「分箱法」相信學過統計學的小夥伴們都不會陌生，它的主要做用就在於對噪音數據進行剔除，同時將連續型數據進行離散處理。在模型分析開始前，咱們常常須要使用到分箱法來處理和清洗數據。html
做爲一款功能全面、專業性強的統計分析軟件，IBM SPSS Statistic一樣具有分箱功能，下面咱們一塊兒來經過一篇教程瞭解一下。url
圖1是咱們準備要分箱的數據，咱們將對年齡列進行分箱，按照每10歲爲一個標準進行分箱。spa
圖1：要分箱的數據.net
點擊「轉換」中的「可視分箱」，進入分箱設置界面。htm
圖2：可視分箱blog
將「年齡」拉入到「要分箱的變量」中，而後點擊「繼續」。教程
圖3：拉入要分箱的變量get
在圖4所示界面，咱們能夠看到要掃描的個案數共34個，其中最大的變量值爲67，最小爲22，也就是說要分箱的數據年齡段在22到67歲之間。io
咱們在「分箱化變量」中，填入「年齡段」，做爲一個以後新生成的變量，隨後點擊「生成分割點」按鈕。class
圖4：分箱化變量
按照咱們的分箱目的，咱們要每隔10歲分組一次，最小的年齡爲22歲，則咱們須要在第一個分割點位置填寫「20」，而後在寬度填寫「10」，此時點擊鍵盤Tap鍵，SPSS會自動生成分割點數的值爲「5」，如圖5所示。
這樣子SPSS會自動幫咱們將20到30、30到40、40到50、50到60、60到70的年齡段進行分組，一共5組。
圖5：生成分割點
點擊「應用」按鈕後，回到「可視分箱」界面中，咱們能夠在圖6紅框位置看到後續的分箱值，標籤欄默認是空值，咱們能夠進行自定義填寫，如設置20的分箱標籤爲2。
圖6：設置自定義標籤
最後點擊「肯定」按鈕，開始進行數據分箱，分箱後的新數據結果如圖7所示，生成了新的「年齡段」列，數據也很是正確地進行了分箱，如年齡爲27的那行數據，被正確地設置到了標籤爲2的分箱中。
圖7：分箱結果
以上就是使用IBM SPSS Statistic對演示數據中的年齡指標，按照每隔10歲的標準，進行分箱的所有教程，上述演示的是等距分箱，小夥伴也能夠本身動手在IBM SPSS Statistic中嘗試一下不等距分箱哦。