简介：这份资源面向SPSS初学者与需要开展统计分析的研究人员，提供从入门到精通所需的数据文件与配套素材，帮助读者在真实案例中练习数据清洗、描述统计、推断统计及回归、聚类等进阶方法。压缩包共84个文件，以74个sav数据文件为主，覆盖多个章节的练习数据，另含6个xls表格、2个txt文本、1个xml目录文件与1个mdb数据库，整体约461KB，体积轻便，便于按章节模块检索调用。目前已有1378人学习下载，说明其在SPSS学习群体中具有一定参考价值。资源按章节组织数据，配合医学、农业、教育等主题表格，可支撑从基础操作到综合案例的完整练习，适合希望边学边练、快速熟悉SPSS分析流程的读者使用。
1. 从一份 SPSS 数据文件说起：为什么它比 Excel 更值得你花时间
很多人第一次接触 SPSS 数据分析，卡住的地方不是统计方法，而是手里那份.sav文件打不开、变量视图看不懂、值标签对不上。Excel 能打开的数据，SPSS 不一定能直接读；SPSS 存出来的.sav，Excel 打开又是一堆乱码。这份资源就是围绕「SPSS 数据分析数据文件」展开的，核心解决三件事：数据文件怎么读、变量和值标签怎么配、分析前怎么把数据整理成 SPSS 认的格式。它适合正在做问卷分析、实验数据统计、市场调研的从业者，也适合刚上手 SPSS、被文件格式折腾过的新手。你不需要先精通统计，先把文件这一关过了，后面的描述统计、交叉表、回归才有意义。
2. SPSS 数据文件的结构：.sav 里到底装了什么
2.1 数据视图与变量视图的双层结构
SPSS 的数据文件不是一张单纯的表格，它至少包含两层信息。第一层是数据视图，也就是你看到的行和列，行代表个案（case），列代表变量（variable）。第二层是变量视图，它定义了每一列的名字、类型、宽度、小数位、值标签、缺失值、测量尺度。很多人从 Excel 导入后直接跑分析，结果输出里全是数字而不是「男/女」「同意/不同意」，问题就出在变量视图没配好。
.sav文件本质上是 SPSS 的专有二进制格式，它把数据矩阵和元数据（变量定义、标签、缺失值标记）打包在一起。这跟 CSV 只存纯文本不一样，CSV 丢了元数据，SPSS 读进去只能靠猜。所以如果你手里是 CSV，导入时一定要走「文件 → 导入数据 → CSV」的向导，让 SPSS 有机会让你确认变量类型和值标签。
常见做法是：拿到原始数据先别急着分析，先在变量视图里过一遍。看每个变量的「类型」是数值还是字符串，「值标签」有没有配，「缺失值」有没有设。这三项没弄好，后面所有分析都是空中楼阁。
2.2 变量类型、测量尺度与值标签的对应关系
SPSS 把变量按测量尺度分成三类：名义（Nominal）、有序（Ordinal）、标度（Scale）。名义变量用于分类，比如性别、行业；有序变量用于等级，比如满意度五级；标度变量用于连续数值，比如年龄、收入。这个分类不是学术摆设，它直接决定 SPSS 给你跑什么图、什么检验。名义和有序变量默认走交叉表和卡方，标度变量默认走均值比较和回归。
值标签是另一层容易翻车的地方。比如你录入性别时用 1 和 2，如果不配值标签，输出里就是「1」和「2」，读者根本不知道哪个是男哪个是女。配值标签的路径是：变量视图 → 值标签列 → 点击单元格 → 添加「1=男」「2=女」。配完之后，数据视图里仍然显示 1 和 2，但所有输出表格和图表会自动替换成文字。
下面这段是 SPSS 语法命令，用来批量设置变量属性和值标签。比起在界面里一个个点，语法更适合变量多、需要重复操作的场景。
* 定义变量类型和测量尺度. VARIABLE LEVEL gender (NOMINAL) satisfaction (ORDINAL) age (SCALE). * 给性别变量添加值标签. VALUE LABELS gender 1 '男' 2 '女'. * 给满意度变量添加值标签. VALUE LABELS satisfaction 1 '非常不满意' 2 '不满意' 3 '一般' 4 '满意' 5 '非常满意'. * 设置缺失值. MISSING VALUES age (99). * 执行后保存为新的 .sav 文件. SAVE OUTFILE='cleaned_data.sav'.这段语法的逻辑是：先声明测量尺度，让 SPSS 知道每个变量该走什么分析路径；再用VALUE LABELS把数字映射成文字；然后用MISSING VALUES把 99 这类占位符标记为缺失，避免它被当成真实年龄参与均值计算。最后另存为新文件，保留原始数据不动。参数上，VARIABLE LEVEL后面跟变量名和括号里的尺度类型，VALUE LABELS后面跟变量名和成对的「数字 标签」，每对之间用空格分隔，行尾用句点结束。
