数据是研究方法的基础，本文档详细阐述SPSSAU系统中常见的几类研究方法对应的数据格式参考，包括方差分析、T 检验、配对t 检验、多选题、卡方检验、重复测量方差、模糊综合评价、AHP层次分析法、时间序列ARIMA模型、面板模型等。

无论是哪种数据，均需要规范整理才可以，包括如下要点：

• 第一行只能是标题，并且第一行不能出现空，否则就没有标题可以拖拽操作；

• 不能出现任何的合并单元格；

• 不能出现完整的空行，或者完整的空列。

• SPSSAU数据格式参考模板下载。

1、方差分析【通用方法>方差】

方差分析是研究不同组别的差异，比如不同学历时满意度的差异。因此数据格式中一定需要有组别X（比如学历）和分析项Y（比如满意度）。

有时候只有分析项（比如3个分析项），但是现在希望此3个分析项的差异，那么就需要对数据进行改造，自己加入一列‘组别’，然后把数据重叠起来得到分析项Y，类似如下图：

2、t 检验【通用方法>t 检验】

t 检验是研究2组数据的差异，比如不同性别时满意度的差异。数据格式中需要有组别X（比如性别）和分析项Y（比如满意度）。

有时候数据格式中只有2列，而没有组别，比如实验组和对照组。那么就需要对数据进行改造，自己加入一列‘组别’，然后把数据重叠起来得到分析项Y，类似如下图：

3、配对t 检验【通用方法>配对t 检验】

配对数据的格式相对较为特殊，包括配对t 检验，或者配对卡方等。比如实验组和对照组数据的差异。如下图：

配对数据一般是在实验时使用，而且配对数据的特点为：行数一定完全相等并且只有两列。如果研究数据的行数不相等，那可能不是配对数据，如果还想对比差异，可能需要使用独立t 检验。独立t 检验和配对t 检验的数据格式不一样，需要特别注意。

4、多选题【问卷研究>多选题】

在问卷研究时会使用到多选题，多选题的数据格式比较特殊。比如一个多选题有4个选项，那么其数据中就会有4列，分别代表4个选项。而且使用数字1表示选中，数字0表示没有选中。如下图：

在进行多选题相关的研究时，需要把同一个多选题下面所有的选项全部放到分析框中才可以。比如下图操作：

5、卡方检验【实验/医学研究>卡方检验】

卡方检验研究X和Y的差异，并且X和Y都是定类数据。使用SPSSAU实验/医学研究模块下的卡方检验时，SPSSAU可支持两类数据格式，一种是常规格式（非加权格式），另外一种是加权数据格式。

上图为常规格式（即非加权格式），一行代表一个样本，一列代表一个属性，将全部的原始数据信息列出即可。

在医学/实验研究时，很多时候只有汇总数据，即带加权项的数据，比如下图中X有2种情况，Y有3个情况，一种有2*3=6种组合，数据信息只有6种组别的汇总项（即加权项），分别是40，10，20，30，20，50；相当于总共有170个样本，如果是使用常规格式（即非加权格式），此时应该有170行；但加权格式则只需要6行即可表示，如下图。

加权数据格式基本只针对全部是定类数据的研究时使用，SPSSAU支持常规格式和加权格式两种数据。常规格式提供所有的原始数据信息，而加权格式只提供汇总数据信息。涉及以下方法时，SPSSAU会支持加权数据格式，如下：

• 【可视化】词云

• 【问卷研究】对应分析

• 【实验/医学研究】卡方检验

• 【实验/医学研究】Kappa

• 【实验/医学研究】配对卡方

• 【实验/医学研究】Poisson回归

• 【实验/医学研究】Ridit分析

• 【实验/医学研究】卡方拟合优度

• 【实验/医学研究】Poisson检验

6、重复测量方差【实验/医学研究>重复测量方差】

重复测量数据是指同一批样本（病例）在不同的时间点测量了多次数据，因此重复测量数据的特殊之处在于一定会有ID号（即样本或者病例号），以及时间点数据，如下图。同一个ID会有多个时间点的数据，比如下面有12个样本（12个ID号），并且测量5个时间点。那么就一定会有12*5=60行数据。同一个ID号会重复5次，同一个时间点会重复12次。

