将 SPSS 数据文件导入 R

在我的公司，我们正在考虑逐步淘汰选择R的SPSS。在过渡期间，我们仍将以 SPSS 数据文件格式（.sav）提供数据。

我在将此 SPSS 数据文件导入 R 时遇到问题。当我将 SPSS 文件导入 R 时，我希望保留变量的值和值标签。包中的read.spss()函数foreign让我可以选择保留变量的值或值标签，但不能同时保留两者。

AFAIK，R确实允许因子变量具有值（水平）和值标签（水平标签）。我只是想知道是否可以以某种方式修改read.spss()函数以合并它。

或者，我从memisc包中遇到了spss.system.file()函数，据说它允许这种情况发生，但它要求一个单独的语法文件（codes.file），我不一定总是可以使用该文件。

下面是一个示例数据文件。

我将不胜感激任何帮助解决此问题。

谢谢。

我不知道

如何读取 SPSS 元数据;我通常会读取.csv文件并重新添加元数据，或者编写一个小的一次性 PERL 脚本来完成这项工作。我想提到的是，最近发布的 R 包 Rz 可以帮助您将 SPSS 数据引入 R。我快速浏览了一下，似乎很有用。

有一个

解决方案可以通过 ODBC 驱动程序在 R 中读取 SPSS 数据文件。

1）有一个 IBM SPSS 统计数据文件驱动程序。我找不到下载链接。我从我的SPSS提供商那里得到了它。独立驱动程序就是您所需要的。您不需要 SPSS 即可安装或使用驱动程序。

2）为 SPSS 数据驱动程序创建 DSN。

3）使用RODBC包，您可以在 R 中读取任何 SPSS 数据文件。可以将每个变量的值标签作为单独的表获取。然后，可以根据需要以任何方式使用 R 中的标签。

这是Windows上的一个工作示例（我现在的计算机上没有SPSS），可以在R中读取您的示例数据文件。我还没有在 Linux 上测试过这个。它可能也适用于Linux，因为Linux也有SPSS数据驱动程序。

require(RODBC)
# Create connection
# Change the DSN name and CP_CONNECT_STRING according to your setting
con <- odbcDriverConnect("DSN=spss_ehsis;SDSN=SAVDB;HST=C:\Program Files\IBM\SPSS\StatisticsDataFileDriver\20\Standalone\cfg\oadm.ini;PRT=StatisticsSAVDriverStandalone;CP_CONNECT_STRING=C:\temp\data_expt.sav")
# List of tables
Tables <- sqlTables(con)
Tables
# List of table names to extract
table.names <- Tables$TABLE_NAME[Tables$TABLE_SCHEM != "SYSTEM"]
# Function to query a table by name
sqlQuery.tab.name <- function(table) {
  sqlQuery(con, paste0("SELECT * FROM [", table, "]"))
}
# Retrieve all tables
Data <- lapply(table.names, sqlQuery.tab.name)
# See the data
lapply(Data, head)
# Close connection
close(con)

例如，我们可以为两个变量定义值标签：

[[5]]
  VAR00002 VAR00002_label
1        1           Male
2        2         Female
[[6]]
  VAR00003 VAR00003_label
1        2        Student
2        3       Employed
3        4     Unemployed

其他信息

这是一个函数，允许在连接到 SPSS 数据文件后读取 SPSS 数据。该函数允许指定要选择的变量列表。如果value.labels=T，SPSS 数据文件中带有值标签的选定变量将转换为附加标签的 R 因子。

我不得不说我对这个解决方案的性能不满意。它适用于小型数据文件。对于大型 SPSS 数据文件，经常达到 RAM 限制（甚至选择变量的子集）。

get.spss <- function(channel, variables = NULL, value.labels = F) {
  VarNames <- sqlQuery(channel = channel,
    query = "SELECT VarName FROM [Variables]", as.is = T)$VarName
  if (is.null(variables)) variables <- VarNames else {
    if (any(!variables %in% VarNames)) stop("Wrong variable names")
  }
  if (value.labels) {
    ValueLabelTableName <- sqlQuery(channel = channel,
      query = "SELECT VarName FROM [Variables]
                                    WHERE ValueLabelTableName is not null",
      as.is = T)$VarName
    ValueLabelTableName <- intersect(variables, ValueLabelTableName)
  }
  variables <- paste(variables, collapse = ", ")
  data <- sqlQuery(channel = channel,
    query = paste("SELECT", variables, "FROM [Cases]"),
    as.is = T)
  if (value.labels) {
    for (var in ValueLabelTableName) {
      VL <- sqlQuery(channel = channel,
        query = paste0("SELECT * FROM [VLVAR", var,"]"),
        as.is = T)
      data[, var] <- factor(data[, var], levels = VL[, 1], labels = VL[, 2])
    }
  }
  return(data)
}

我的工作正在经历同样的转变。

read.spss（）将变量标签作为使用它创建的对象的属性返回。所以在下面的例子中，我有一个名为rvm的数据帧，它是由read.spss（）创建的，to.data.frame=TRUE。它有 3,500 个变量，短名称为 a1、a2 等，但 SPSS 中的每个变量都有长标签。我可以通过以下方式访问变量标签

cbind(attributes(rvm)$variable.labels)

返回所有 3,500 个变量全名的列表，最多

…
x23      "Other Expenditure Uncapped Daily Expenditure In Region"          
x24      "Accommodation Expenditure In Region"                             
x25      "Food/Meals/Drink Expenditure In Region"                          
x26      "Local Transport Expenditure In Region"                           
x27      "Sightseeing/Attractions Expenditure In Region"                   
x28      "Event/Conference Expenditure In Region"                          
x29      "Gambling/Casino Expenditure In Region"                           
x30      "Gifts/Souvenirs Expenditure In Region"                           
x31      "Other Shopping Expenditure In Region"                            
x0       "Accommodation Daily Expenditure In Region"

如何处理这些是另一回事，但至少我有它们，如果我愿意，我可以将它们放在其他对象中进行保管、使用 grep 搜索等。

由于你有可用的SPSS，我建议安装"Essentials for R"插件（免费，但你需要注册，也请参阅安装说明），它允许你在SPSS中运行R。该插件包含一个 R 包，其中包含将活动 SPSS 数据帧传输到 R（和返回）的功能 - 包括标记的因子水平、日期、德语变音 - 否则众所周知的困难细节。根据我的经验，它比R自己的foreign包更可靠。

设置完所有内容后，在 SPSS 中打开数据，然后在语法窗口中运行类似于以下代码的内容：

begin program r.
myDf <- spssdata.GetDataFromSPSS(missingValueToNA=TRUE,
                                 factorMode="labels",
                                 rDate="POSIXct")
save(myDf, file="d:/path/to/your/myDf.Rdata")
end program.

R插件链接的要点（显然破坏了降价链接语法）：

https://www.ibm.com/developerworks/mydeveloperworks/wikis/home/wiki/We70df3195ec8_4f95_9773_42e448fa9029/page/Downloads%20for%20IBM®%20SPSS®%20Statistics?lang=en

如今，该软件包haven提供了实现您想要的功能（以及更多）。

函数 read_sav() 可以导入 *.sav 和 *.zsav 文件并返回tibble 。变量标签自动存储在该tibble中相应变量的labels属性中。标记的类保留了原始语义，并允许我们将任意标签与数字或字符向量相关联。如果需要，我们可以使用函数 as_factor() 强制标记对象，即标记类的对象，甚至 data.frame s 或 tibble s（一次）内的所有标记向量因子。

相关内容

最新更新

热门标签：