常见研究方法数据格式说明

  • 数据是研究方法的基础,本文档详细阐述SPSSAU系统中常见的几类研究方法对应的数据格式参考,包括方差分析、T 检验、配对t 检验、多选题、卡方检验、重复测量方差、模糊综合评价、AHP层次分析法、时间序列ARIMA模型、面板模型等。

    无论是哪种数据,均需要规范整理才可以,包括如下要点:

    • 第一行只能是标题,并且第一行不能出现空,否则就没有标题可以拖拽操作;

    • 不能出现任何的合并单元格;

    • 不能出现完整的空行,或者完整的空列。

    • SPSSAU数据格式参考模板下载

  • 1、方差分析【通用方法>方差】

    方差分析是研究不同组别的差异,比如不同学历时满意度的差异。因此数据格式中一定需要有组别X(比如学历)和分析项Y(比如满意度)。

    有时候只有分析项(比如3个分析项),但是现在希望此3个分析项的差异,那么就需要对数据进行改造,自己加入一列‘组别’,然后把数据重叠起来得到分析项Y,类似如下图:

  • 2、t 检验【通用方法>t 检验】

    t 检验是研究2组数据的差异,比如不同性别时满意度的差异。数据格式中需要有组别X(比如性别)和分析项Y(比如满意度)。

    有时候数据格式中只有2列,而没有组别,比如实验组和对照组。那么就需要对数据进行改造,自己加入一列‘组别’,然后把数据重叠起来得到分析项Y,类似如下图:

  • 3、配对t 检验【通用方法>配对t 检验】

    配对数据的格式相对较为特殊,包括配对t 检验,或者配对卡方等。比如实验组和对照组数据的差异。如下图:

    配对数据一般是在实验时使用,而且配对数据的特点为:行数一定完全相等并且只有两列。如果研究数据的行数不相等,那可能不是配对数据,如果还想对比差异,可能需要使用独立t 检验。独立t 检验和配对t 检验的数据格式不一样,需要特别注意。

  • 4、多选题【问卷研究>多选题】

    在问卷研究时会使用到多选题,多选题的数据格式比较特殊。比如一个多选题有4个选项,那么其数据中就会有4列,分别代表4个选项。而且使用数字1表示选中,数字0表示没有选中。如下图:

    在进行多选题相关的研究时,需要把同一个多选题下面所有的选项全部放到分析框中才可以。比如下图操作:

  • 5、卡方检验【实验/医学研究>卡方检验】

    卡方检验研究X和Y的差异,并且X和Y都是定类数据。使用SPSSAU实验/医学研究模块下的卡方检验时,SPSSAU可支持两类数据格式,一种是常规格式(非加权格式),另外一种是加权数据格式。

    上图为常规格式(即非加权格式),一行代表一个样本,一列代表一个属性,将全部的原始数据信息列出即可。

    在医学/实验研究时,很多时候只有汇总数据,即带加权项的数据,比如下图中X有2种情况,Y有3个情况,一种有2*3=6种组合,数据信息只有6种组别的汇总项(即加权项),分别是40,10,20,30,20,50;相当于总共有170个样本,如果是使用常规格式(即非加权格式),此时应该有170行;但加权格式则只需要6行即可表示,如下图。

    加权数据格式基本只针对全部是定类数据的研究时使用,SPSSAU支持常规格式和加权格式两种数据。常规格式提供所有的原始数据信息,而加权格式只提供汇总数据信息。涉及以下方法时,SPSSAU会支持加权数据格式,如下:

    • 【可视化】词云

    • 【问卷研究】对应分析

    • 【实验/医学研究】卡方检验

    • 【实验/医学研究】Kappa

    • 【实验/医学研究】配对卡方

    • 【实验/医学研究】Poisson回归

    • 【实验/医学研究】Ridit分析

    • 【实验/医学研究】卡方拟合优度

    • 【实验/医学研究】Poisson检验

  • 6、重复测量方差【实验/医学研究>重复测量方差】

    重复测量数据是指同一批样本(病例)在不同的时间点测量了多次数据,因此重复测量数据的特殊之处在于一定会有ID号(即样本或者病例号),以及时间点数据,如下图。同一个ID会有多个时间点的数据,比如下面有12个样本(12个ID号),并且测量5个时间点。那么就一定会有12*5=60行数据。同一个ID号会重复5次,同一个时间点会重复12次。

