SPSSAU错误码说明

在使用SPSSAU软件时,会出现一些提示信息,SPSSAU将其分为四类,分别是‘数据上传’类,‘算法无法计算’类,‘算法基本要求’类,和‘账号权限’类。具体说明如下:

  • 第1类提示:数据上传

    编号 提示
    1 没有有效数据!
    2 文件数据不对!
    3 数据超过5万条!
    4 文件超过1024列!
    5 上传文件出错!
    6 文件超过10M!

    SPSSAU当前支持最高10M,且5万条以内,最多1024列数据。如果数据量过大,建议查看是否EXCEL文件中有非常多的颜色格式,也或者非常多的文字数据。建议另存为CSV格式,并且清除EXCEL数据中的颜色格式等,删除不必要的文字数据等,让文件符合SPSSAU要求后再上传即可。

    如果提示“没有有效数据”,“文件数据不对”或者“上传文件出错”,建议进行以下检查,分别如下:

    • 1.规范的数据格式中第1行为标题,是否本身应该有标题,但是为空没有标题。

    • 2.EXCEL数据中有合并单元格或者‘间隔性空列数据’等。建议清除合并单元格,并且去掉空列数据等。

    • 3.数据中有外链,比如数据中写了公式链接到另外一个文档的数据。

    • 4.如果依旧无法解决,建议在SPSSAU页面上方客服中心反馈,并且附件发送原始数据,客服会处理好后返回。

  • 第2类提示:算法无法计算

    编号 提示
    1 数据质量异常!
    2 计算中出现奇异矩阵,可能用错研究方法,请查看帮助手册
    3 更新数据出错
    4 数据量过大,保存/更新数据出错
    5 训练数据中出现未知类别

    使用SPSSAU进行分析时,如果提示‘数据质量异常’,建议按照以下步骤进行检查:

    • 1.是否有共线性问题,使用通用方法里面的相关分析进行查看,如果有出现相关系数值非常大(比如大于0.7)的项,那么需要从模型中移除出去;

    • 2.分析项间完全没有关系,某些算法是要求数据间有着相关关系(这也是可进行某些算法的前提条件),建议使用通用方法里面的相关关系进行查看,将相关系数值非常低且没有呈现出显著性(比如小于0.2且没有呈现出显著性)的项从模型中移除出去后再次进行分析;

    • 3.不符合算法的数据格式要求,具体每个算法对于数据格式均有着要求,具体可查看研究方法数据格式文档

    • 4.样本量过少,很多算法对于样本量有着内部要求。一般情况下,样本量至少大于分析项的个数,比如仅10个样本但是分析项却有20个,这种情况很可能出现数据质量异常;建议使用通用方法里面的描述分析,查看各分析项的样本量情况;

    • 5.数据之间本身就有着逻辑问题。比如使用生成变量的平均值功能,将(X1,X2,X3,X4共4项)生成变量求平均值得到变量X;但是分析的时候却将该5项一并放入模型中分析;

    • 6.如果进行过上述查看后依旧有问题,建议发送‘操作截图’和‘右上角我的数据点击分享按钮的分享链接’共两项,在客服中心提问反馈,工作人员会查看后反馈。

    如果提示‘计算中出现奇异矩阵,可能用错研究方法,请查看帮助手册’,通常会在因子分析或主成分分析等方法时出现,当然其它多种方法均有可能出现‘奇异矩阵’的提示。一般出现奇异矩阵提示时检查步骤如下:

    • 1.是否有共线性问题,使用通用方法里面的相关分析进行查看,如果有出现相关系数值非常大(比如大于0.7)的项,那么需要从模型中移除出去;

    • 2.分析项间完全没有关系,某些算法是要求数据间有着相关关系(这也是可进行某些算法的前提条件),建议使用通用方法里面的相关关系进行查看,将相关系数值非常低且没有呈现出显著性(比如小于0.2且没有呈现出显著性)的项从模型中移除出去后再次进行分析;

    • 如果进行过上述查看后依旧有问题,建议发送‘操作截图’和‘右上角我的数据点击分享按钮的分享链接’共两项,在客服中心提问反馈,工作人员会查看后反馈。

    如果在分析时出现提示‘更新数据出错’,‘数据量过大,保存/更新数据出错’,‘训练数据中出现未知类别’,建议在客服中心提问反馈,工作人员会查看后反馈。

  • 第3类提示:算法基本要求

    使用SPSSAU进行数据研究时,很可能出现数据并不符合算法的基本要求,因此无法进行分析,SPSSAU会提供对应的错误提示。具体如下说明:

    • 1.没有有效数据!
    • 如果提示‘没有有效数据’,那么可先做下通用方法里面的描述分析,查看实际的分析样本量情况。一般情况下算法均会要求分析样本量的个数大于分析项个数。如果确实样本太少(或者缺失数据过多),建议加大样本量,也或者减少分析项的个数。

