在spss菜单中依次选择 转换——重新编码为不同变量，然后弹出一个对话框，将需要转换的变量（如图，假设a3就是年龄）选入“数字变量——输出变量”的框中，然后在右边输出变量下面的名称框中输入年龄段这个新变量名，点击更改按钮，接着点击旧值和新值按钮，
然后弹出另一个对话框，如图所示，
在旧值那一栏下面选择年龄范围，在右边的新值那栏下面输入赋予的新值，然后点击添加，OK即可，多次操作即可得到新的年龄段变量，比如图中给年龄段18——25赋予新值1,
望采纳。
温馨提示：答案为网友推荐，仅供参考
第1个回答 2019-09-20
可以使用在线版spssau的数据编码进行设置。
操作步骤：
如原数据包含10个选项，需要将前五项合并成同一项，后五项各并成同一项。
1、选择数据处理>>数据编码。
2、原数据共10个选项，将1-5设置为1; 6-10设置为0。勾选覆盖，点击确认处理。
第2个回答 2020-11-18
spss如何把因变量改为二分类变量？
在spss菜单中依次选择 转换——重新编码为不同变量，然后弹出一个对话框，将需要转换的变量（如图，假设a3就是年龄）选入“数字变量——输出变量”的框中，然后在右边输出变量下面的名称框中输入年龄段这个新变量名，点击更改按钮，接着点击旧值和新值按钮，
然后弹出另一个对话框，如图所示，
在旧值那一栏下面选择年龄范围，在右边的新值那栏下面输入赋予的新值，然后点击添加，OK即可，多次操作即可得到新的年龄段变量，比如图中给年龄段18——25赋予新值1,spss如何把因变量改为二分类变量？
可以使用在线版spssau的数据编码进行设置。
操作步骤：
如原数据包含10个选项，需要将前五项合并成同一项，后五项各并成同一项。
1、选择数据处理>>数据编码。
2、原数据共10个选项，将1-5设置为1; 6-10设置为0。勾选覆盖，点击确认处理。
在spss菜单中依次选择 转换——重新编码为不同变量，然后弹出一个对话框，将需要转换的变量（如图，假设a3就是年龄）选入“数字变量——输出变量”的框中，然后在右边输出变量下面的名称框中输入年龄段这个新变量名，点击更改按钮，接着点击旧值和新值按钮，
然后弹出另一个对话框，如图所示，
在旧值那一栏下面选择年龄范围，在右边的新值那栏下面输入赋予的新值，然后点击添加，OK即可，多次操作即可得到新的年龄段变量，比如图中给年龄段18——25赋予新值1,spss如何把因变量改为二分类变量？
可以使用在线版spssau的数据编码进行设置。
操作步骤：
如原数据包含10个选项，需要将前五项合并成同一项，后五项各并成同一项。
1、选择数据处理>>数据编码。
2、原数据共10个选项，将1-5设置为1; 6-10设置为0。勾选覆盖，点击确认处理。
第3个回答 2020-11-18
其实自变量和因变量都是来源于你原有的数据，只是在做回归时将他们看做自变量或者因变量。因此输入的数据都有可能是自变量或因变量。
（一）定义变量
输入数据前首先要定义变量。单击valuable view 定义变量即要定义变量名、变量类型、变量长度（小数位数）、变量标签（或值标签）和变量的格式。每一行表示一个变量的定义信息，包括Name、Type、Width、Decimal、Label、Values、Missing、Columns、Align、Measure等。
（二）数据的输入与编辑
定义了所有变量后，单击“Data View”标签，即可在出现的数据视图（编辑）窗中输入数据。数据录入时可以逐行录入，也可以逐列。
由于各种原因，已经输入的数据有时会需要修改，这就需要进行编辑，可用方向键或鼠标将黑框移动到要修改的单元，键入新值。
方差分析是用于两个及两个以上样本均数差别的显著性检验。
方差分析的基本思想：通过分析研究不同变量的变异对总变异的贡献大小，确定控制变量对研究结果影响力的大小。
方差分析的前提要求：（1）样本是独立的随机样本；
（2）各样本皆来自正态总体；
（3）总体方差具有齐性，即各总体方差相等。
方差分析实质：对各总体均值相等假设进行检验。（用F统计量进行检验）
单因素方差分析测试某一个控制变量的不同水平是否给观察变量造成了显著差异和变动。
单因素方差分析的零假设H0为一个控制变量在不同水平下各总体均值之间不存在显著差异。
判断方式：如果相伴概率≤显著性水平a，则拒绝H0，如果相伴概率＞显著性水平a，则不拒绝H0，认为控制变量在不同水平下各总体均值之间不存在显著差异。
多因素方差分析中的控制变量在两个或两个以上，它的研究目的是要分析多个控制变量的作用、多个控制变量的交互作用以及其他随机变量是否对结果产生了显著影响。
多因素方差分析的零假设H0为多个控制变量的不同水平下，各总体均值没有显著差异。
判断方式：如果相伴概率≤显著性水平a，则拒绝H0，如果相伴概率＞显著性水平a，则不拒绝H0，认为控制变量在不同水平下各总体均值之间不存在显著差异。
协方差分析是将那些很难控制的因素作为协变量，在排除协变量影响的条件下，分析控制变量对观察变量的影响本回答被网友采纳
（一）定义变量
输入数据前首先要定义变量。单击valuable view 定义变量即要定义变量名、变量类型、变量长度（小数位数）、变量标签（或值标签）和变量的格式。每一行表示一个变量的定义信息，包括Name、Type、Width、Decimal、Label、Values、Missing、Columns、Align、Measure等。
（二）数据的输入与编辑
定义了所有变量后，单击“Data View”标签，即可在出现的数据视图（编辑）窗中输入数据。数据录入时可以逐行录入，也可以逐列。
由于各种原因，已经输入的数据有时会需要修改，这就需要进行编辑，可用方向键或鼠标将黑框移动到要修改的单元，键入新值。
方差分析是用于两个及两个以上样本均数差别的显著性检验。
方差分析的基本思想：通过分析研究不同变量的变异对总变异的贡献大小，确定控制变量对研究结果影响力的大小。
方差分析的前提要求：（1）样本是独立的随机样本；
（2）各样本皆来自正态总体；
（3）总体方差具有齐性，即各总体方差相等。
方差分析实质：对各总体均值相等假设进行检验。（用F统计量进行检验）
单因素方差分析测试某一个控制变量的不同水平是否给观察变量造成了显著差异和变动。
单因素方差分析的零假设H0为一个控制变量在不同水平下各总体均值之间不存在显著差异。
判断方式：如果相伴概率≤显著性水平a，则拒绝H0，如果相伴概率＞显著性水平a，则不拒绝H0，认为控制变量在不同水平下各总体均值之间不存在显著差异。
多因素方差分析中的控制变量在两个或两个以上，它的研究目的是要分析多个控制变量的作用、多个控制变量的交互作用以及其他随机变量是否对结果产生了显著影响。
多因素方差分析的零假设H0为多个控制变量的不同水平下，各总体均值没有显著差异。
判断方式：如果相伴概率≤显著性水平a，则拒绝H0，如果相伴概率＞显著性水平a，则不拒绝H0，认为控制变量在不同水平下各总体均值之间不存在显著差异。
协方差分析是将那些很难控制的因素作为协变量，在排除协变量影响的条件下，分析控制变量对观察变量的影响本回答被网友采纳
相似回答