一、数据处理
1、数据导入
step1：单击【文件】-【打开】-【数据】，弹出【打开数据】对话框。在左上角的【查找范围】找到文件所在位置，下方【文件类型】右侧下拉菜单中根据文件类型选择对应的类型。本文导入的是CSV文件，如下图1-1，单击【打开】，进入【文本导入向导】对话框。
step2：在弹出的【文本导入向导-第1/6步】对话框中（图1-2），观察一下各变量间的安排方式，单击【下一步】。step3：在弹出的【文本导入向导-第2/6步】对话框中，根据本例变量的安排方式选择【分隔】，文件开头是否包含变量名称选择【否】，如图1-3，单击【下一步】。step4：在弹出的【文本导入向导-第3/6步】对话框中，进行个案设置，保持默认设置即可，单击【下一步】，如图1-4。step5：在弹出的【文本导入向导-第4/6步】对话框中，SPSS根据导入数据特点，自动勾选【制表符】分隔符，如图1-5，单击【下一步】。
step6：在弹出的【文本导入向导-第5/6步】对话框中，选中【数据预览】下的变量列，然后依次分别设置【变量名称】和数据格式。单击【下一步】；在弹出的【文本导入向导-第6/6步】对话框中，可根据需要，选择是否保存刚才设置过的格式或者获得导入过程的语法，单击【完成】，就成功导入SPSS了。
2、数据计算
step1：单击【转换】-【计算变量】，弹出【计算变量】对话框。在左上角的【目标变量】中输入计划生成的变量‘AGE’，在右侧【函数组】下拉菜单中找到所需的函数，本例中选择‘抽取日期’，在【函数和特殊变量】下选择‘Xdate.Year’，右上方【数字表达式】框中输入‘2020-XDATE.YEAR(BIRTHDAY)’，如图2-1，单击【确定】。返回‘数据视图’，可以看到生成了行的一列变量‘AGE’，如图2-2。
3、数据清洗
（1）筛选重复项
step1：单击【数据】-【标识重复个案】，弹出【标识重复个案对话框】，将变量'USERID'移到右侧框中，单击【确定】。此后可以看到‘数据视图’中多了变量——‘最后一个基本个案’，其中1代表非重复数据，0代表重复数据，选中此列，鼠标右击，在弹出的菜单中选择【升序排列】，可以看到最小值也为1，说明不存在重复项。由于该列变量在分析时无用，可以删除。
（2）缺失值和异常值处理
step1：单击【分析】 -【描述统计】-【描述】，打开【 描述性】对话框，将‘AGE’变量移到右侧 【变量】框中，勾选下方的【将标准化得分另存为变量（Z）】，如图3-3，单击【确定】。返回‘数据视图’，看到多出变量‘ZAG’，本例中ZAG的绝对值大于2的视为异常值（将±2δ 以外的数据视为异常值），如图3-4。
step2：单击【分析】 -【描述统计】-【探索】，打开【 探索】对话框，将‘ZAGE’变量移到右侧 【因变量列表】框中，勾选下方的【统计量】，如图3-5，单击【确定】。输出图3-6，根据图3-6中统计量可知：样本总计101535个，有效值共计32075个，存在缺失值；极大值和极小值的绝对值大于2，存在异常值。
step3：单击【数据】 -【选择个案】，打开【 选择个案】对话框，勾选右侧【选择】下的【如果条件满足（C）】项，如图3-7，【输出】下方根据需要勾选，本例勾选【过了掉未选定的个案】，单击【如果（I)...】，进入【选择个案：if】对话框。在公式框中输入‘ABS(ZAGE) <= 2&AGE ~= 0’，将缺失值和异常值过滤掉。如图3-8.此后可以看到‘数据视图’中多了变量——‘filter_$，其中1代表被选择，0代表未被选择。如图3-9.
4、数据分组（对年龄）
step1：分组前，先查看一下筛选后的数据情况，单击【分析】-【描述统计】-【频率】，进入【频率】对话框，将‘AGE’移到中间变量框中，点击右侧【统计量】，选择【众数】、【最小值】、【最大值】，点击【继续】如图3-10；点击【图表】，勾选【直方图】，见图3-11,点击【继续】,单击【确定】。从输出结果可以看到，有效值有30201个，年龄最小18岁，最大59岁，同年龄人数最多的是33岁；年龄分布基本服从正态分布。
step2：单击【转换】 -【重新编码为不同变量】，打开【 重新编码为其他变量】对话框，将‘AGE’变量移到中间框中，在右侧【输出变量】-【名称】下输入‘AGE_GROUPS’，点击【更改】，如图3-13。点击【旧值和新值】，进入【 重新编码为其他变量：旧值和新值】，将年龄划分为不同的范围，每个年龄段赋予一个新值，如50岁以上的人，在左下角【范围，从值到最高】下输入50，【新值】下输入4，点击【添加】，如图3-14，单击【继续】，返回原对话框，单击【确定】。进入‘数据视图’界面，生成一列变量‘AGE_GROUPS’，如图3-15.
step3：单击【数据】 -【定义变量属性】，打开【 定义变量属性】对话框将‘AGE_GROUPS’变量移到【要扫描的变量】中，如图3-16，单击【继续】，在【标签】列中输入自定义标签，如图3-17。返回‘数据视图’，单击右上角标签转换按钮，变量值标签发生了改变，如图3-18.
二、数据报表制作
（1）自定义表格形式
step1：单击【分析】 -【表】-【设定表】，进入【设定表格】对话框，依次将性别和年龄分组变量移到行，结果如图4-1，点击【类别位置】下的下拉菜单，选择【列中的行标签】（图4-2）；再依次选中表中的‘AGE_GROUPS'和'SEX'，单击鼠标右键，在弹出的子菜单中，见图4-3，取消【显示变量标签】前的勾选。点击【定义】下的【摘要与统计】，进入【摘要与统计】对话框，在该对话框中，将左侧【统计量】下的’列N%’和’行N%’移到右侧【显示】中。见图4-4，单击【应用选择】，返回【设定表格】对话框。
step2：选中表中的‘AGE_GROUPS'，点击【定义】下的【分类和总计】，进入【分类和总计】对话框，选中30~39岁标签，单击【添加小计】，在弹出的【定义小计】对话框中输入‘中青年’，将18~39岁的用户定义为中青年，同样方法，设置40~59岁的为中老年，见图4-4，单击【应用】，返回【设定表格】对话框，单击【确定】。
（2）表格导出
step1：选中输出的表格，鼠标右键，在弹出的子菜单中选择【导出】，见图4-5，进入【导出输入】对话框，在左侧文档类型下拉子菜单中选择想要输出的文件类型，中间【浏览】选择文件保存位置，如图4-6，单击【确定】
（3）报表分析
行N%数据体现了在不同年龄段下的男女人数比例：随着年龄段增大，女性占比逐渐降低。中青年群体中，男女占比基本持平，分别为49.5%和50.5%，而中老年群体，男性占比远高于女性，分别为62.2%和37.8%。列N%数据体现了在不同性别下，各年龄段的用户人数比例。男性用户中，人数占比由高到低的年龄段依次是30~39岁（43.2%），40~49岁（28.4%），18~29岁（15.3%）和50岁以上（13.1%）。而女性用户中，人数占比由高到低年龄段依次是30~39岁（48.5%），18~29岁（21.8%），40~49岁（20.9%）和50岁以上（8.8%）。 由此可见，女性用户相比男性用户总体更加趋向年轻，18~39岁的女性用户占了女性总用户的70%以上，而30~49岁的男性用户占了男性总用户的70%以上。
