SPSS Statistics 和 Modeler 中调用 R 语言的实现和应用

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

2. SPSS 调用 R 语言的方法

这节介绍在 SPSS Statistics 和在 SPSS Modeler 调用 R 语言的方法，重点是前者的实现。而后者需要在前者已有的环境中，使用 SPSS Statistics 输出节点实现，也就是说在 SPSS Modeler 中调用 R 语言，也必须先安装 SPSS Statistics 软件。

2.1 SPSS Statistics 调用 R 语言的实现方式

---

首先是环境的准备。在已经安装了 SPSS Statistics 和 R 语言的环境中，需要新安装软件包 SPSS Statistics Essentials for R 来实现在 SPSS Statistics 中调用 R 语言。这个新的软件包就像一座桥梁将两个统计分析软件联系起来。

图 1. 用 Essentials for R 连接 R 语言和 SPSS Statistics

但应注意的是，针对不同的 SPSS Statistics 版本，需要有相对应的 R 语言版本和 SPSS Statistics Essentials for R 版本来匹配，其关系参照如下表格 :

表 1. SPSS Statistics 和 R 语言版本匹配表

注：
1.前四个版本需要在IBM官网：https://www14.software.ibm.com/webapp/iwm/web/preLogin.do?source=swg-tspssp下载
2.最后一个版本需要在http://sourceforge.net/projects/ibmspssstat/下载

本文以下都以 Windows 操作系统中，使用 SPSS Statistics 22, R 2.15.3 和 SPSS Statistics Essentials for R 22.0.0 为例来讲解。安装 SPSS Statistics Essentials for R 软件包时会要求输入已有的 SPSS Statistics 和 R 语言环境，并建立联系。下面我们就来介绍在 SPSS Statistics 中调用 R 的最简单实现过程。

第 1 步：通过 SPSS Statistics 菜单：文件 --> 新建 --> 语法，打开 语法编辑器

图 2. 调用 R 的第 1 步——使用语法编辑器

第 2 步：在编辑框中输入对应的语法脚本，遵循结构为：

代码 1. 嵌入 R 代码的基本语法结构BEGIN PROGRAM R. …… 中间为R代码……END PROGRAM

如下图所示：

图 3. 调用 R 的第 2 步——在语法框中输入脚本

第 3 步：选取这段语法，执行菜单的：运行 --> 选择，或点击图标绿色三角，或执行快捷命令 Ctrl+R， R 代码分析的结果就会在 SPSS Statistics查看器中输出

图 4. 调用 R 的第 3 步——运行结果显示

以上是在 SPSS Statistics 中嵌入 R 代码的最简单形式。如果希望在 R 代码中使用 SPSS Statistics 数据编辑器中的数据集，可以使用函数 spssdata.GetDataFromSPSS()。在数据编辑器中打开 SPSS 的实例数据 demo.sav，自动命名为【数据集 1 】。在语法编辑器中执行代码：

代码 2. 使用 SPSS Statistics 编辑器中的数据

1. BEGIN PROGRAM R.
   
2.    demodata <- spssdata.GetDataFromSPSS()
   
3.    mean(demodata$age)
   
4. END PROGRAM.

复制代码

就可以计算得到 age 字段的均值，如下图：

图 5. 输出结果

另一方面，也可以更直观地在 SPSS Statistics 查看器中输出 R 中的表格数据，例如代码：

代码 3. 查看 R 中产生的表格

1. BEGIN PROGRAM R.
   
2.    spsspivottable.Display(Formaldehyde,title="Determination of Formaldehyde")
   
3. END PROGRAM.

复制代码

输出结果为 SPSS 中的表格式样：

图 6. 输出结果

这里使用了函数 spsspivottable.Display()。而更复杂的多维数据表格展示，需要使用更多 SPSS Statistics 的类型和函数，参考我们后面的例子。

2.2 SPSS Modeler 调用 R 语言的实现方式

---

SPSS Modeler 中调用 R 代码需要使用 Modeler 中 Statistics 输出节点作为过渡来实现。因而该系统中必须也要安装 SPSS Statistics，使用 Modeler 的统计量实用程序（Statistics Utility）关联上 Statistics 的应用目录。同样安装对应的 SPSS Statistics Essentials for R 包。这样就可以在 Modeler 中调用 R 语言了。