• 特别提示

• 本例中12个ID号，测量5个时间点，那么12*5=60行数据。这种数据叫做平衡数据，如果数据有测量丢失，比如ID为1的样本在第2个时间点没有数据，即少了一个数据最终为59行。那么此种叫非平衡数据，此种数据无法进行重复测量方差分析。

7、糊综合评价【综合评价>模糊综合评价】

模糊综合评价研究指标项综合来看，应该属于那个评价项。1列放1个评价项（比如不满意、比较不满意、满意、非常满意之类的评价项）。

如果说各个指标项有着自己的权重，那么就需要单独用一列表示‘指标项权重值’，‘指标项权重’是可选项，如果没有此数据，默认各个指标的权重完全一致。

指标项这一列只需要研究人员自己知道就好，并不需要放入分析框中。

下图格式里面，各评价项的数字代表选择百分比，比如指标项1时，评价项1的选择比例为0.2即20%，评价项2的选择比例是0.5即50%。研究人员也可以输入选择个数而不是比例，不论是输入比例还是选择数字，SPSSAU默认都会进行归一化处理让同一个指标项下，各评价项的比例加和为1。

模糊综合评价的数据格式如下图所示：

8、AHP层次分析【综合评价>AHP层次分析】

AHP层次分析法的数据格式（即判断矩阵）最为特殊，如下图，研究人员可修改指标项名称，以及白色单元格内的数字即可。判断矩阵是‘下三角’完全对称矩阵，因此‘白色’底纹处的信息变化时，‘蓝色’背景的信息会自动变化。

SPSSAU系统的问卷研究》权重模板里面，也可以进行AHP层次分析，但是数据格式要求是问卷研究时的数据格式，而非‘判断矩阵’格式。如果使用问卷研究》权重分析，SPSSAU会自动将问卷研究的数据进行转化处理成‘判断矩阵’格式后进行分析。具体可参考此页面说明： https://www.spssau.com/helps/questionnaire/quesweight.html

9、ARIMA模型【计量研究>ARIMA预测】

ARIMA模型是针对时间序列数据进行研究，时间序列的格式包括时间和实际分析项共两列。比如下图中年份就是时间项，“阿里双十一销售额(亿元)”就是实际分析项。分析时并不需要设置时间项，但研究人员整理的数据一定是类似如下图，从上至下的日期递增，因为算法在分析时也是默认按照从上至下递增进行计算。

10、面板模型【计量研究>面板模型】

面板模型是针对面板数据进行分析，面板数据是一种特殊的数据格式。比如当前研究100家公司5年的财务数据。100家公司，每家5年，最终会有100*5=500行数据。

如果说100家公司全部都有完整的5年数据，即100*5=500行数据，这种叫平衡面板数据。如果说某家公司只有3年的数据，意味着有2年的缺失数据，这种叫非平衡面板数据。

使用SPSSAU进行分析时，‘个体ID’就是下图中的‘公司编号’，‘时间’就是下图中的‘年份’。‘公司编号’一般是指上市公司的股票代码，也或者只是个编号均可；‘年份’一般是指年或者时间点。‘公司编号’和‘年份’两项共同用于告诉系统当前为面板数据，通常无其它意义。

11、Kendall协调系数【实验/医学研究>Kendall协调系数】

Kendall协调系数研究评价多个‘评价者’对多个‘评价对象’的一致性情况。比如4个评委对于10个选手的打分一致性，评价者即评委为4个（即4列），选手即评价对象为10个（即10行）。