注意：
MISSING VALUES只对数值型变量生效，字符串变量的缺失值需要用空白或特定字符串表示，处理方式不同。
3. 从 Excel/CSV 到 .sav：导入、清洗与校验的完整链路
3.1 导入向导里的四个关键决策点
从 Excel 或 CSV 导入 SPSS，走「文件 → 导入数据 → Excel/CSV」会弹出一个向导。这个向导里有四个决策点，选错了后面要返工。第一，第一行是否包含变量名。如果 Excel 第一行是「姓名、年龄、性别」，勾选「从第一行读取变量名」；如果第一行就是数据，不勾。第二，变量类型是自动识别还是手动指定。自动识别经常把「001」这样的编号识别成数值，丢掉前导零，如果编号需要保留格式，手动指定为字符串。第三，值标签是否从数据中读取。如果 Excel 里存的是「男/女」文字，SPSS 会直接读成字符串；如果存的是 1/2，需要导入后手动配值标签。第四，缺失值怎么表示。Excel 里的空单元格、NA、999 都可能代表缺失，导入时要统一指定。
我一般会先把 Excel 另存为 CSV，再用语法导入，因为语法可重复、可留痕。下面这段语法演示了从 CSV 导入并指定变量类型。
* 从 CSV 导入数据，指定分隔符和变量名行. GET DATA /TYPE=TXT /FILE='raw_data.csv' /ENCODING='UTF8' /DELIMITERS="," /QUALIFIER='"' /ARRANGEMENT=DELIMITED /FIRSTCASE=2 /VARIABLES= id A10 gender F1.0 age F3.0 satisfaction F1.0 income F8.2. CACHE. EXECUTE.这段语法的关键是/VARIABLES子命令，它逐个声明变量名和格式。A10表示宽度为 10 的字符串，F1.0表示宽度为 1、小数位为 0 的数值，F8.2表示宽度为 8、保留两位小数的数值。/FIRSTCASE=2表示从第二行开始读数据，第一行是变量名。/ENCODING='UTF8'处理中文编码，如果 CSV 是 GBK 编码，这里要改成GBK，否则中文会变乱码。
3.2 数据清洗：缺失值、异常值与重复个案
导入之后不能直接跑分析，至少要做三件事：缺失值处理、异常值检查、重复个案排查。缺失值在 SPSS 里分两种：系统缺失（用户没填）和用户缺失（用户指定某个值代表缺失，比如 99、-1）。系统缺失在数据视图里显示为空白，用户缺失需要手动设置。处理缺失值有三种常见策略：整例删除、成对删除、替换。整例删除最保守，只要一个个案在任何变量上有缺失就删掉，样本量损失大；成对删除只在当前分析用到的变量上删，样本量保留多，但不同分析的样本量不一致；替换是用均值、中位数或回归插补填补，适合缺失比例低的情况。
异常值检查用描述统计和箱线图。FREQUENCIES看频数分布，DESCRIPTIVES看均值和标准差，EXAMINE看箱线图和极端值。如果年龄出现 200，收入出现负数，基本可以判定是录入错误。重复个案用「数据 → 标识重复个案」检查，按关键变量（比如 id）排序，重复的会生成一个新变量标记出来。