图 7. 在 SPSS Modeler 中使用 R 语言的方法

在 Modeler 中添加 Statistics 输出节点，然后在节点的语法编辑器中按照 Statistics 调用 R 的格式输入代码：

图 8. 在 SPSS Modeler 中调用 R 代码的方法

另外，虽然 Statistics 变换节点也有语法编辑器，但其并不支持 BEGIN PROGRAM … END PROGRAM 的语法，所以并不能调用 R 语言。

3. SPSS 调用 R 语言的实例3.1 利用 SPSS Statistics 优化 R 语言的数据显示

---

因为 R 语言是基于命令行的文本显示方式，对于常见的多维数据不能很直观地展示。当把 R 语言集成到 SPSS Statistics 后，就可以调用 Statistics 专门设计的一些函数，在查看器中更形象地使用数据透视表（pivot table）来展示多维数据。以下例子为 R 中自带数据 HairEyeColor，其统计了不同头发和眼睛颜色的男女学生的学生人数：

图 9. R 中的数据 HairEyeColor

由此可见，这个数据有头发颜色（Hair）、眼睛颜色（Eye）和性别（Sex）3 个维度（dimension），而度量（measure）是统计的人数。在基本的 R 中只能显示二维数据表格，包含一个行维度（row dimension）和一个列维度（column dimension）。更高维的数据则分解为多个二维表格——即分解到这两个维度以外的其他维度取值的组合数目的表格中，其它维度的组合称作层维度（layer dimension）。这个例子中第三个维度 Sex 有 Male 和 Female 两个取值，所以用两个二维数据表格来展示整个数据。如果需要在一个表格中展示整个多维数据，传统中使用平表（flat table），例如：

图 10. 平表 (flat table) 显示多维数据

将三个维度分别作为 3 列，它们取值的组合正好就对应了第 4 列的人数度量（measure）。这样的显示不直观，而且各个维度的取值会重复显示多次，太累赘。而在 SPSS Statistics 中可以定义复杂的数据透视表（pivot table），例如在一个数据透视表中显示 HairEyeColor 的所有三个维度：

图 11. 透视表 (pivot table) 显示多维数据

SPSS Statistics 中数据透视表的结构和各部分定义如图。

图 12. SPSS Statistics 中数据透视表的结构和定义

你可将多维数据中的一个或多个维度设定在任意的行维度、列维度或层维度上，这些维度的取值称作类别（category），而度量值放在单元（cell）中。依据以上数据透视表各个部分的定义，创建一个数据透视表包括以下四个基本步骤：

• 创建 BasicPivotTable 类的一个实例
  
• 增加维度
  
• 定义各个维度的类别
  
• 设置单元值
  
  

而各个步骤中需要调用相应的 SPSS Statistics 函数。这里是所有用于数据透视表显示的类和方法包括：

表 2. 显示数据透视表的类和方法

根据以上的步骤，使用数据透视表显示的函数，我们给出一个 R 语言代码的例子：

代码 4. SPSS Statistics 中显示数据透视表

1. BEGIN PROGRAM R.
   
2.    spsspkg.StartProcedure("MyProcedure")
   
3.    demo <- data.frame(HairEyeColor)
   
4.    
   
5.    # 创建一个BasePivotTable的实例
   
6.    table = spss.BasePivotTable("Hair and Eye Color of Students", "OMS table subtype")
   
7. 
   
8.    # 增加三个维度：前两个行维度（Hair and Eye），最后一个列维度（Sex）
   
9.    dim1=BasePivotTable.Append(table,Dimension.Place.row,names(demo)[1])
   
10.    dim2=BasePivotTable.Append(table,Dimension.Place.row,names(demo)[2])
    
11.    dim3=BasePivotTable.Append(table,Dimension.Place.column,names(demo)[3])
    
12. 
    
