正确的数据格式是进行数据分析的基础，最近SPSSAU后台收到了很多小伙伴有关上传数据格式的提问——

正确的数据格式是怎样的？

特定方法所需的数据格式是怎样的？

如何上传带数据标签的数据？

为什么数据上传后与预期不一致无法正常显示？——多数由于存在合并单元格

为什么上传提示“无有效数据”？——多数由于数据未放在sheet1中

为解答这些普遍存在的困惑，本文将对数据分析常用方法中具有代表性的分析方法所需的数据格式进行系统梳理和详细说明，帮助研究者更有效地开展数据分析工作。

下面本文将分模块介绍以下30+常用方法数据格式，大家可以先收藏，等后续分析要用到哪种方法再来对照查看该方法的数据格式即可。

一、规范格式说明

1、原始数据格式

我们在进行数据分析时，最常见的数据格式是原始数据格式。

下图是一份常见的原始数据，它的特点是：一行代表一个样本，一列代表一个变量。调查有多少样本，就需要录入多少行数据；如果调查了500个样本，那么就需要录入500行数据。每一行代表每个样本收集的所有数据，每一列代表每个变量的所有数据。

绝大多数分析方法都是使用原始数据格式上传分析的，例如SPSSAU中计量经济研究模块、机器学习模块、空间计量模块中的绝大多数方法都是上传原始数据格式即可。

2、加权数据格式

除原始数据格式外，还有一些分析方法还会使用到加权数据格式，在医学/实验研究中，很多时候只有汇总数据，即带加权项的数据，如卡方检验等。下图为卡方检验的加权数据，加权数据格式的特点是：基本只针对全部为定类数据的研究时使用，且只提供汇总数据，不提供原始数据。

上传提示“无有效数据”或上传数据与预期不一致怎么办？

如果提示无有效数据等，请按以下几步检查。

第一：如果EXCEL上传，数据应该放在第一个工作表里面，如果不是请调整后再上传。

第二：EXCEL数据中不能合并单元格，如果有合并单元格，请取消合并。

第三：数据第1行一定是标题，如果本该有标题但是为空，请处理后再上传。

3、带数据标签的数据格式

如何上传带‘数据标签’的数据文档?如果说希望上传数据的时候直接上传数据标签，而不是通过“数据处理->数据标签”单独设置。那么可以在上传的EXCEL工作里面包括两个工作表名称，第1个是‘data’，第2个是‘tags’。‘data’里面放数据，‘tags’里面放置标签，标签的格式说明如下说明和图示：

一共包括ABC共3列，分别是‘标题’、‘数字’和‘标签’；

‘标题’列放置标题，标题仅在第一次出现时才会显示，而且不能有完全相同一模一样的标题，否则可能会出现解析会出错；

‘数字列’放置数字；‘标签列’放置对应数字的标签信息；

进行数据分析时，单单掌握原始数据格式和加权数据格式还是不够的，接下来从数据分析几大模块分别介绍一些典型的分析方法的数据格式。

二、差异性分析方法

数据分析常用的差异性分析方法有方差分析、t检验、卡方检验，数据格式如下说明。

1、方差分析、t检验

方差分析和t检验都是常见研究不同组别之间差异性的方法，比如不同学历时收入的差异。那么数据中就一定要包括不同组别X（如学历）和分析项Y（如收入）。

有时候只有分析项（比如3个分析项），但是现在希望对比这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：

提示：方差分析（单因素方差）与t检验的区别在于t检验只能对比两类数据之间的差异，而方差分析可对比多组数据之间的差异，但二者数据格式类似。

2、卡方检验

卡方检验用于研究X与Y之间的差异性，并且X与Y均为定类数据。使用SPSSAU中的卡方检验进行研究时，支持常规数据格式和加权数据格式两种形式。常规数据格式适用于原始数据，加权数据格式适用于只有汇总数据的情况。

加权数据格式说明如下：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。整理为加权格式即只需要录入6行即可。

除了卡方检验外，还有一些方法支持加权数据格式，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

3、配对t检验

配对数据的格式比较特殊，例如研究实验组与对照组之间的差异，常见的配对数据研究方法比如配对样本t检验、配对卡方、配对样本Wilcoxon检验等。数据格式如下图：

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。

4、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。

三、影响关系分析方法

影响关系研究时，最常用的方法就是各类回归分析。绝大多数回归分析的数据格式都是原始数据格式（即一列代表一个指标，一行代表一个样本），但也有些比较特殊的。

1、多元线性回归

多元线性回归分析用于研究自变量X对因变量Y的影响关系情况，通常自变量个数不止一个，数据格式如下：

2、条件logit回归

条件logit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：

3、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。
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。

4、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：

四、问卷题数据格式

问卷的数据格式比较特殊，如果是通过问卷星/问卷网/腾讯问卷在网上收集的问卷，可以直接下载CSV格式或者SPSS格式，下载后直接上传到SPSSAU系统进行分析。具体网上问卷下载以及上传方法可以参考帮助手册说明：SPSSAU上传数据

