第二章
数据管理


一、数据的读取
jamovi可以直接读取SPSS、STATA、SAS、R等程序的数据文件，以及逗号分隔的 CSV文件、TXT文本文件。这部分数据的读取方法如下：
以打开计算机桌面上文件夹“数据管理”中的“示例数据 1.csv”文件为例［“示例数据1”为 15名高校大一至大四在校大学生的身高（cm）和体重（kg）数据］。
点击软件主界面左上角的
（图2-1），则呈现图 2-2所示界面，选择“Open”（打开），继续选择“This PC”（这台计算机），再选择右上角“Browse”（浏览），从本地电脑目录中选择需要打开的文件，最后单击选定文件，即可打开并读取数据文件（图2-3）。



jamovi自带部分示例数据，如果需要打开这部分示例数据，则在选择“Open”后，选择“Data Library”（数据库），然后在右侧选择相应文件点击打开即可（图2-4）。

非逗号分隔的其他 Excel文件，可以在 Excel中另存为逗号分隔的 CSV文件，然后再用上述方法打开。固定格式的 TXT文件可以先用 SPSS、R等读取，转换为 jam-ovi可以读取的数据文件。.dat文件可以用 Excel读取，另存为逗号分隔的 CSV文件，再用上述方法打开。
二、结果的保存
jamovi软件数据分析结果在窗口的结果视图栏呈现（图 2-5），jamovi生成的表格和图形可以直接复制到 Word或者 Excel里，稍加编辑就可以直接使用。
数据分析完成后，表格复制或导出的步骤如下：将光标移动至表格中，单击鼠标右键，选择“Table”（表格）—“Copy”（复制）（图2-6），即可直接复制表格，选择“Export”（输出）（图2-7），即可将表格另存为 .pdf或 .html文件保存至计算机中。



在完成数据分析后，数据和结果的保存分为两种形式：第一种是将数据结果保存为 .omv格式，.omv文件是 jamovi软件的保存格式，可直接使用 jamovi软件打开。这种方式将数据与结果同时保存在一个文件里，看见数据的同时也能看见结果。第二种是将结果保存为其他格式，如 .pdf、.sav、.csv等，这种方法只能输出结果部分。这两种方法的操作步骤如下：
①打开选择软件左上角 “ 
”—“Save As”（保存） —“Browse”（浏览），从本地计算机目录中选择目标路径，更改文件名，点击“Save As”即可将结果保存为 .omv格式（图2-8）。

②打开选择软件左上角“
”—“Export”（输出）—“Browse”，从本地计算机目录中选择目标路径，更改文件名，选择需要保存的文件格式，点击“Save As”


即可将结果保存为相应的文件格式（图2-9）。


以“示例数据1.csv”演示增加 /删除变量的操作过程。
一、增加 /删除变量
① 按照上述数据读取方法打开“示例数据1.csv”，如图 2-10所示。

② 选择“Data”—“Add”（增加），此时出现如图 2-11所示的下拉选项，其中“Data Variable”（数据变量）表示增加一个新的空白变量，“Computed Variable”（计算变量）表示增加一个经过计算得到的变量，“Transformed Variable”（转换变量）表示增加一个经过转换得到的变量，关于“Computed Variable”和“Transformed Variable”的具体用法在“变量 /数据转换”有具体描述。“Insert”（插入）表示将光标移到数据中的某列，新变量会出现在这一列的前面一列，“Append”（追加）则表示新变量会出现在数据最后一列的后一列。

③ 选中需要删除的列，单击鼠标右键，在出现的菜单中选择“Delete Variable”（删除变量）（图2-12）或者选择“Data” —“Delete”（删除）（图2-13），即可将变量删除。





二、变量标签与赋值
① 按照上述数据读取方法打开“示例数据1.csv”。
② 选中需要重命名的变量所在的列，单击鼠标右键，在出现的菜单中选择“Setup”（设置）（图2-14）或者选择“Data”—“Setup”（图2-15），新出现的界面即为变量的编辑栏，包括变量名称、“Description”（变量描述）、“Measure type”（变量类型）、“Data type”（数据类型）、“Missing values”（缺失值）、“Levels”（自变量水平）（图2-16）。其中“Measure type”包括“Nominal”（名义变量）、“Ordinal”（有序变量）、“Continuous”（连续性变量）和“ID”四种；“Data type”包括“Integer”（整数）、“Decimal”（小数）和“Text”（文本）三种类型。


三、变量 /数据转换
在数据分析过程中，常常需要对变量重新赋值或者重新计算生成一个新变量，这都涉及变量和数据的转换，下面以“示例数据 1.csv”演示变量 /数据转换操作步骤。
（一）变量重新编码
在进行数据分析之前，有时需要对变量进行相应调整，例如“示例数据 1”中，原来的“grade”（年级）变量中“1”代表大一，“2”代表大二，“3”代表大三，“4”代表大四，后面的研究中需要将大一和大二合并，大三和大四合并，此时需要对“grade”这个变量重新编码，操作步骤如下：
① 按照上述数据读取方法打开“示例数据1.csv”。
②将光标移动至需要转换的变量所在的列，单击鼠标右键，在出现的菜单中选择“Transform”（转换）（图2-17），或者选择“Data”—“Transform”（图2-18）。