13.    # 定义各个维度的类别   
    
14.    ctg1=BasePivotTable.SetCategories(table,
    
15.                 dim1,
    
16.                 as.list(apply(as.matrix(levels(demo[[1]])),1,spss.CellText.String)))
    
17.    ctg2=BasePivotTable.SetCategories(table,
    
18.                 dim2,
    
19.                 as.list(apply(as.matrix(levels(demo[[2]])),1,spss.CellText.String)))
    
20.    ctg3=BasePivotTable.SetCategories(table,
    
21.                 dim3,
    
22.                 as.list(apply(as.matrix(levels(demo[[3]])),1,spss.CellText.String)))
    
23. 
    
24.    # 设置单元值
    
25.    MyCellFun <- function(x)
    
26.    cell = BasePivotTable.SetCellValue(
    
27.                   table,
    
28.                   list(spss.CellText.String(x[1]),
    
29.                                 spss.CellText.String(x[2]),
    
30.                                 spss.CellText.String(x[3])),
    
31.                   spss.CellText.Number(as.numeric(x[4])))
    
32.    apply(demo, 1, MyCellFun)
    
33.    
    
34.    spsspkg.EndProcedure()
    
35. END PROGRAM.

复制代码

运行以上的语法代码就会获得前面的多维度数据透视表输出。应该注意的是，使用这些这些类和方法，需要在一个 Procedure 环境中，也就是必须以 spsspkg.StartProcedure() 为开始行，以 spsspkg.EndProcedure() 为结束行。

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4 回帖

关键词：Statistics statistic Statist MODELER Statis 软件包 统计 Modeler 调用 R 语言 实现和应用

3.2 利用 R 语言来增强 SPSS Statistics 的作图能力

---

R 语言具有灵活多样的绘图能力，常用的统计图形都可以便捷的在 R 中绘制，其中还有大量的统计图形的绘制可通过各种 R 的扩展包实现，因而大大丰富了 SPSS Statistics 的图形展示能力。这里以绘制马赛克图为例。

马赛克图（Mosaic Plots）是一种有效展示多维列联表数据的工具，它对维数没有限制。马赛克图形看起来就像是若干块马赛克放置在一起，马赛克图中的各个矩阵块与对应的频数成比例，频数越大，对应的矩阵块就越大。vcd 包（首次使用需要安装，install.packages("vcd")）中的马赛克图不仅仅可以展示多维列联表的数据，同时可以给出各个维度上的独立检验的信息。

下面以 Statistics 中自带的 demo 数据为例来画马赛克图。该数据共有 6400 行数据，29 个变量，代表着 6400 个个人在 29 个指标上的数据信息。demo 数据的部分变量信息如下图：

图 13. SPSS Statistics 中演示数据 demo.sav

由于马赛克图适用于展示分类型变量的列联表（contingency table），这里我们选取 demo 数据中：Marital、Inccat、ed 和 gender 四个分类变量来绘制马赛克图。其中：

• marital 为婚姻状况变量，取值 0 代表未婚，1 代表已婚；
  
• inccat 为收入状况，取值
  
  
  
  
  • 1 代表收入少于 25000 美元，
    
  • 2 代表收入在 25000-49000 之间，
    
  • 3 代表收入在 50000-74000，
    
  • 4 代表收入在 75000 以上；
    
    
• ed 为受教育程度，取值：
  
  
  
  
  • 1 代表未完成高中学业，
    
  • 2 代表完成高中学业，
    
  • 3 部分完成专科学业，
    
  • 4 为完成大学学业，
    
  • 5 为完成研究生学业；
    
    
• gender 为性别，取值 f 代表 Female 为女性，m 为男性。
  
  

四个变量共有 2*4*5*2 个属性值，我们用马赛克图来展示以上的频次统计数据：

首先，在 Statistics 中打开 demo.sav 的数据，然后新建语法如下：

代码 5. 显示马赛克图（Mosaic Plots）BEGIN PROGRAM R.   library(vcd)   dat = spssdata.GetDataFromSPSS()   mosaic(~ed+gender+marital+inccat, shade=TRUE, legend=TRUE,data=dat)END PROGRAM.

