最近在收集数据进行实证研究，在纠结熵权法和因子分析法，因为评价后的数值还想作为计量模型的解释变量，所以要求评价结果是正数，也看到大家在问因子分析法的最后得分为什么有负数，也许就是因为数据处理的第一步选择不同吧，我查了一些资料，分享给大家参考。
（1）数据标准化处理：
基本原理：数值减去平均值，再除以其标准差，得到均值为0，标准差为1的服从标准正态分布的数据。（因子分析法和主成分分析法在spss中标准化后进行的，因此最终得分会有负数）

在SPSS中，使用最多的就是Z-score标准化（0-1标准化）方法，这种方法给予原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。经过处理的数据符合标准正态分布，即均值为0，标准差为1。

（2）数据去中心化处理：

数据的中心化是指原数据减去改组数据的平均值，经过中心化处理后，原数据的坐标平移至中心点（0,0），该组数据的均值变为0，以此也被称为零均值化。

在SPSS中，可以用【计转换变量】实现，去中心化同标准化处理，处理后的数据也是有正有负。

（3）归一化处理：

归一化，也算是数据标准化方法之一。常见的计算公式如下，得到新数据范围在[0,1]之间，归一化由此得名。

正向指标：（数据减去最小值）除以（最大值减去最小值）

负向指标：数据的最大值除以（最大值减去最小值）

（p.s.不能贴公式，详细见附件吧。）

归一化处理，在SPSS中可以通过【计转换变量】菜单来实现，在表达式中输入相应的计算公式即可，归一化的数据都是正数。