    • 特别提示
    • 本例中12个ID号,测量5个时间点,那么12*5=60行数据。这种数据叫做平衡数据,如果数据有测量丢失,比如ID为1的样本在第2个时间点没有数据,即少了一个数据最终为59行。那么此种叫非平衡数据,此种数据无法进行重复测量方差分析。

  • 7、糊综合评价【综合评价>模糊综合评价】

    模糊综合评价研究指标项综合来看,应该属于那个评价项。1列放1个评价项(比如不满意、比较不满意、满意、非常满意之类的评价项)。

    如果说各个指标项有着自己的权重,那么就需要单独用一列表示‘指标项权重值’,‘指标项权重’是可选项,如果没有此数据,默认各个指标的权重完全一致。

    指标项这一列只需要研究人员自己知道就好,并不需要放入分析框中。

    下图格式里面,各评价项的数字代表选择百分比,比如指标项1时,评价项1的选择比例为0.2即20%,评价项2的选择比例是0.5即50%。研究人员也可以输入选择个数而不是比例,不论是输入比例还是选择数字,SPSSAU默认都会进行归一化处理让同一个指标项下,各评价项的比例加和为1。

    模糊综合评价的数据格式如下图所示:

  • 8、AHP层次分析【综合评价>AHP层次分析】

    AHP层次分析法的数据格式(即判断矩阵)最为特殊,如下图,研究人员可修改指标项名称,以及白色单元格内的数字即可。判断矩阵是‘下三角’完全对称矩阵,因此‘白色’底纹处的信息变化时,‘蓝色’背景的信息会自动变化。

    SPSSAU系统的问卷研究》权重模板里面,也可以进行AHP层次分析,但是数据格式要求是问卷研究时的数据格式,而非‘判断矩阵’格式。如果使用问卷研究》权重分析,SPSSAU会自动将问卷研究的数据进行转化处理成‘判断矩阵’格式后进行分析。具体可参考此页面说明: https://spssau.com/helps/questionnaire/quesweight.html

  • 9、ARIMA模型【计量研究>ARIMA预测】

    ARIMA模型是针对时间序列数据进行研究,时间序列的格式包括时间和实际分析项共两列。比如下图中年份就是时间项,“阿里双十一销售额(亿元)”就是实际分析项。分析时并不需要设置时间项,但研究人员整理的数据一定是类似如下图,从上至下的日期递增,因为算法在分析时也是默认按照从上至下递增进行计算。

  • 10、面板模型【计量研究>面板模型】

    面板模型是针对面板数据进行分析,面板数据是一种特殊的数据格式。比如当前研究100家公司5年的财务数据。100家公司,每家5年,最终会有100*5=500行数据。

    如果说100家公司全部都有完整的5年数据,即100*5=500行数据,这种叫平衡面板数据。如果说某家公司只有3年的数据,意味着有2年的缺失数据,这种叫非平衡面板数据。

    使用SPSSAU进行分析时,‘个体ID’就是下图中的‘公司编号’,‘时间’就是下图中的‘年份’。‘公司编号’一般是指上市公司的股票代码,也或者只是个编号均可;‘年份’一般是指年或者时间点。‘公司编号’和‘年份’两项共同用于告诉系统当前为面板数据,通常无其它意义。

  • 11、Kendall协调系数【实验/医学研究>Kendall协调系数】

    Kendall协调系数研究评价多个‘评价者’对多个‘评价对象’的一致性情况。比如4个评委对于10个选手的打分一致性,评价者即评委为4个(即4列),选手即评价对象为10个(即10行)。

    数据格式上,通常1列标识1个评价者,1行标识1个评价对象。这是SPSSAU默认格式;但有时候反过来1列标识1个评价对象,1行标识1个评价者,如果是这样则需要在参数处设置为‘评价者(行)’即可。

  • 12、Kappa【实验/医学研究>Kappa】

    Kappa一致性系数研究2个措施(比如2种诊断方法,2个医生,2个评委)对于评价对象(比如病人、选手)的一致性情况。

    数据格式上,SPSSAU共支持两种即‘加权’和‘不加权’格式。如果是‘加权’格式如下图:A列和B列分别代表2个措施(医生),单独用一列标识对应医生诊断的病例数量。‘加权’格式时,一定需要把权重加权项放入对应的框中才可以。