执行语法输出结果：

图 14. 输出图形

上图的左边 ed 是受教育程度的维度，上边 gender 是性别的维度，右边 marital 是婚姻状况的维度，下边 inccat 是收入水平的维度。我们可以很清楚的看到，在所有 6400 个个人中：

• ed 为 2 即完成高中学业的人数最多，ed 为 5 即完成研究生学业的人最少；
  
• 各个受教育程度上对应的男性和女性大致相当；
  
• 在收入水平为 4 即收入在 75000 以上的水平上，女性中未婚的受教育程度为 1、2、3、4. 即研究生学业以下的人数比已婚的同等教育水平的人数多，而在完成研究生教育后，未婚的女性人数比已婚的人数要少；
  
• 而同样观察收入水平在 75000 以上的水平的男性中，在各个受教育水平，已婚的男性都比未婚的男性人数多；
  
• 相对而言，完成研究生教育（ed 为 5）的人群中，收入水平达到 75000 美元以上（即 inccat 为 4）的人数占同等教育水平比例最大。
  
  

图形中的颜色显示的是独立模型拟合的残差的大小，本图可以清楚的看出未完成高中学业（ed 为 1）已婚（marital 为 1）收入在 25000 美元以下（inccat 为 1）的男性（gender 为 m）单元格的拟合欠佳。

3.3 利用 R 语言灵活的外部接口功能来拓展 Statistics

---

R 语言有丰富的外部接口功能。例如，目前所有版本的 SQL 都有对应的接口（相应的 R 包）连接 R 语言；XML 包可以解析网页编码的代码，方便的提取网页中的数据；R 基础包中也有直接读取网页上规范好的数据；googleVis 包提供了直接连接 Google Analytics 上的数据以及分析工具等等。这里我们主要介绍 ggmap 包直接调用 Google Map 上地图的功能。

SPSS Statistics 同样有画地图的功能，因为是在 UI 设置，较为复杂，可参考这个网页了解其用法：http://www.ibm.com/developerworks/cn/data/library/techarticle/dm-1108zhangxp/index.html。这里将以实例来展示在 SPSS Statistics 中调用 R 语言的方式来绘制地图，对熟悉 R 语言的用户，比较简单。

David Kahle 和 Hadley Wickham 利用 Google 的 API 开发了 ggmap 包。该包可以直接从 Google 提取地图信息，然后在 R 语言中绘制。为此，需要首先在 R 语言中安装 ggmap 和 mapproj 包。只要是 Google Map 中存在的地方，用 ggmap 包都可以绘制，比如北京市地图、中关村软件园地图等。而在实际应用中，通常会在绘制的地图上添加一些有意义的信息，这里将在中国地图上描述出最近一周（2013.1.2-2013.1.8）在中国发生的所有的地震信息，如下图所示（红点处即为在这一周中发生地震的地点）:

图 15. 中国一周（2013.1.2-2013.1.8）地震发生地点显示

获得以上输出的代码为：

代码 6. 显示中国一周（2013.1.2-2013.1.8）地震发生地点

1. BEGIN PROGRAM R.
   
2.    library(ggmap)
   
3.    library(mapproj)
   
4.    library(XML)
   
5.    
   
6.    # 从网页上抓取地震数据，并进行清理
   
7.    webpage <-'http://data.earthquake.cn/datashare/globeEarthquake_csn.html'
   
8.    tables <- readHTMLTable(webpage,stringsAsFactors = FALSE)
   
9.    
   
10.    earthqk <- tables[[6]][-1,c(1,3,4)]
    
11.    names(earthqk) <- c('date','lan','lon')
    
12.    earthqk$lan <- as.numeric(earthqk$lan)
    
13.    earthqk$lon <- as.numeric(earthqk$lon)
    
14.    earthqk$date <- as.Date(earthqk$date,  "%Y-%m-%d")
    
15.    
    
16.    # 获取城市数据
    
17.    webpage<-
    
18.     'http://zh.wikipedia.org/wiki/%E4%B8%AD%E5%9B%BD%E5%9F%8E%E5%B8%82%E5%88%97%E8%A1%A8'
    
19.    tables <- readHTMLTable(webpage)
    
20.    
    
21.    cities <- tables[[2]][2:10,c(2,3,5)]
    
22.    names(cities) <- c('cname','name','pop')
    
23.    cities$pop <- as.numeric(gsub(',','',cities$pop))
    
24.    cities$name <- as.character(cities$name)
    
25.    cities <- cbind(cities, geocode(cities$name))
    
26.    
    
