“分箱法”相信學過統計學的小伙伴們都不會陌生，它的主要作用就在于對噪音數據進行剔除，同時將連續型數據進行離散處理。在模型分析開始前，我們經常需要使用到分箱法來處理和清洗數據。

作為一款功能全面、專業性強的統計分析軟件，IBM SPSS Statistic同樣具備分箱功能，下面我們一起來通過一篇教程了解一下。

圖1是我們準備要分箱的數據，我們將對年齡列進行分箱，按照每10歲為一個標準進行分箱。

圖1：要分箱的數據

點擊“轉換”中的“可視分箱”，進入分箱設置界面。

圖2：可視分箱

將“年齡”拉入到“要分箱的變量”中，然后點擊“繼續”。

圖3：拉入要分箱的變量

在圖4所示界面，我們可以看到要掃描的個案數共34個，其中最大的變量值為67，最小為22，也就是說要分箱的數據年齡段在22到67歲之間。

我們在“分箱化變量”中，填入“年齡段”，作為一個之后新生成的變量，隨后點擊“生成分割點”按鈕。

圖4：分箱化變量

按照我們的分箱目的，我們要每隔10歲分組一次，最小的年齡為22歲，則我們需要在第一個分割點位置填寫“20”，然后在寬度填寫“10”，此時點擊鍵盤Tap鍵，SPSS會自動生成分割點數的值為“5”，如圖5所示。

這樣子SPSS會自動幫我們將20到30、30到40、40到50、50到60、60到70的年齡段進行分組，一共5組。

圖5：生成分割點

點擊“應用”按鈕后，回到“可視分箱”界面中，我們可以在圖6紅框位置看到后續的分箱值，標簽欄默認是空值，我們可以進行自定義填寫，如設置20的分箱標簽為2。

圖6：設置自定義標簽

最后點擊“確定”按鈕，開始進行數據分箱，分箱后的新數據結果如圖7所示，生成了新的“年齡段”列，數據也非常正確地進行了分箱，如年齡為27的那行數據，被正確地設置到了標簽為2的分箱中。

圖7：分箱結果

以上就是使用IBM SPSS Statistic對演示數據中的年齡指標，按照每隔10歲的標準，進行分箱的全部教程，上述演示的是等距分箱，小伙伴也可以自己動手在IBM SPSS Statistic中嘗試一下不等距分箱哦。