    如果是‘不加权’格式,那么没有权重列。只需要两列原始数据即可。

  • 13、灰色关联法【综合评价>灰色关联法】

    灰色关联法研究数据之间的关联程度,即特征序列与母序列的关联性情况。母序列单独使用一列标识,每个特征序列都使用1列标识。下图中样本编号只是个编号无实际意义,用于标识下样本的ID号,一般是比如年份一类的数据信息,分析时并不需要使用。

  • 14、熵值法【综合评价>熵值法】

    熵值法用于指标的权重情况。1个指标占用1列数据。下图中样本编号只是个编号无实际意义,用于标识下样本的ID号,一般是比如年份一类的数据信息,分析时并不需要使用。

  • 15、熵权TOPSIS【综合评价>熵权TOPSIS】。

    熵权TOPSIS法用于研究指标与理想解的接近度情况。1个指标占用1列数据。1个研究对象为1行,但研究对象在分析时并不需要使用,SPSSAU默认会从上到下依次编号。

  • 16、TOPSIS【综合评价>TOPSIS】。

    TOPSIS法用于研究指标与理想解的接近度情况。1个指标占用1列数据。1个研究对象为1行,但研究对象在分析时并不需要使用,SPSSAU默认会从上到下依次编号。

  • 17、权重【问卷研究>权重】。

    问卷研究模块中和权重计算,其包括AHP层次分析法和优序图法。1个样本为1行,1个计算权重的指标占1列数据即可。即直接使用正常的问卷研究数据即可。

  • 18、方差【进阶方法>双因素方差,三因素方差,多因素方差,协方差】

    只要是方差分析,不论是单因素方差(通用方法>方差),也或者进阶方法中的双因素方差,三因素方差,多因素方差和协方差。其均是研究X对于Y的差异,1个X均占用1列,1个Y也占用1列,如果有协变量那么1个协变量占用1列。数据格式类似如下:

  • 19、象限图【可视化>象限图】

    象限图可把数据点投影到坐标中去,数据点包括X轴和Y轴两个属性,因此占用2列,以及某个数据点的意义(即标签项)也占用1列,‘标签项’是可选,如果有标签,系统会以设定好的标签进行展示点的标签信息;如果没有标签项,系统就不进行展示标签信息。数据格式类似如下:

  • 20、RSR秩和比

    RSR秩和比可分析研究对象在‘研究指标’上的综合表现水平情况。数据格式上需要1列表示1上研究指标,1行表示1个研究对象,如下图所示:

  • 21、耦合协调度

    耦合协调度研究不同系统之间的耦合协调情况,因此1列表示1个系统的数据,1行表示1个研究对象,其数据格式如下图所示:

    • 特别提示:
    • 很多时候1个系统会由多个指标构成,因此‘系统’数据并不是直接就有,而是需要使用比如熵值法或主成分分析法等得到‘综合得分’数据来表示,具体可查看对应的 耦合协调度手册

  • 22、Ridit分析

    Ridit分析研究X与Y的差异,X是定类数据,Y通常是定距数据。SPSSAU共支持不加权和加权两种格式。如果是不加权格式,即1行代表1个研究对象(样本),其数据格式如下图所示:

    除此之外,SPSSAU进行Ridit分析时,也支持加权数据格式,即汇总数据,比如下图中X有2种情况,Y有3个情况,一种有2*3=6种组合,数据信息只有6种组别的汇总项(即加权项),分别是40,10,20,30,20,50;相当于总共有170个样本,如果是使用常规格式(即非加权格式),此时应该有170行;但加权格式则只需要6行即可表示,如下图:

  • 23、条件logit回归

    条件logit回归通常在病例对照实例时使用,即数据具有配对性,比如一个病例和若干个对照匹配即1:1,常见是1:M(M <=3),即1个病例和1或2或3个对照匹配。那么在数据准备时就需要有‘配对编号ID’列,用于标识配对信息,其数据格式类似如下:

  • 24、ICC组内相关系数

    ICC组内相关系数通常可用于重测信度分析等,比如有3个医生对于5个病人的智商打分一致性。那么需要有3个医生的数据,1个医生为1列即可,其格式类似于配对数据,如下图所示:

  • 25、卡方拟合优度

    卡方拟合检验分析定类数据各项的占比差异情况,SPSSAU可支持两类数据格式,一种是常规格式(非加权格式),另外一种是加权数据格式。

    上图为常规格式(即非加权格式),一行代表一个样本,一列代表一个属性,将全部的原始数据信息列出即可。

    很多时候只有汇总数据,即带加权项的数据,比如下图中研究项有3种情况,每种情况时样本量分别是40,10,20;相当于总共有70个样本,如果是使用常规格式(即非加权格式),此时应该有70行;但加权格式则只需要3行即可表示,如下图。