27.    # 构建最近地震的分布图，附加上重要城市的图标和名字
    
28.    map <- get_googlemap(center='china',zoom=4,scale=2,maptype='terrain')
    
29.    ggmap(map,extent='device')+
    
30.           geom_point(data=earthqk,aes(x=lon,y=lan),colour = 'red4',alpha=0.5,size=2)+
    
31.           geom_point(data=cities,aes(x=lon,y=lat),colour = 'black',shape=1,size=5)+
    
32.           geom_point(data=cities,aes(x=lon,y=lat),colour = 'black',size=2)+
    
33.           geom_text(data=cities,aes(x=lon,y=lat,label=name),size=4,hjust=-.4,vjust=0)
    
34. END PROGRAM.

复制代码

先从国家地震科学数据共享中心获得地震日期和经纬度数据。然后，在 wiki 的中国城市列表中抓取了城市名称，并用函数 geocode() 得到城市的经纬度信息。最后调用 get_googlemap() 得到中国的地图图片，用 ggmap() 显示为 ggplot2 格式对象，参照经纬度再叠加上之前的地震地点和城市。这样就完成了一个用地图展示数据的简单例子。

ggmap 中提供了六种地图的呈现形式，常用的有卫星图、地形图、道路图、混合图等等。该包获取地图信息的途径也有多种，分别为 Google Maps, OpenStreetMap ，Stamen Maps ，CloudMade maps 四种获取地图信息的途径，可以针对不同需求选择不同的地图信息来源。更多详细的细节请查阅 ggmap 包的文档。

3.4 在 SPSS Modeler 中应用 R 语言做分析和图形展示

---

这里以 Modeler 中 demo 中的 car_sales_knn.str 为例，该数据中有 16 个变量，159 行数据，这里只选取其中 8 个连续变量，这 8 个变量分别为：

• "sales"为销售的个数（单位：千），
  
• "price"为汽车的售价（单位：千）
  
• "horsepow"为汽车的马力 ,
  
• "engine_s"为汽车发动机的尺寸 ,
  
• "wheelbas"为汽车的轴距 ,
  
• "width"为车宽 ,
  
• "length"为车长 ,
  
• "mpg"为每加仑汽油可行驶的英里数。
  
  

这里希望做出这 8 个变量的相关系数图，以此来了解这八个变量彼此之间的相关程度。统计分析中常常需要处理变量之间的相关关系，我们可以很方便的计算出两个变量的相关系数，以及相关系数检验，进而可以做出散点图来分析。而使用 corrplot 包（首次使用，需要安装该包 install.packages("corrplot")）中的 corrplot 图就可以很直观地展示多变量之间的相关系数大小。

首先在 Modeler 中打开 car_sales_knn.str，在该 stream 中加入 Statistics Output 节点，编辑该节点，点选该节点的句法的语法编辑器，输入类似在 Statistics 中的代码：

图 16. 在 SPSS Modeler 中嵌入 R 代码显示图形

运行后，得到 Modeler 输出的截图：

图 17. 图形输出

由上图我们可以发现：

• price 和 engine_s 与 horsepow 的相关程度都较大，马力越大的车，价格越贵，且发动机尺寸越大；
  
• 而 price 与 wheelbas 的相关程度很低；
  
• horsepow、engine_s 都与 mpg 的有较大的负相关，可解释为马力越大或发动机尺寸越大，每加仑汽油行驶的英里数都会越少，也就是越费油。
  
  

本图还有更多的发现，这里不再列举。

corrplot 命令中还有很多参数可以用来更改展示的形状，比如可以用方格来代替圆，也可以更改颜色等。因为相关系数矩阵是一个对称矩阵，利用 corrplot 可以很方便的将上三角阵画图，下三角阵来显示相关系数的数值，代码如下：

图 18. 在 SPSS Modeler 中嵌入 R 代码显示图形——修改格式

其中 tl.pos 是设置 text label 的位置，”d”表示在 diagonal，而”n”为不添加；cl.pos 则是 color label 的位置；diag=FALSE 表示不在对角单元中显示相关系数，否则就会都是 1。输出的结果如下图：

图 19. 图形输出

右上角和左下角相对称，能提供更多的信息。

谢谢楼主！