下面对线下收集的纸质问卷需要整理的数据格式进行说明，包括常见的单选、多选、量表题的数据格式。

1、单选题

单选题一列代表一个指标，一行代表一个样本，数字代表被选项。例如下图样本1代表性别为选项2（女士），年龄为选项4（41-50岁）。

2、多选题

问卷研究时会使用到多选题，多选题的数据格式比较特殊，一列代表一个多选题的选项。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：

3、量表题

量表题与单选题类似，如下图：

五、综合评价方法

综合评价时通常包括两大方面：权重计算和综合评价。权重计算最常用方法有AHP层次分析法、熵值法；综合评价常用方法有模糊综合评价、灰色关联法、TOPSIS法和熵权TOPSIS法。分别进行说明。

1、AHP层次分析法

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。

2、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。

如果是面板数据希望进行熵值法，其数据格式如下图所示，比如有100家公司分别5年的指标数据，那么一共就有100*5=500行数据。数据格式上需要如此，但在分析时只需要放入‘指标列’数据即可。

3、模糊综合评价

模糊综合评价是对具有多种属性的事物，综合各因素作出一个总体评价。上传的数据一般包括三个部分：指标项、指标项权重、评价项，数据格式如下图：

• 指标项：为参与评价的考核指标，1行放1个。

• 指标项权重：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’ ，如果没有此数据，则默认各个指标的权重完全一致。

• 评价项：是指类似于{优秀，良好，一般，差} 或{非常满意，满意，一般，不满意，非常不满意}这样的评价标准，1列放1个评价项。

4、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。

5、TOPSIS法&熵权TOPSIS法

TOPSIS法和熵权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。

六、一致性检验方法

一致性检验用于判断不同的模型或者分析方法在产出结果上是否具有一致性、模型的结果与实际结果是否具有一致性等。常用方法有Kappa一致性检验、ICC组内相关系数、Bland-Altman图等。

1、Kappa一致性检验

Kappa一致性检验数据格式上，SPSSAU支持‘加权’和‘不加权’两种格式。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。

2、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：

3、Bland-Altman图

例如当前有医生使用两种方法分别做一项实验，现需要对第1种和第2种方法共两种方法的测量数据进行一致性检验；如果有分组数据，例如研究不同性别，此时只需要把性别group放入对应框中即可，数据格式如下：

七、现状政策类方法

现状政策类分析主要用于分析政策实施的效果和影响，旨在评估特定政策或干预措施对目标群体或现象的实际作用，常用方法如DID双重差分法、倾向得分匹配法等。

1、DID双重差分法

如果是进行双重差分DID分析，那么Treated地区（0代表A类地区即控制组，1代表B类地区即实验组）和time政策实施前后（0代表实施前, 1代表实施后））数据只能包括数字0或者1，并且有对应的被解释变量Y，至于控制变量可有可无，由实际研究情况而定。

如果是多期DID数据，treated只能为数字0或1，数字0标识‘控制组’，数字1标识‘实验组’；time只能为数字0或1，数字0标识‘before’（实验前），数字1标识‘after(实验后)。Treate*time即为交互项，可使用SPSSAU数据处理->生成变量->乘积得到，格式类似如下图：

2、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：

3、Dagum基尼系数

Dagum基尼系数是传统基尼系数的升级，用于衡量和评估收入或财富分配的不平等程度。分析时一定需要有计算项（比如人均GDP），至于group项和时间项可有可无，但通常二者均会有。Group项一般为地区，时间项一般为年份。Group项放入后会进行组间PK，放入时间项时，会循环输出不同时间项的计算结果。数据格式如下：

4、泰尔指数

泰尔指数是一种衡量‘不平均’的指数，比如用于衡量‘贫富差异’。如果是进行泰尔指数计算，通常会涉及group项，比如区域（华北、华南、华东、西南、东北）其层次最高，也或者区域的下一层次省份group（北京、天津、河北、上海、浙江等），以及具体最小单位粒度城市，及其对应的GDP/人口信息数据等。一行代表一个最小粒度1个时间点(通常1年)的数据。类似结果如下图：

八、文本分析

文本分析是针对文本数据进行研究和分析使用，SPSSAU文本分析包括词云分析、文本情感分析、文本聚类分析、社会网络关系分析、LDA主题分析等。

如果是通过excel格式（包括csv/xls/xlsx格式）时，只需要1列数据，将文本全部放置于A列中，A列不需要有标题信息。每行（即每个单元格）存在1个分析文本。类似如下图所示：

如果是txt文档或者粘贴文本进行上传，那么系统会自动过滤掉空行数据，并且以回车键作为每行（即每个分析文本）标志。

以上即为今天常用方法数据格式的全部内容，更多特殊分析方法的数据格式，可以在SPSSAU常见研究方法数据格式说明的帮助手册进行查询（帮助手册页面按 Ctrl+F 查询）