数据格式上，通常1列标识1个评价者，1行标识1个评价对象。这是SPSSAU默认格式；但有时候反过来1列标识1个评价对象，1行标识1个评价者，如果是这样则需要在参数处设置为‘评价者（行）’即可。

12、Kappa【实验/医学研究>Kappa】

Kappa一致性系数研究2个措施（比如2种诊断方法，2个医生，2个评委）对于评价对象（比如病人、选手）的一致性情况。

数据格式上，SPSSAU共支持两种即‘加权’和‘不加权’格式。如果是‘加权’格式如下图：A列和B列分别代表2个措施(医生)，单独用一列标识对应医生诊断的病例数量。‘加权’格式时，一定需要把权重加权项放入对应的框中才可以。

如果是‘不加权’格式，那么没有权重列。只需要两列原始数据即可。

13、灰色关联法【综合评价>灰色关联法】

灰色关联法研究数据之间的关联程度，即特征序列与母序列的关联性情况。母序列单独使用一列标识，每个特征序列都使用1列标识。下图中样本编号只是个编号无实际意义，用于标识下样本的ID号，一般是比如年份一类的数据信息，分析时并不需要使用。

14、熵值法【综合评价>熵值法】

熵值法用于指标的权重情况。1个指标占用1列数据。下图中样本编号只是个编号无实际意义，用于标识下样本的ID号，一般是比如年份一类的数据信息，分析时并不需要使用。

如果是面板数据希望进行熵值法，其数据格式如下图所示，比如有100家公司分别5年的指标数据，那么一共就有100*5=500行数据。数据格式上需要如此，但在分析时只需要放入‘指标列’数据即可。

15、熵权TOPSIS【综合评价>熵权TOPSIS】。

熵权TOPSIS法用于研究指标与理想解的接近度情况。1个指标占用1列数据。1个研究对象为1行，但研究对象在分析时并不需要使用，SPSSAU默认会从上到下依次编号。

16、TOPSIS【综合评价>TOPSIS】。

TOPSIS法用于研究指标与理想解的接近度情况。1个指标占用1列数据。1个研究对象为1行，但研究对象在分析时并不需要使用，SPSSAU默认会从上到下依次编号。

17、权重【问卷研究>权重】。

问卷研究模块中和权重计算，其包括AHP层次分析法和优序图法。1个样本为1行，1个计算权重的指标占1列数据即可。即直接使用正常的问卷研究数据即可。

18、方差【进阶方法>双因素方差，三因素方差，多因素方差，协方差】

只要是方差分析，不论是单因素方差（通用方法>方差），也或者进阶方法中的双因素方差，三因素方差，多因素方差和协方差。其均是研究X对于Y的差异，1个X均占用1列，1个Y也占用1列，如果有协变量那么1个协变量占用1列。数据格式类似如下：

19、象限图【可视化>象限图】

象限图可把数据点投影到坐标中去，数据点包括X轴和Y轴两个属性，因此占用2列，以及某个数据点的意义（即标签项）也占用1列，‘标签项’是可选，如果有标签，系统会以设定好的标签进行展示点的标签信息；如果没有标签项，系统就不进行展示标签信息。数据格式类似如下：

https://pubimage.spssau.com/data/methoddataformat.xlsx

20、RSR秩和比

RSR秩和比可分析研究对象在‘研究指标’上的综合表现水平情况。数据格式上需要1列表示1上研究指标，1行表示1个研究对象，如下图所示：

21、耦合协调度

耦合协调度研究不同系统之间的耦合协调情况，因此1列表示1个系统的数据，1行表示1个研究对象，其数据格式如下图所示：

• 特别提示：

• 很多时候1个系统会由多个指标构成，因此‘系统’数据并不是直接就有，而是需要使用比如熵值法或主成分分析法等得到‘综合得分’数据来表示，具体可查看对应的 耦合协调度手册。

22、Ridit分析

Ridit分析研究X与Y的差异，X是定类数据，Y通常是定距数据。SPSSAU共支持不加权和加权两种格式。如果是不加权格式，即1行代表1个研究对象（样本），其数据格式如下图所示：