    • 2.X的组别只能为两组(比如男和女)!
    • 在使用独立样本t 检验时,其原理上是对比两组数据的差异,比如性别分为男和女共两组的差异。如果出现此提示,那么建议先做下频数分析,查看数据是否确实仅为两类。

    • 3.有效样本量不足!
    • 如果提示‘有效样本不足’,那说明分析项进入算法的样本量较低,不符合算法基本要求,建议加大样本量,也或者减少分析项个数。通常是先使用描述分析查看下分析项的样本量情况。

    • 4.自变量共线性,可考虑使用逐步回归,或者岭回归(Ridge回归)
    • 在进行线性回归分析时,如果自变量X之间的共线性太严重,则会出现此提示;建议先做下相关分析,查看下X之间的相关关系情况,将相关系数值太高(比如大于0.8且显著)的项从模型中移除出去之后,再次进行分析。

    • 如果确认数据之间有着高相关关系属于正常现象,那么考虑换用进阶方法里面的逐步回归,或者岭回归分析等。

    • 5.某项分类数过多,可能用错研究方法,请检查!
    • 有的研究方法是要求某分析项(比如多分类logit回归或者有序logit回归时)的因变量Y为定类类别数据。如果说分析项为定量数据(或者类别数据太多),那么就会出现此提示。出现此种提示是很可能是使用了错误的研究方法,建议查看研究方法选择页面说明

    • 如果确认数据就应该是类别数据,那么此时可使用数据处理里面的数据编码功能,将类别进行合并成较少的组别后再次进行分析即可。

    • 6.Y值只能为0或1
    • 有的研究方法是要求某分析项(比如二元logit回归或者cox回归等)的因变量Y为二分类数据且数字只能为0和1,建议查看研究方法选择页面说明

    • 如果数据是二分类数据但并不是0和1,那么可使用数据处理里面的数据编码功能,将数据编码成0和1之间再次分析即可。

    • 7.X的组别数量至少为2,请使用频数分析check.
    • 有的研究方法是要求某分析项(比如双因素方差/三因素方差等)的自变量X为定类类别数据。建议查看研究方法选择页面说明

    • 以及建议使用频数分析查看数据是否为定类数据。

    • 8.聚类个数达不到目标数量
    • 聚类分析时如果数据质量不高,那么可能出现无法聚类的情况,此时建议减少聚类类别数量,当然也可以更换聚类分析项,与此同时,建议加大样本量(因为样本量与聚类效果有着一定联系)。

    • 9.模型没有识别出显著自变量!
    • 逐步回归时,可能出现无法识别出显著自变量,这是正常现象,建议先进行相关分析后查看数据相关性,也或者更换分析项后再次分析。

    • 10.模型质量糟糕导致容差为0,VIF值无穷大(请检查共线性,或使用岭回归(Ridge回归)分析)
    • 在进行线性回归分析时,如果自变量X之间有着绝对的共线性,则会出现此提示;建议先做下相关分析,查看下X之间的相关关系情况,将相关系数值太高(比如大于0.8且显著)的项从模型中移除出去之后,再次进行分析。

    • 11.某项分类数过多或类别样本数量过少,请检查!
    • 比如在进行双因素或三因素方差等分析方法时,如果X的类别数量过多,说明其并不适用于该分析方法,建议改用比如通用方法里面的方差分析即可。

    • 建议查看研究方法选择页面说明

    • 12.Y的选项个数过少/过多
    • 有的研究方法是要求某分析项(比如多分类logit回归或者有序logit回归时)的因变量Y为定类类别数据。如果说分析项为定量数据(或者类别数据太多,或者太少小于3个类别),那么可能会出现此提示。出现此种提示是很可能是使用了错误的研究方法,建议查看研究方法选择页面说明

    • 如果确认数据就应该是类别数据,那么此时可使用数据处理里面的数据编码功能,将类别进行合并成较少的组别后再次进行分析即可。

    • 13.样本量过大不适合进行GM(1,1)模型
    • GM(1,1)模型仅适用于小样本量,通常小于100个样本的数据进行预测,如果样本量过大说明并不适合进行GM(1,1)模型,建议可考虑改用其它预测方法比如计量研究里面的arima模型。

    • 14.至少需要选中两个标题
    • 在数据处理设置无效样本时,需要至少选中两个标题才能进行设置,因为无效样本的差别标题是多个标题下,数据的重复出现情况判断,然后标识是否为有效样本。

    • 15.数值不能小于0
    • 比如在进行对应分析(也或者剂量反应)时,数据不能出现小于0,对应分析时数据的实际意义是类别。剂量反应时剂量的实际意义就应该大于0。建议查看研究方法选择页面说明