③ 在新出现界面中的“source variable”（原始变量）中选择“grade”，表示新的变量是基于原始变量“grade”的，接下来在“using transform”（用于转换为）中



选择“Creat New Transform”（创建新的转换变量）（图2-19）。
④ 在新出现的界面中选择“＋ Add recode condition”（增加编码规则），在“source”（原始数据）选择“= =”（等于），在后面填写编码“1”，“use”后面也填写1，代表编码“1”仍然编码为“1”；然后继续选择“＋ Add recode condition”，将编码
“2”编码为“1”，按照同样的方法，将编码“3”编码为“2”，编码“4”编码为“2”（图2-20）。


⑤ 点击右边
，得到重新编码后的结果（图2-21）。

（二）生成新变量
有些变量在原始数据中并不能获得，但是可以通过原始数据的简单计算生成，如“示例数据 1”中已经有“hight”（身高）和“weight”（体重）数据，可以通过这两个数据获得体质指数（body mass index，BMI），其操作步骤如下：
① 按照上述数据读取方法打开“示例数据1.csv”。
② 将光标移动到最后一列“weight”，选择“Data”—“Compute”（计算）（图 2-22），需要注意的是将光标移到数据中的某列，新计算出来的变量会出现在这一列的后面一列。
③ 在上方的“COMPUTED VARIABLE”（计算变量）下的框中输入计算后得
到的变量的名称“BMI”，在下方的“Formula”（公式）右边的框中输入计算公式 “fx=weight/（（hight/100）*（hight/100）） ”，即可得到新变量 BMI的数值（图2-23）。也可以利用 jamovi的各种函数实现计算过程。如果需要查看 jamovi支持哪些函数，可以点击“Formula”右边 fx旁边的“▼”，输入计算公式。


数据的合并包括样本的合并和变量的合并，下面以“示例数据 1”和“示例数据2”［“示例数据 2”为 15名乙高校大一至大四在校大学生的身高（cm）、体重（kg）数据］演示样本合并和变量合并的操作步骤过程。
一、样本合并
假设“示例数据 3.csv”数据库中记录了 ID为 1~15的 15名研究对象的 “age”（年龄）、“gender”（性别）、“grade”（年级）、“hight”（身高）、和“weight”（体重）五个变量数据，“示例数据 4.csv”数据库中记录了 ID为 16~30的 15名研究对象的“age”“gender”“grade”“hight”和“weight”5个变量数据，现需要将两个数据库的数据进行合并。
① 按照上述数据读取方法同时打开“示例数据3.csv”和“示例数据4.csv”。
②选择数据“示例数据 4.csv”，用光标拖拉选择需要合并到“示例数据 1”中的样本，本次选择“示例数据 2”中 ID为 20~30号的样本（如果合并整个“示例数据 2”，则 Ctrl+A全选），鼠标右键选择“copy”（复制）如图 2-24所示。

③选择“示例数据 1”，光标移到“示例数据 1”最后一行的后面一行，单击右键选择“Paste”（粘贴）（图2-25），即可得到合并后的数据库（图2-26）。





需要注意的是，样本合并之前必须确保合并的两个数据库中变量的顺序完全一致。
二、变量合并
假设“示例数据 1.csv”数据库中记录了 ID为 1~15的 15名研究对象的 “age”“gender”和“grade”三个变量数据，“示例数据 4.csv”数据库中记录了 ID为 1~15的 15名研究对象的“hight”和“weight”两个变量数据，现需要将两个数据库的数据进行合并。
① 按照上述数据读取方法同时打开“示例数据3.csv”和“示例数据4.csv”。
②选择数据“示例数据 4.csv”，用光标拖拉选择需要合并到“示例数据 1”中的变量，本次选择“hight”列和“weight”列（如果合并整个“示例数据 2”，则同时按住键盘 Ctrl+A全选），单击鼠标右键选择“Copy”（图2-27）。

③选择“示例数据 1”，光标移到“示例数据 1”最后一列的后面一列，点击右键选择“Paste”（图2-28），即可得到合并后的数据库（图2-29）。





需要注意的是，合并之前必须确保两个数据库中样本例数的 ID顺序完全一致。
三、数据筛选
在数据分析过程中，有时需要选择一部分数据进行分析，即选择满足一定条件的样本，比如，选择血红蛋白浓度大于 160 g/L的样本人群，选择年龄大于 60岁的样本人群。可以利用条件抽取、挑选出或删除符合 /不符合一定条件的样本，如删除有缺失值的样本。这时就要使用数据筛选功能。以“示例数据 1”演示筛选出“gender”中为“male”（男性）以及“grade”中为“2”的样本，数据筛选操作步骤：
① 按照上述数据读取方法同时打开“示例数据 1.csv”文件；选择“Data” —“Filter”（筛选）（图2-30）。

② 在 fx后面的输入框输入相应的条件如“gender=="male"”，点击“+”，就会增加一个新的筛选条件输入框，输入“grade=="2"”（图2-31）；结果如图 2-32所示，在“Data”页面新增两列“Filter 1”（筛选1）和“Filter 2”（筛选2），“Filter 1”表示“gender”的筛选结果，“Filter 2”表示“grade”的筛选结果。