* 检查缺失值和异常值. FREQUENCIES VARIABLES=gender satisfaction /ORDER=ANALYSIS. DESCRIPTIVES VARIABLES=age income /STATISTICS=MEAN STDDEV MIN MAX. EXAMINE VARIABLES=age income /PLOT=BOXPLOT /STATISTICS=EXTREME. * 标识重复个案. SORT CASES BY id. MATCH FILES /FILE=* /BY id /FIRST=PrimaryFirst /LAST=PrimaryLast. DO IF (PrimaryFirst). COMPUTE Duplicate = 0. ELSE. COMPUTE Duplicate = 1. END IF. EXECUTE.这段语法的逻辑是：先用FREQUENCIES和DESCRIPTIVES快速看分布，再用EXAMINE画箱线图找极端值。MATCH FILES配合FIRST和LAST标记重复个案，PrimaryFirst为 1 表示该个案是第一次出现，PrimaryLast为 1 表示最后一次出现。如果同一个 id 出现多次，第一次之后的都会被标记为重复。参数上，/ORDER=ANALYSIS让频数按数值排序而不是按频数排序，/STATISTICS=EXTREME输出极端值列表。
注意：
MATCH FILES会改变数据顺序，操作前先保存一份原始文件，避免误操作后无法回退。
3.3 用语法批量处理多份数据文件
实际工作中经常遇到多份结构相同的文件，比如每个月的问卷数据、每个班的考试成绩。一份份手动导入再合并，效率低还容易漏。SPSS 语法支持用GET FILE循环读取，再用ADD FILES纵向合并。下面这段演示了批量读取同一目录下的多个.sav文件并合并。
* 定义文件路径列表. DEFINE !path() 'C:\data\' !ENDDEFINE. * 读取第一个文件作为基础. GET FILE='C:\data\batch1.sav'. * 依次追加后续文件. ADD FILES /FILE=* /FILE='C:\data\batch2.sav' /FILE='C:\data\batch3.sav' /IN=source. EXECUTE. * 用 source 变量标记数据来源. VALUE LABELS source 1 'batch1' 0 'other'.这段语法的核心是ADD FILES，它把多个文件按行堆叠。/IN=source会生成一个变量，标记每条个案来自哪个文件，方便后续按来源分组分析。参数上，/FILE=*表示当前活动数据集，后面的/FILE依次列出要追加的文件。如果文件数量多，可以用 Python 或宏循环生成语法，避免手写几十行。
4. 避坑与排查：SPSS 数据文件最常见的五个翻车现场
4.1 中文乱码：编码不匹配的连锁反应
现象：导入 CSV 后，中文变量名和值标签变成问号或方块。原因：CSV 文件是 GBK 编码，SPSS 默认按 UTF-8 读取。解决：在导入语法的/ENCODING子命令里指定GBK，或者先用记事本把 CSV 另存为 UTF-8。如果已经导入且乱码，只能重新导入，SPSS 不支持事后改编码。
4.2 数值变量被识别成字符串
现象：明明录入的是数字，SPSS 却当成字符串，导致无法计算均值。原因：Excel 单元格里混入了空格、逗号或文字，或者第一行有合并单元格。解决：导入时在/VARIABLES里手动指定F格式，或者在 Excel 里用VALUE()函数清洗。如果已经导入，用ALTER TYPE转换。
* 把字符串变量转换为数值. ALTER TYPE age (F3.0). EXECUTE.4.3 值标签配了但输出不显示
现象：变量视图里配了值标签，但交叉表里还是显示 1、2。原因：值标签配在了错误的变量上，或者输出表格设置了显示数值而非标签。解决：检查变量视图里值标签是否配在目标变量上；在输出表格上右键 → 表格属性 → 勾选「显示值标签」。另外，如果变量是字符串型，值标签不生效，需要先转成数值型。
4.4 缺失值被当成真实值参与计算
现象：年龄均值算出来是 45，但实际数据里有大量 99。原因：99 是用户自定义缺失值，但没有在变量视图里设置。解决：在变量视图的「缺失值」列里，把 99 设为离散缺失值。设置后，所有分析会自动排除 99。如果已经跑了分析，需要重新跑。
4.5 合并文件后变量对不上