除此之外，SPSSAU进行Ridit分析时，也支持加权数据格式，即汇总数据，比如下图中X有2种情况，Y有3个情况，一种有2*3=6种组合，数据信息只有6种组别的汇总项（即加权项），分别是40，10，20，30，20，50；相当于总共有170个样本，如果是使用常规格式（即非加权格式），此时应该有170行；但加权格式则只需要6行即可表示，如下图：

23、条件logit回归

条件logit回归通常在病例对照实例时使用，即数据具有配对性，比如一个病例和若干个对照匹配即1：1，常见是1:M(M <=3)，即1个病例和1或2或3个对照匹配。那么在数据准备时就需要有‘配对编号ID’列，用于标识配对信息，其数据格式类似如下：

24、ICC组内相关系数

ICC组内相关系数通常可用于重测信度分析等，比如有3个医生对于5个病人的智商打分一致性。那么需要有3个医生的数据，1个医生为1列即可，其格式类似于配对数据，如下图所示：

25、卡方拟合优度

卡方拟合检验分析定类数据各项的占比差异情况，SPSSAU可支持两类数据格式，一种是常规格式（非加权格式），另外一种是加权数据格式。

上图为常规格式（即非加权格式），一行代表一个样本，一列代表一个属性，将全部的原始数据信息列出即可。

很多时候只有汇总数据，即带加权项的数据，比如下图中研究项有3种情况，每种情况时样本量分别是40，10，20；相当于总共有70个样本，如果是使用常规格式（即非加权格式），此时应该有70行；但加权格式则只需要3行即可表示，如下图。

26、配对Wilcoxon

配对数据的格式相对较为特殊，包括配对Wilcoxon，配对t 检验，或者配对卡方等。比如实验组和对照组数据的差异。如下图：

配对数据一般是在实验时使用，而且配对数据的特点为：行数一定完全相等并且只有两列。如果研究数据的行数不相等，那可能不是配对数据，如果还想对比差异，可能需要使用非参数检验。非参数检验和配对Wilcoxon的数据格式不一样，需要特别注意。

27、对应分析

对应分析研究多个定类数据的关系情况。使用SPSSAU问卷研究模块下的对应分析时，SPSSAU可支持两类数据格式，一种是常规格式（非加权格式），另外一种是加权数据格式。

上图为常规格式（即非加权格式），一行代表一个样本，一列代表一个属性，将全部的原始数据信息列出即可。

很多时候只有汇总数据，即带加权项的数据，比如下图中X有2种情况，Y有3个情况，一种有2*3=6种组合，数据信息只有6种组别的汇总项（即加权项），分别是40，10，20，30，20，50；相当于总共有170个样本，如果是使用常规格式（即非加权格式），此时应该有170行；但加权格式则只需要6行即可表示，如下图。

28、KANO模型

KANO模型研究功能/服务的需求优先级情况。其一般使用问卷形式收集数据，而且一个功能/服务会有正向题和负向题两项。并且其只支持5个选项，即数据只能是1，2，3，4，5共5个数字。1行代表1个测量样本，1列表示1个属性，类似数据格式如下图：

29、灰色预测模型

灰色预测GM(1,1)模型通常针对数量非常少的样本进行预测，如果数据带有时间项，其并不纳入分析项中，但自己整理数据时一般需要将数据依次按时间排序好录入数据，类似数据格式如下图：

30、广义估计方程

广义估计方程GEE是针对纵向数据（重复测量数据或面板数据）等进行分析，因此数据中需要有一列为‘subjectID’用于标识测量对象的ID号，而且该ID号一般会重复出现多次（比如一个人同时测量了5次，则该人的ID号会出现5次），类似数据格式如下图：

