利用SPSS进行查重并删除重复记录

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

* 今天发现SPSS原来有专门的查重功能，不过思路比SAS复杂多啦，从下面的语法就可以看得出来，不过菜单很简单，Data--Identify dulplicate cases.
* 利用菜单可以实现以一个为关键变量（如ID）来查重，也可以实现根据两个变量确定的查重（如下面2中的name和age）.
* 发现重复记录的删除方法是select cases，不过过程有点绕，不是直选中要接删除的记录，而是选中不要删除的记录，所以得注意.
* 举一个例子说明上述功能.

ID	name	age
1	chen	24
2	li	45
3	li	45
4	he	43
4	John	65
5	tom	23
6	lily	67

.

* 1. 以ID为关键变量查重.
SORT CASES BY ID(A).
MATCH FILES
  /FILE=*
  /BY ID
  /FIRST=PrimaryFirst
  /LAST=PrimaryLast.
DO IF (PrimaryFirst).
COMPUTE  MatchSequence=1-PrimaryLast.
ELSE.
COMPUTE  MatchSequence=MatchSequence+1.
END IF.
LEAVE  MatchSequence.
FORMATS  MatchSequence (f7).
COMPUTE  InDupGrp=MatchSequence>0.
SORT CASES InDupGrp(D).
MATCH FILES
  /FILE=*
  /DROP=PrimaryFirst InDupGrp MatchSequence.
VARIABLE LABELS  PrimaryLast 'Indicator of each last matching case as Primary'.
VALUE LABELS  PrimaryLast 0 'Duplicate Case' 1 'Primary Case'.
VARIABLE LEVEL  PrimaryLast (ORDINAL).
FREQUENCIES VARIABLES=PrimaryLast.
EXECUTE.


* 删除重复记录.
FILTER OFF.
USE ALL.
SELECT IF (PrimaryLast = 1).
EXECUTE.


* 2. 以name和age定义重复记录.
SORT CASES BY name(A) age(A).
MATCH FILES
  /FILE=*
  /BY name
  /FIRST=PrimaryFirst
  /LAST=PrimaryLast.
DO IF (PrimaryFirst).
COMPUTE  MatchSequence=1-PrimaryLast.
ELSE.
COMPUTE  MatchSequence=MatchSequence+1.
END IF.
LEAVE  MatchSequence.
FORMATS  MatchSequence (f7).
COMPUTE  InDupGrp=MatchSequence>0.
SORT CASES InDupGrp(D).
MATCH FILES
  /FILE=*
  /DROP=PrimaryFirst InDupGrp MatchSequence.
VARIABLE LABELS  PrimaryLast 'Indicator of each last matching case as Primary'.
VALUE LABELS  PrimaryLast 0 'Duplicate Case' 1 'Primary Case'.
VARIABLE LEVEL  PrimaryLast (ORDINAL).
FREQUENCIES VARIABLES=PrimaryLast.
EXECUTE.

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：SPSS PSS frequencies duplicate Variables 记录

Data菜单下有一个“Identifying Duplicate Cases”的程序，应该可以解决你的问题。但我没有用过那个程序，而是用下述的syntax写一个程序来做，
　　sort cases by ID.
　　compute ROW=$casenum.
　　aggregate outfile 'c：\temp.sav'/break ID/ROW2=first（ROW）.
　　match files file */table 'c：\temp.sav'/by ID.
　　select if ROW=ROW2.
　　delete variable ROW ROW2.
　　exe.

Data菜单下有一个“Identifying Duplicate Cases”的程序，应该可以解决你的问题。但我没有用过那个程序，而是用下述的syntax写一个程序来做，
　　sort cases by ID.
　　compute ROW=$casenum.
　　aggregate outfile 'c：\temp.sav'/break ID/ROW2=first（ROW）.
　　match files file */table 'c：\temp.sav'/by ID.
　　select if ROW=ROW2.
　　delete variable ROW ROW2.
　　exe.