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
  6	某项数字恒定！
  7	某两项相关系数为 1！
  8	某两项相关系数为-1！
  9	数据格式不对!

  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：

  • 重要建议：当出现质量异常或奇异矩阵等提示时，建议使用‘进阶方法’的共线性分析，系统会自动寻找出共线性很强的项，并且提供智能分析建议，通常按照系统建议进行处理后即可正常输出结果。

  • 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：

  • 重要建议：当出现质量异常或奇异矩阵等提示时，建议使用‘进阶方法’的共线性分析，系统会自动寻找出共线性很强的项，并且提供智能分析建议，通常按照系统建议进行处理后即可正常输出结果。

  • 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。

  如果在分析时出现提示‘某项数字恒定！’，意味着某分析项（标题）全部均为一个恒定数字，建议使用通用方法里面的描述分析进行查看（最小值和最大值完全相同）。将该项移除后再次分析即可。 另特别提示：免费版仅分析前100行数据，建议 开通会员 后再次分析。

  如果在分析时出现提示‘某两项相关系数为 1！’，意味着分析项中至少有2项出现相关系数为1(绝对共线)，建议使用通用方法里面的相关分析进行查看。将相关系数为1的项移除后再次分析即可。 另特别提示：免费版仅分析前100行数据，建议 开通会员 后再次分析。

  如果在分析时出现提示‘某两项相关系数为-1！’，意味着分析项中至少有2项出现相关系数为-1(绝对共线)，建议使用通用方法里面的相关分析进行查看。将相关系数为-1的项移除后再次分析即可。 另特别提示：免费版仅分析前100行数据，建议 开通会员 后再次分析。

  如果在分析时出现提示‘数据格式不对!’，意味着数据格式不满足基本算法要求，建议查看数据格式

• 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。

  • 48.分析框已放入但提示需要将标题放入分析框中？

  • 如果已经放入分析项到右侧框中，但却提示需要放入分析项。此时请查看是否使用浏览器的翻译功能，如果有则取消翻译功能即可，如果需要使用英文版本的spssau，点击logo处的eng即可切换英文版本。

  • 49.某组样本量不足!

  • 如果出现此提示，意味着某个组别下样本量低于最低算法要求，该提示可能会出现在在比如分组回归、二元logit回归、有序logit回归、多分类logit回归等方法时。建议进行频数分析查看某定类数据时，是否存在某项样本量较少的问题。建议将样本量较少项合并到其它组别（使用数据处理->数据编码功能）后再次分析即可。

  • 另特别提示：免费版仅分析前100行数据，建议升级会员后再次分析。

  • 50.样本量过多!

  • 部分研究方法会限制分析样本量数量，比如数据包络分析限制最多1000条数据。

  • 51.价格格式数据时数字需要介于1~4之间！

  • 价格敏感度PSM模型时，数据格式要求，数字一定需要介于1~4之间，建议查看数据格式。

  • 52.初始值不能0!

  • 如果研究中选择‘初值化’处理，原理上‘初值化’处理是指从第2行样本起，需要除以第1行样本数据，被除数不能为0，建议查阅原始数据。

  • 53.没有uncensored数据!

  • 比如Tobit回归模型等，设置的删除切断点后不合理，比如本身数据最小值为5，但是左删除设置为数字1，明显左侧没有数据，此种情况则会出现该提示。

  • 54.态度格式数据时数字需要介于1~100之间!

  • 价格敏感度PSM模型时，数据格式要求，数字一定需要介于1~4之间，建议查看数据格式。

  • 55.投入项不能全部为0!

  • 数据包络模型分析时，SPSSAU基于最大化产出数据模型进行计算。因而被除数为投入项，当投入项全部均为数字0时，此时则会出现该提示。

  • 56.Group项需要为二分类数据!

  • 比如在分层卡方研究时，group项只能为二分类（即两个不同数字），建议使用频数分析进行查看。

  • 57.类别过少，请检查数据!

  • 比如在对应分析时，其研究类别数据之间的关系情况，如果某个定类项的选项过少，则会出现该提示。

  • 58.Outcome项需要为二分类数据!

  • 比如在分层卡方研究时，outcome项只能为二分类（即两个不同数字），建议使用频数分析进行查看。

• 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。