31、Poisson回归

Poisson回归时，如果数据中带有基数，比如‘患癌症’人数是Y，而且患癌症人数是基于某个省而言，那么基数就是‘每省的人口总数’，类似数据格式如下图：

32、负二项回归

负二项回归时，如果数据中带有基数，比如‘患癌症’人数是Y，而且患癌症人数是基于某个省而言，那么基数就是‘每省的人口总数’，类似数据格式如下图：

33、PSM倾向得分匹配

倾向得分匹配时，研究变量一定只能包括数字0和1，特征项的数据特征并无特别要求，类似数据格式如下图：

34、剂量反应

剂量反应时总共数据为3列，分别是dose, total, responses；dose表示剂量值，responses表示dose水平时出现反应的case数量，total表示某剂量水平时的总共case数量，类似数据格式如下图：

35、Cox回归

Cox回归生存分析时，因变量包括两项，分别是Y1生成时间和Y2生存状态，Y2生存状态一定只能包括2个数字分别是0和1，至于X或分层项的数据特征不固定，分层项在分析时为可选，没有也没关系，类似数据格式如下图：

36、Kaplan-Meier

Kaplan-Meier分析时，因变量包括两项，分别是Y1生成时间和Y2生存状态，Y2生存状态一定只能包括2个数字分别是0和1，类似数据格式如下图：

37、TSLS两阶段最小二乘回归

TSLS两阶段最小二乘回归时，包括4种类型的数据，分别是因变量1个，工具变量，内生变量和外生变量；工具变量的个数一定要大于等于内生变量的个数；外生变量可有可无，类似数据格式如下图：

38、条件logsitic回归

条件logit（logistic）回归时，配对编号ID用于标识ID，而且是配对，因此一个ID会出现多次，比如1:1配对，那么1个ID就会出现2次（1:2配对时，1个ID就会出现3次）；因变量Y一定只能包括数字0和1，类似数据格式如下图：

39、主成分分析

主成分分析时，一列标识1个指标，一行为1个样本；如果为面板数据，比如100家公司每家公司10年，那么就会有100*10=1000个样本，可能需要单独两列分别是公司名和年份来标识面板格式而已，但主成分分析并不区分是否面板数据，只针对指标进行分析即可，另一般分析样本量需要超出分析项（指标）的5倍，类似数据格式如下图：

40、因子分析

因子分析时，一列标识1个指标，一行为1个样本；如果为面板数据，比如100家公司每家公司10年，那么就会有100*10=1000个样本，可能需要单独两列分别是公司名和年份来标识面板格式而已，但因子分析并不区分是否面板数据，只针对指标进行分析即可，另一般分析样本量需要超出分析项（指标）的5倍，类似数据格式如下图：

41、NPS

NPS分析时，NPS打分值（即数据）计算上需要介于0~10分共11个数字，如果原始数据为1~12分或其它，建议上传后使用“数据处理->数据编码”处理后再分析，NPS类似数据格式如下图：

42、RFM模型

RFM模型时共需要三列数据，分别是最近一次消费间隔时间，消费频率和消费金额，最近一次消费间隔时间应该为具体的数字，而不能是日期，如果是日期数据，建议在EXCEL中处理后再上传到SPSSAU即可，类似数据格式如下图：

43、极差分析

极差分析是针对正交设计表格进行分析，比如进行正交设计（SPSSAU->正交实验），然后做完试验数据后得到的EXCEL表格，因子个数是由正交或实验设计决定，上传数据的格式上一定需要为因子水平编号，比如1，2，3（即第几个水平编号），上传后使用数据处理->数据标签功能，标识数字代表的水平实际意义。类似数据格式如下图：

44、词云

词云一般是对关键词的图示化，SPSSAU支持两种数据格式，分别是加权格式和不加权格式。如果是加权格式：第1列是展示的关键词，第2列为出现次数，即关键词的加权值，加权格式时需要把加权项即‘出现次数’放入对应的加权框中。如果是不加权格式，那么只需要单独一列数据，即全部均为关键词，此时关键词会有很多的重复。