  • 26、配对Wilcoxon

    配对数据的格式相对较为特殊,包括配对Wilcoxon,配对t 检验,或者配对卡方等。比如实验组和对照组数据的差异。如下图:

    配对数据一般是在实验时使用,而且配对数据的特点为:行数一定完全相等并且只有两列。如果研究数据的行数不相等,那可能不是配对数据,如果还想对比差异,可能需要使用非参数检验。非参数检验和配对Wilcoxon的数据格式不一样,需要特别注意。

  • 27、对应分析

    对应分析研究多个定类数据的关系情况。使用SPSSAU问卷研究模块下的对应分析时,SPSSAU可支持两类数据格式,一种是常规格式(非加权格式),另外一种是加权数据格式。

    上图为常规格式(即非加权格式),一行代表一个样本,一列代表一个属性,将全部的原始数据信息列出即可。

    很多时候只有汇总数据,即带加权项的数据,比如下图中X有2种情况,Y有3个情况,一种有2*3=6种组合,数据信息只有6种组别的汇总项(即加权项),分别是40,10,20,30,20,50;相当于总共有170个样本,如果是使用常规格式(即非加权格式),此时应该有170行;但加权格式则只需要6行即可表示,如下图。

  • 28、KANO模型

    KANO模型研究功能/服务的需求优先级情况。其一般使用问卷形式收集数据,而且一个功能/服务会有正向题和负向题两项。并且其只支持5个选项,即数据只能是1,2,3,4,5共5个数字。1行代表1个测量样本,1列表示1个属性,类似数据格式如下图:

  • 29、灰色预测模型

    灰色预测GM(1,1)模型通常针对数量非常少的样本进行预测,如果数据带有时间项,其并不纳入分析项中,但自己整理数据时一般需要将数据依次按时间排序好录入数据,类似数据格式如下图:

  • 30、广义估计方程

    广义估计方程GEE是针对纵向数据(重复测量数据或面板数据)等进行分析,因此数据中需要有一列为‘subjectID’用于标识测量对象的ID号,而且该ID号一般会重复出现多次(比如一个人同时测量了5次,则该人的ID号会出现5次),类似数据格式如下图:

  • 31、Poisson回归

    Poisson回归时,如果数据中带有基数,比如‘患癌症’人数是Y,而且患癌症人数是基于某个省而言,那么基数就是‘每省的人口总数’,类似数据格式如下图:

  • 32、负二项回归

    负二项回归时,如果数据中带有基数,比如‘患癌症’人数是Y,而且患癌症人数是基于某个省而言,那么基数就是‘每省的人口总数’,类似数据格式如下图:

  • 33、PSM倾向得分匹配

    倾向得分匹配时,研究变量一定只能包括数字0和1,特征项的数据特征并无特别要求,类似数据格式如下图:

  • 34、剂量反应

    剂量反应时总共数据为3列,分别是dose, total, responses;dose表示剂量值,responses表示dose水平时出现反应的case数量,total表示某剂量水平时的总共case数量,类似数据格式如下图:

  • 35、Cox回归

    Cox回归生存分析时,因变量包括两项,分别是Y1生成时间和Y2生存状态,Y2生存状态一定只能包括2个数字分别是0和1,至于X或分层项的数据特征不固定,分层项在分析时为可选,没有也没关系,类似数据格式如下图:

  • 36、Kaplan-Meier

    Kaplan-Meier分析时,因变量包括两项,分别是Y1生成时间和Y2生存状态,Y2生存状态一定只能包括2个数字分别是0和1,类似数据格式如下图:

  • 37、TSLS两阶段最小二乘回归

    TSLS两阶段最小二乘回归时,包括4种类型的数据,分别是因变量1个,工具变量,内生变量和外生变量;工具变量的个数一定要大于等于内生变量的个数;外生变量可有可无,类似数据格式如下图:

  • 38、条件logsitic回归

    条件logit(logistic)回归时,配对编号ID用于标识ID,而且是配对,因此一个ID会出现多次,比如1:1配对,那么1个ID就会出现2次(1:2配对时,1个ID就会出现3次);因变量Y一定只能包括数字0和1,类似数据格式如下图: