使用名称拼写错误清理 SPSS 中的数据
Cleaning data in SPSS with name misspellings
我有一个 500 万条基本格式的记录数据集：
FName LName UniqueID DOB
John Smith 987678 10/08/1976
John Smith 987678 10/08/1976
Mary Martin 567834 2/08/1980
John Smit 987678 10/08/1976
Mary Martin 768987 2/08/1980
出生日期总是唯一的，但我遇到过以下情况：
相同 ID，不同名称拼写或不同 ID，相同名称
我已经让 SPSS 识别出具有相同 DOB 的 John Smit 和 John Smith 是同一个人，并且我使用聚合来显示在姓名附近使用拼写的次数（John Smith，10；约翰·斯密特 5).
案例一：
我想做的是遍历所有被识别为同一个人的记录，并获得该人姓名的最常见拼写并将其用作他们的标准名称。
案例二：
如果我有同一个人的多个 ID，请取最低的一个并将其作为标准。
我很乐意使用基本语法来清理我的数据，但这是我唯一坚持的事情。
如果 UniqueID 是人口中个人的真正唯一 ID，并且您想要查找名称拼写的变体（在这些 ID 的分组内）并分配模式出现，那么像这样的事情会起作用：
STRING FirstLastName (A99).
COMPUTE FirstLastName = CONCAT(FName," ", LName").
AGGREGATE OUTFILE= * MODE=ADDVARIABLES /BREAK=UniqueID FirstLastName /Count=N.
AGGREGATE OUTFILE= * MODE=ADDVARIABLES /BREAK=UniqueID /MaxCount=MAX(Count).
IF (Count<>MaxCount) FirstLastName =$SYSMIS.
AGGREGATE OUTFILE= * MODE=ADDVARIABLES OVERWRITE=YES /BREAK=UniqueID /FirstLastName=MAX(FirstLastName).
然后您也可以覆盖 FName 和 LName 字段，但是必须做出更多假设，例如，如果 FName 或 LName 可以包含 space 个字符等
我最终以一种似乎非常复杂的方式解决了所有这些问题。但是，最后，我能够解决所有问题，并且我对最终数据库所做的健全性检查都没有问题。
@Jignesh，我最终使用了您的一些代码。谢谢。
我有一个 500 万条基本格式的记录数据集：
FName LName UniqueID DOB
John Smith 987678 10/08/1976
John Smith 987678 10/08/1976
Mary Martin 567834 2/08/1980
John Smit 987678 10/08/1976
Mary Martin 768987 2/08/1980
出生日期总是唯一的，但我遇到过以下情况： 相同 ID，不同名称拼写或不同 ID，相同名称
我已经让 SPSS 识别出具有相同 DOB 的 John Smit 和 John Smith 是同一个人，并且我使用聚合来显示在姓名附近使用拼写的次数（John Smith，10；约翰·斯密特 5).
案例一： 我想做的是遍历所有被识别为同一个人的记录，并获得该人姓名的最常见拼写并将其用作他们的标准名称。
案例二： 如果我有同一个人的多个 ID，请取最低的一个并将其作为标准。
我很乐意使用基本语法来清理我的数据，但这是我唯一坚持的事情。
如果 UniqueID 是人口中个人的真正唯一 ID，并且您想要查找名称拼写的变体（在这些 ID 的分组内）并分配模式出现，那么像这样的事情会起作用：
STRING FirstLastName (A99).
COMPUTE FirstLastName = CONCAT(FName," ", LName").
AGGREGATE OUTFILE= * MODE=ADDVARIABLES /BREAK=UniqueID FirstLastName /Count=N.
AGGREGATE OUTFILE= * MODE=ADDVARIABLES /BREAK=UniqueID /MaxCount=MAX(Count).
IF (Count<>MaxCount) FirstLastName =$SYSMIS.
AGGREGATE OUTFILE= * MODE=ADDVARIABLES OVERWRITE=YES /BREAK=UniqueID /FirstLastName=MAX(FirstLastName).
然后您也可以覆盖 FName 和 LName 字段，但是必须做出更多假设，例如，如果 FName 或 LName 可以包含 space 个字符等
我最终以一种似乎非常复杂的方式解决了所有这些问题。但是，最后，我能够解决所有问题，并且我对最终数据库所做的健全性检查都没有问题。
@Jignesh，我最终使用了您的一些代码。谢谢。