SPSS 命令: SPSS ADP
在浏览器中做自动数据准备（ADP）
自动数据准备在建模前建议如何清理和转换字段。
免费 · 无需注册 · 文件留在本机 · 更新于 2026年10月18日
能告诉你什么
Crosstabs 以预览方式在你的设备上运行 SPSS ADP 算法：不会修改你的数据，但会展示每一项建议的转换，并可下载转换后的字段。
- 应删除哪些字段：缺失过多、取值恒定、被单一类别主导或与目标无关。
- 每个字段的离群值、缺失值与测量级别如何处理。
- 哪些类别应合并，以及针对名义目标如何对连续字段分箱。
- 连续目标的 Box-Cox 变换以及每个准备后字段的预测能力。
适用场景
适合使用
- 在杂乱的调查或客户数据上建立回归、决策树或神经网络之前。
- 快速了解哪些候选预测变量对目标有信息量。
改用其他方法
- 需要有序目标或日期时间处理：SPSS ADP 的这些部分不包含在内。
- 需要调查抽样权重：仅支持频率权重。
在 Crosstabs 中如何操作
- 01
打开数据
在工作区打开 .sav、CSV 或 Excel 文件并切换到“统计”模式。文件只在浏览器中读取，不会上传。
- 02
选择自动数据准备
在“机器学习”组中选择“自动数据准备”（ADP）。
- 03
选择目标与字段
可选择“目标”及其测量级别（连续或名义），然后勾选“要准备的字段”。
- 04
选择设置
设置离群值的处理方式与连续字段的重新标度方式，并勾选测量级别重设、缺失值替换、Box-Cox、合并、字段排除、分箱与特征构造。
- 05
运行并下载
点击“运行”，查看推荐的转换，并以 CSV 下载添加了转换字段的数据。
输出表格说明
- 推荐的转换
- 每个保留字段的测量级别、所做的处理以及输出字段名称。
- 排除的字段
- 因筛选或选择而删除的字段，以及原因和 p 值。
- 预测能力
- 每个准备后字段和原始字段相对目标的 r²、1 − 组内平方和/总平方和或 Cramér V。
前提假设与注意事项
- 离群值指距离稳健均值超过三个稳健标准差的值，稳健估计最多截去 5% 的个案。
- 工作区数据从不被修改；转换后的字段只以下载方式提供。
结果如何验证
按 ADP 章节独立实现的 NumPy/SciPy 版本（并与 SciPy 的 f_oneway、chi2_contingency 和 boxcox_llf 交叉核对）在连续目标、名义目标和无目标、加或不加频率权重的情况下，重现了筛选、级别重设、离群界限、替换、合并、Scheffé 分割点、构造特征、转换值与预测能力，误差在 1e-9 以内。 验证证据（英文）
常见问题
ADP 会修改我的数据吗？
不会。这是一个预览：会展示推荐的转换并可下载转换后的字段，但工作区数据保持不变。
Box-Cox 对目标做了什么？
它在 −3 到 3、步长 0.5 的范围内搜索 λ，选出使 (y − 最小值 + 1) 的正态对数似然最大的变换，再重新标度为均值 0、标准差 1。
类别如何合并？
有目标时，只要 p 值超过 0.05 就合并 p 值最大的一对类别（连续目标用 F 检验，名义目标用卡方检验）；无目标时，按个数合并稀疏类别。
什么是构造特征？
启用特征构造时，高度相关的连续字段组会被其第一主成分替代。
相关过程
用你自己的数据运行自动数据准备（ADP）
打开 .sav、CSV 或 Excel 文件。所有计算都在浏览器中完成，文件不会离开你的设备。
SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联，也未获得 IBM 认可。