45、DEMATEL

如果是进行DEMATEL分析，直接将数据粘贴至表格中即可（或在表格中自行编辑），DEMATEL的数据格式说明为：第1行为标题，第2行起为数据，数据一定为方阵（即除标题外的数据需要行和列相等），右下三角线数据一定为0。数据格式类似下图。

46、ISM

如果是进行ISM分析，直接将数据粘贴至表格中即可（或在表格中自行编辑），ISM的数据格式说明为：第1行为标题，第2行起为数据，数据一定为方阵（即除标题外的数据需要行和列相等），数据中只能出现0或1，并且右下三角线数据一定为0。数据格式类似下图。

47、HLM模型

如果是多水平模型HLM分析，即医学研究中的HLM模型，则数据格式类似下图：group项代表研究样本的编号，特别提示该列数据一定会有非常的重复，比如下图中数字1重复几次，原因在于group就是代表多个样本都隶属于同一组（比如很多个学生都同隶属于同一个学校）。

48、价格敏感度PSM

如果是进行价格敏感度PSM分析，即问卷研究中的PSM分析，SPSSAU支持两种数据格式，分别虽按‘价格’为标题和按‘态度’为标题的格式。下图中左侧为按‘价格’为标题的格式，1列代表1种价格点，1行代表1个样本；图中右侧为按‘态度’为标题的格式，1列代表1种态度选项（一定共为4项即4种态度），1行代表1个样本。具体是哪种格式，需要似问卷如何设计而定。

49、DEA数据包络分析

如果是进行数据包络DEA分析，数据格式类似下图：单独一列为决策单元DMU（如果没有，或者不放入分析‘标签’中，SPSSAU默认会称其为第1项，第2项，第3项依次类似这样）。一个指标占用一列（不论是投入还是产出指标）

50、VIKOR

如果是进行VIKOR分析，数据格式类似下图：单独一列为评价对象（如果没有，或者不放入分析‘标签’中，SPSSAU默认会称其为第1项，第2项，第3项依次类似这样）。一个指标占用一列（不论是正向还是负向指标）

51、双重差分数据格式DID

如果是进行双重差分DID分析，那么Treated和time数据只能包括数字0或者1，并且有对应的被解释变量Y，至于控制变量可有可无，由实际研究情况而定。

如果是多期DID数据，格式类似如下图，treated只能为数字0或1，数字0标识‘控制组’，数字1标识‘实验组’；time只能为数字0或1，数字0标识‘before’（实验前），数字1标识‘after(实验后)。Treate*time即为交互项，可使用SPSSAU数据处理->生成变量->乘积得到。

52、综合指数

计算综合指数时，数据格式类似下图：单独一列为评价对象（如果没有，或者不放入分析‘标签’中，SPSSAU默认会称其为第1项，第2项，第3项依次类似这样）。一个指标占用一列（不论是高优还是低优指标）。

53、障碍度

障碍度模型时，1个指标占1列数据，至于指标隶属于‘准则层’对应关系情况，研究者自行对应放置即可。以及障碍度模型时需要输入各‘准则层’和‘指标层’的权重，可点击SPSSAU‘开始分析’按钮右侧‘指标权重’按钮进行设置。

54、RDD断点

RDD断点回归时，1行代表1个样本，研究数据中一定包括结果变量Y和驱动变量X，Fuzzy模型项为可选项，控制变量可为0个或者多个。

55、fisher卡方

SPSSAU医学研究模块中的fisher卡方，其格式为汇总格式，数字代表交叉项的个数，A1单元格一定是空着的。比如下图是2*2=6结构的数据，2表示A药和B药，3表示治愈、显著和无效。里面的数字代表某交叉的具体数字，比如A药并且无效的样本个数为12个。

56、malmquist指数

如果是进行malmquist指数，其是计算面板数据投入产出效率的指标，因而输入数据一定是面板数据格式，即比如100个企业分别5年，即100*5=500行数据，单独一列叫DMU即企业名称，时间项即分别5年比如2020、2021、2022、2023和2024等。以及分别1个研究指标占1列数据。

