针对数据标签，数据编码，生成变量，异常值和无效样本这五个数据处理功能，直接选中即可，不需要拖拽操作。配合ctrl或者shift键同时选择多项，批量一次性操作处理。

当前SPSSAU共提供约20类数据处理功能，各项功能的计算公式或说明如下表格。

上述中X表示选中的标题，Mean是平均值，Std为标准差，Min为最小值，Max为最大值；

虚拟哑变量请参考此页面详细说明： https://www.spssau.com/helps/otherdocuments/dummy.html

平均值，求和，中位数，乘积，最大值，最小值共六项需要输入新的变量名称；以及在此六项进行计算时，如果原始数据中出现Null，SPSSAU会忽略掉。比如下表中计算效果（选中3列，但标题2中有部分数据为null空值）：

样本编号是指对原始数据加入一新列编号，从1到n进行编号下去。

秩，其实就是数字的排名，比如排第5名，秩就是5。如果原始数据中有相同的数字，则会使用它们的平均排名作为秩。

如果生成变量的功能无法满足需求时，可使用自主性更强的自定义公式进行操作，特别提示公式的函数和名称全部均只支持小写，以及函数名称需要按SPSSAU规范进行，当前公式支持sin、cos、tan、exp、ln、log、sqrt、abs等函数。

关于12种量纲化处理方式的选择使用，请参考此链接： https://www.spssau.com/helps/otherdocuments/dimensionalizeTheData.html

如果数据全部恒定即固定为1个数字时，也或者原始数据中仅1个数字时，此时无法进行标准化处理（因为标准差为0，标准化处理会出错），针对此类异常情况，SPSSAU默认不进行标准化处理

一般指标可分为正向、逆向，适度化三类。比如数字越大越好，那么就称正向指标，数字越大越差就称逆向指标，以及数据越接近某个数字（k值）越好，那么就称其为适度化指标。一般来说，正向指标正向化处理，逆向指标逆向处理，适度化指标适度化处理即可。适度化处理的公式为：-｜x - k ｜。

针对日期格式的某列数据（如2021/1/1，2021-1-1），SPSSAU可对日期数据取年、月、日、周或季度。同时支持两个日期相减处理，相减后的单位为‘天’。 除此之外：可针对数据进行滞后lag处理，或者差分diff处理。如果处理时不放入日期项，则默认数据从第1行往下，依次日期升序。

交互项一般是用于调节作用时使用，其原理为两项相乘，直接使用SPSSAU数据处理->生成变量里面的乘积(交互项)进行设置即可，设置后再放入模型中进行分析即可。

交互项通常是用于调节作用研究使用，其实质是两项的乘积项，可通过spssau生成变量功能进行设置处理，设置后再放入模型中进行分析即可。

如果某个分析项全部均为同1个数字，即最大值=最小值，此时正向化或逆向化公式中的分母为0，即无法进行正向化或逆向化处理，SPSSAU输出的标题与原始数据一致。

截尾处理与缩尾处理均是针对‘异常数据’进行处理的方式，但区别在于截尾处理时直接将‘异常数据’处理成null（而缩尾处理是进行数值填补），SPSSAU默认是小于2.5%分位数值设置为null,大于97.5%的值设置为null。如果设置为0.1,则是最小的5%和最大的5%类似处理。如果选择上侧截尾，则只会将大于97.5%的值设置为null值；如果选择下侧截断，则只会将小于2.5%分位数值设置为null值。

比如gdp增长希望具有稳定性，比如在6%左右最好，太高或者太低都不稳定（即不太好），此时可使用固定值化处理方式，越接近6%越即。如果不输入参数值，默认为0。

比如某指标希望远离0，离的越远越好，此时可使用偏固定值化处理。如果不输入参数值，默认为0。

比如某指标希望介于一定区间内，比如玩游戏时间每天介于0.5~2小时，离这个区间越近越好，此时可使用近区间化处理。如果数据介于此区间此处理成1，反之处理成0~1之间的数字。如果不输入参数值，区间值p和q，分别是1和2。

比如某指标希望偏离某区间内（简单理解为要么更小要么更大），即离这个区间越远越好，此时可使用远区间化处理。如果数据介于此区间此处理成0，反之处理成0~1之间的数字。如果不输入参数值，区间值p和q，分别是1和2。

通常在进行季节性Arima模型时，会针对数据进行季节性差分，选择处理项并且输入周期性（比如12月为一个周期则为12），并且选择差分阶数（正常情况下数据是1阶差分）即可。如果数据并非依次从上至下日期递增，此时可放入日期项，让系统自动结合日期进行排序后进行季节差分。