    • 16.参数错误!
    • 当出现参数错误时,建议刷新页面后重新分析,如果还有问题,建议发送‘操作截图’,在客服中心提问反馈,工作人员会查看后反馈。

    • 17.分类数据必须为整数
    • 有的研究方法是要求某项为分类数据,而如果数据中有小数,则不会被接受。建议右上角我的数据查看原始数据。也或者进行频数分析查看数据中是否出现小数。

    • 18.因变量选项个数至少为3个,请使用数据编码功能检查
    • 有的研究方法是要求某分析项(比如有序logit回归时)的因变量Y为定类类别数据。如果说分析项类别数据太少小于3个类别,那么可能会出现此提示。出现此种提示是很可能是使用了错误的研究方法,建议查看研究方法选择页面说明

    • 19.因变量选项频数分布严重不均匀
    • 在进行有序logit回归时,如果因变量各选项的选择严重分布不均匀,并不适合进行有序logit回归。建议改用多分类logit回归即可。

    • 20.暂无此正交表
    • SPSSAU提供163个正交表,可点击查看具体正交表情况

    • 21.Y值恒定
    • 如果出现“Y值恒定”,说明因变量Y完全固定为一个数字,建议使用描述分析或者频数分析进行查看。

    • 22.因变量应该为有序定类数据,可能用错方法,请查看帮助手册
    • 有的研究方法是要求某分析项(比如有序logit回归时)的因变量Y为定类类别数据。如果说分析项为定量数据,那么就会出现此提示。

    • 如果确认数据就应该是类别数据,那么此时可使用数据处理里面的数据编码功能,将类别进行合并成较少的组别后再次进行分析即可。

    • 23.某项为非定类数据!
    • 有的研究方法是要求某分析项为定类类别数据。如果说分析项为定量数据(或者类别数据太多),那么就会出现此提示。出现此种提示是很可能是使用了错误的研究方法,建议查看研究方法选择页面说明

    • 如果确认数据就应该是类别数据,那么此时可使用数据处理里面的数据编码功能,将类别进行合并成较少的组别后再次进行分析即可。

    • 24.一次仅处理1个标题,请选中1个标题
    • 比如在数据处理里面的哑变量设置时,SPSSAU一次仅对一个哑变量进行设置。

    • 25.该标题可能不是定类数据,或者不需要设置虚拟(哑)变量,请查看帮助手册
    • 进行数据处理里面的哑变量设置时,哑变量设置仅针对定类数据,如果说某项并不是定类数据,那么就会出现此提示。

    • 如果确认数据就应该是类别数据,那么此时可使用数据处理里面的数据编码功能,将类别进行合并成较少的组别后再次进行使用即可。

    • 26.分组项需要为定类数据
    • 有的研究方法是要求某分析项(比如分组回归)的分组项为定类类别数据。如果说分析项为定量数据(或者类别数据太多),那么就会出现此提示。出现此种提示是很可能是使用了错误的研究方法,建议查看研究方法选择页面说明

    • 如果确认数据就应该是类别数据,那么此时可使用数据处理里面的数据编码功能,将类别进行合并成较少的组别后再次进行分析即可。

    • 27.数据量过多,可能用错研究方法,请检查!
    • 有的研究方法(比如PLS回归)仅适用于小样本量分析,如果样本量过大则不适用,建议查看SPSSAU对应的帮助手册中有详细说明。

    • 28.某标题数字恒定,请检查数据!
    • 如果出现‘数字恒定’的提示,建议使用频数分析或者描述分析查看下,也可以点击右上角我的数据查看原始数据。

    • 29.生存状态只能为数字0和1
    • 生存分析(或KM分析时)的因变量Y仅为二分类数据且数字只能为0和1,建议查看研究方法选择页面说明

    • 如果数据是二分类数据但并不是0和1,那么可使用数据处理里面的数据编码功能,将数据编码成0和1之间再次分析即可。

    • 30.类别数目过多!
    • 如果出现‘类别数目过多’的提示,建议使用频数分析或者描述分析查看下,也可以点击右上角我的数据查看原始数据。

    • 31.类别数多于可用样本数
    • 如果出现‘类别数多于可用样本数’时,说明相对于分析项而言,样本量太少。比如有10个分析项,但仅5个样本。建议减少分析项,也或者加大样本量。

    • 32.分组项某项样本量过少
    • 提示‘分组项某项样本量过少’时,建议先做下频数分析或分类汇总功能,查看各个组别时的样本量情况。

    • 33.分析样本数量低于X的个数
    • 如果出现‘分析样本数量低于X的个数’时,说明相对于分析项而言,样本量太少。比如有10个分析项,但仅5个样本。建议减少分析项,也或者加大样本量。