• 特别提示

• 面板数据格式不能错误，比如出现同一个DMU有2个相同的时间项，也或者有的年份是100个DMU，但有的年份是99个DMU等。一定是100个DMU，分别5年，那么一定是100*5=500行数据。

57、SBM

如果是进行SBM模型（或者超效率SBM模型），此时单独一列放DMU，其余各列放置研究指标，包括投入指标、产出指标或者非期望产出指标，与此同时，DMU列可有可无，如果有则可拖拽放入‘DMU标签【可选】’框中。

58、马尔可夫预测

如果是马尔可夫预测，通常包括两个数据，分别是‘初始概率值’和‘状态转移矩阵’。‘初始概率值’放在A列中。‘状态转移矩阵’是n*n矩阵格式，其从B列开始放入，并且B1这个单元格一定是空着的。类似如下图所示：

• 特别提示

• 比如有10个状态，那么‘初始概率值’就会有10个概率数字且加和一定为1，‘状态转移矩阵’则为10*10结构，并且状态转移矩阵的每行数字加和一定为1。

59、dagum基尼系数

如果是进行dagum基尼系数，一定需要有计算项（比如人均GDP）。至于group项和时间项可有可无，但通常二者均会有。Group项一般为地区，时间项一般为年份。Group项放入后会进行组间PK，放入时间项时，会循环输出不同时间项的计算结果。

60、泰尔指数

如果是进行泰尔指数计算，通常会涉及group项，比如区域（华北、华南、华东、西南、东北）其层次最高，也或者区域的下一层次省份group（北京、天津、河北、上海、浙江等），以及具体最小单位粒度城市，及其对应的GDP/人口信息数据等。一行代表一个最小粒度1个时间点(通常1年)的数据。类似结果如下图：

• 特别提示

• 如果只有1个group项，比如区域->省，区域->城市，省->城市；如果有2个group项，比如区域->省->城市，省->城市->区县。Group的层次是相对的，但最小粒度单位为最细分的数据，其决定有多少行数据。比如区域->省这种结构时，省是最小粒度单位共31个省并且5年，那么就有31*5=155行数据。

61、莫兰指数Moran

如果是进行莫兰指数研究，那么其关键是提供‘空间权重矩阵’，即n*n格式的数据，通常是01格式，0代表不相邻1代表相邻，此时右下三角线上的数据一定是0，因为其表示自己与自己的距离。关于更多权重矩阵的内容，建议查阅SPSSAU对应的帮助手册说明。

62、多维尺度MDS

如果是进行多维尺度MDS分析，SPSSAU共支持两种数据格式，分别是n*n数据格式和原始数据格式。n*n格式时：右下三角线数字一定是1其表示自己，其余数字表示交叉研究对象之间的距离度（数字越大代表距离越远即越不相似）。

如果是原始数据格式，那么单独1列为‘研究对象名称’，接着放置各项指标数据，比如中国各城市的文化相似情况，研究对象为城市，共有31个省市，使用5个指标来衡量文化，分别是经度、纬度、全年平均气温、全年平均降雨量、全年平均有太阳天数（数字大小均代表该指标下的具体数据，数字的差值越大代表距离越远）。

63、联合分析

如果是进行联合分析，其通常是先正交试验后得到‘轮廓’即各属性水平组合虚拟产品，然后进行调研，得到各样本对于各轮廓的打分情况，即‘得分’数据。每个轮廓均有对应着属性的水平值。

放入SPSSAU系统进行分析时，系统只关注于‘轮廓得分’数据和属性数据。但研究数据时是以样本编号作为最小粒度单位，比如调研100个人，每个人只针对1种‘轮廓’进行打分，那么就有100行数据。如果是100个人，每人针对2种‘轮廓’进行打分，那么就有100*2=200行数据。