1種和第2種方法共兩種方法的測量數(shù)據(jù)進行一致性檢驗盆耽；如果有分組數(shù)據(jù)，例如研究不同性別坝咐，此時只需要把性別group放入對應(yīng)框中即可析恢，數(shù)據(jù)格式如下：

七映挂、現(xiàn)狀政策類方法

現(xiàn)狀政策類分析主要用于分析政策實施的效果和影響柑船，旨在評估特定政策或干預(yù)措施對目標群體或現(xiàn)象的實際作用，常用方法如DID雙重差分法亏拉、傾向得分匹配法等逆巍。

1蒸苇、DID雙重差分法

如果是進行雙重差分DID分析，那么Treated地區(qū)（0代表A類地區(qū)即控制組味咳，1代表B類地區(qū)即實驗組）和time政策實施前后（0代表實施前, 1代表實施后））數(shù)據(jù)只能包括數(shù)字0或者1，并且有對應(yīng)的被解釋變量Y责嚷，至于控制變量可有可無掂铐，由實際研究情況而定全陨。

如果是多期DID數(shù)據(jù)辱姨，treated只能為數(shù)字0或1，數(shù)字0標識‘控制組’枢舶，數(shù)字1標識‘實驗組’替久；time只能為數(shù)字0或1蚯根，數(shù)字0標識‘before’（實驗前），數(shù)字1標識‘a(chǎn)fter(實驗后)吼具。Treate*time即為交互項矩距，可使用SPSSAU數(shù)據(jù)處理->生成變量->乘積得到锥债，格式類似如下圖：

2、傾向得分匹配

傾向得分匹配時登夫，研究變量一定只能包括數(shù)字0和1恼策，特征項的數(shù)據(jù)特征并無特別要求，類似數(shù)據(jù)格式如下圖：

3分唾、Dagum基尼系數(shù)

Dagum基尼系數(shù)是傳統(tǒng)基尼系數(shù)的升級绽乔，用于衡量和評估收入或財富分配的不平等程度碳褒。分析時一定需要有計算項（比如人均GDP）沙峻，至于group項和時間項可有可無，但通常二者均會有睹逃。Group項一般為地區(qū)祷肯，時間項一般為年份佑笋。Group項放入后會進行組間PK斑鼻，放入時間項時坚弱，會循環(huán)輸出不同時間項的計算結(jié)果。數(shù)據(jù)格式如下：

4碾阁、泰爾指數(shù)

泰爾指數(shù)是一種衡量‘不平均’的指數(shù)脂凶，比如用于衡量‘貧富差異’愁茁。如果是進行泰爾指數(shù)計算，通常會涉及group項嘶居，比如區(qū)域（華北邮屁、華南、華東葬项、西南迹蛤、東北）其層次最高盗飒，也或者區(qū)域的下一層次省份group（北京、天津蝶溶、河北宣渗、上海痕囱、浙江等），以及具體最小單位粒度城市鞍恢，及其對應(yīng)的GDP/人口信息數(shù)據(jù)等帮掉。一行代表一個最小粒度1個時間點(通常1年)的數(shù)據(jù)。類似結(jié)果如下圖：

八稽莉、文本分析

文本分析是針對文本數(shù)據(jù)進行研究和分析使用肩祥，SPSSAU文本分析包括詞云分析缩膝、文本情感分析疾层、文本聚類分析、社會網(wǎng)絡(luò)關(guān)系分析予弧、LDA主題分析等。

如果是通過excel格式（包括csv/xls/xlsx格式）時杀捻，只需要1列數(shù)據(jù)致讥，將文本全部放置于A列中器赞，A列不需要有標題信息港柜。每行（即每個單元格）存在1個分析文本。類似如下圖所示：

如果是txt文檔或者粘貼文本進行上傳爽锥，那么系統(tǒng)會自動過濾掉空行數(shù)據(jù)救恨，并且以回車鍵作為每行（即每個分析文本）標志释树。

以上即為今天常用方法數(shù)據(jù)格式的全部內(nèi)容奢啥，更多特殊分析方法的數(shù)據(jù)格式桩盲，可以在SPSSAU常見研究方法數(shù)據(jù)格式說明的幫助手冊進行查詢（幫助手冊頁面按 Ctrl+F 查詢）