    • 34.对比数字格式错误,请输入正确的数值.
    • 进行单样本T检验时,可能出现此提示,建议查看输入的对比数字是否为英文数字。

    • 35.加权项数据必须为整数
    • 如果使用加权数据格式,比如卡方检验/对应分析/卡方拟合优度检验等方法时,加权项的实际意义是整数而不能是小数。

    • 36.数据量过多!
    • 有的研究方法(比如PLS回归)仅适用于小样本量分析,如果样本量过大则不适用,建议查看SPSSAU对应的帮助手册中有详细说明。

    • 37.数据必须是1-5!
    • 比如在进行KANO模型分析时,SPSSAU定义的数据格式时,数据必须是1,2,3,4,5共五个数字。如果出现此提示,建议做下频数分析进行查看。与此同时,可使用数据处理里面的数据编码功能进行数据编码后再分析即可。

    • 建议查看研究方法选择页面说明

    • 38.数据不能为负!
    • 比如进行模糊综合评价时,算法上要求数据不能小于0,建议查看研究方法选择页面说明

    • 39.时间项不同数字个数过多!
    • 面板模型时,SPSSAU规定时间项不同数字个数不能超过50个。

    • 40.数据需要介于1~5且整数!
    • 比如在进行KANO模型分析时,SPSSAU定义的数据格式时,数据必须是1,2,3,4,5共五个数字。如果出现此提示,建议做下频数分析进行查看。与此同时,可使用数据处理里面的数据编码功能进行数据编码后再分析即可。

    • 建议查看研究方法选择页面说明

    • 41.数据需要为0或1!
    • 有的研究方法是要求某分析项的数据只能为0或1,建议查看研究方法选择页面说明

    • 如果确认数据可以进行分析仅数字不为0或1,那么此时可使用数据处理里面的数据编码功能,将数字进行编码后再次进行分析即可。

    • 42.responses值小于total,请检查!
    • 剂量反应分析时,实际意义上,剂量反应的数量一定会小于等于总试验量,建议查看研究方法选择页面说明

    • 43.多选题数据格式错误!
    • 多选题时,规范的数据格式为数字1表示‘选择’,数字0表示‘未选择’,建议查看研究方法选择页面说明

    • 44.Treated和Time只能数字0和1
    • DID模型时有要求treated和time这两项的数字只能为0和1,建议查阅SPSSAU对应的帮助手册说明,建议查看研究方法选择页面说明

    • 45.某条件下样本量不足!
    • 出现此提示时(比如DID模型时),treated和time共2*2=4种组合,那么4种组合条件下,分别均应该有样本量才可以。

    • 建议查阅对应的帮助手册说明,建议查看研究方法选择页面说明

    • 46.样本数据只能为0~10!
    • NPS分析时,SPSSAU规定数据必须介于0~10之间共计11个数字,建议查阅对应的帮助手册说明。

    • 另可使用数据处理里面的数据编码功能,将类别进行编码后再次进行分析即可。

    • 47.请检查是否为正交数据!
    • 极差分析一般适用于正交实验数据,如果SPSSAU检测到数据并非正交数据则会进行提示,建议查看对应的帮助手册,以及建议查看研究方法选择页面说明

  • 第4类提示:账号权限

    编号 提示
    1 该用户在别处登录,本地已下线!
    2 访问数据错误!
    3 权限错误!
    4 文档数达到上限
    5 验证码验证失败!
    6 优惠券不存在!
    7 优惠券已使用
    8 优惠券过期
    9 手机号已经存在!
    10 优惠券码错误
    11 权益天数不足!
    12 过滤数据出错!
    13 数据选择出错!
    14 用户未登录,或登录信息已过期!
    15 用户名/手机号已经被占用!
    16 用户名或密码错误!
    17 手机号码无效!
    18 分享已失效或删除
    19 分享密码错误!
    20 发送验证码失败!
    21 该分析结果已删除!
    22 数据未设置任何标签!

    当前SPSSAU仅支持账号单人使用,如果在不同浏览器或者不同电脑设备上使用同一账号,则会提示‘该用户在别处登录,本地已下线!’。如果说同一浏览器登录过不同账号,比如A和B账号,使用A账号访问了B账号的数据等,则会提示‘访问数据错误!’或者‘权限错误等’,或者‘过滤数据出错’,‘数据选择出错’等。

    SPSSAU支持手机号注册,也或者微信扫码登录后绑定手机号等。如果已经使用手机号注册,此时就不能再绑定微信扫码登录等。

    优惠码使用时,请注意区分大小写,是否有空格等。

    关于分析结果或者数据的分享上,A用户将结果或者数据进行分享出去,与此同时A用户随时可删除结果或数据,也或者修改密码等,此时可能提示‘分享失效或删除’,或者‘分享密码错误’等。