现象：用ADD FILES合并两个文件后，某些变量的值错位或丢失。原因：两个文件的变量名相同但类型不同，或者变量顺序不一致。解决：合并前用DISPLAY DICTIONARY检查两个文件的变量字典，确保同名变量类型一致。如果类型不同，先用ALTER TYPE统一。变量顺序不影响ADD FILES，它按变量名匹配，但类型必须一致。
* 查看变量字典，检查类型和标签. DISPLAY DICTIONARY.5. 进阶技巧：用语法和 Python 把数据文件处理自动化
5.1 用 SPSS 语法做可复现的数据清洗流水线
界面操作最大的问题是不可复现。今天点了一遍，明天换台电脑就忘了步骤。语法文件可以保存、可以版本管理、可以重复执行。我一般会把数据清洗拆成三段：导入段、清洗段、校验段。导入段负责读文件和指定变量类型；清洗段负责缺失值、异常值、重复个案；校验段负责输出描述统计和频数表，确认清洗结果符合预期。三段写在一个.sps文件里，用INSERT命令分步执行。
* 主控语法，按顺序执行三个子语法. INSERT FILE='01_import.sps'. INSERT FILE='02_clean.sps'. INSERT FILE='03_validate.sps'. EXECUTE.INSERT命令会把子语法文件的内容插入当前语法流，相当于模块化编程。好处是每个子语法可以单独调试，也可以组合成不同流程。参数上，INSERT后面跟FILE=和文件路径，路径可以是绝对路径或相对路径。
5.2 用 Python 扩展 SPSS 处理批量文件
SPSS 内置了 Python 集成，可以用 Python 脚本批量读取、转换、保存.sav文件。下面这段 Python 代码演示了遍历目录下所有.sav文件，输出每个文件的变量数和个案数。
# 导入 SPSS Python 模块 import spss import os # 指定数据目录 data_dir = r"C:\data" # 遍历目录下所有 .sav 文件 for filename in os.listdir(data_dir): if filename.endswith(".sav"): filepath = os.path.join(data_dir, filename) # 打开文件 spss.Submit(f"GET FILE='{filepath}'.") # 获取变量数和个案数 var_count = spss.GetVariableCount() case_count = spss.GetCaseCount() print(f"{filename}: 变量数={var_count}, 个案数={case_count}")这段代码的逻辑是：用os.listdir遍历目录，用spss.Submit执行 SPSS 命令打开文件，再用spss.GetVariableCount()和spss.GetCaseCount()获取元数据。参数上，data_dir换成你的实际目录，filename.endswith(".sav")过滤非 SPSS 文件。如果文件有密码保护，GET FILE会报错，需要先解密。
5.3 验证数据文件完整性的三个检查点
处理完数据文件后，怎么确认没出错？我一般会做三个检查。第一，个案数是否与原始数据一致。用GET FILE打开清洗后的文件，看数据视图右下角的个案数，跟原始文件对比。第二，变量数是否与预期一致。用DISPLAY DICTIONARY列出所有变量，逐个核对。第三，关键变量的描述统计是否合理。比如年龄均值应该在 20 到 60 之间，满意度均值应该在 1 到 5 之间。如果某个变量的最小值是 99，说明缺失值没设好。
* 输出关键变量的描述统计，用于校验. DESCRIPTIVES VARIABLES=age income satisfaction /STATISTICS=MEAN STDDEV MIN MAX.这三个检查点花不了几分钟，但能挡住大部分低级错误。从那以后我每次处理完数据文件，都强制走一遍「个案数 → 变量数 → 描述统计」的校验流程，宁可多花五分钟，也不愿在分析结果出来后发现数据是错的。希望帮到你。
本文还有配套的精品资源，点击获取
