在上一教程中，我们介绍了SPSS Modeler 18.0的基础界面与数据导入流程。本篇将深入讲解数据挖掘的核心前期步骤——数据描述性统计与可视化。这些步骤是理解数据分布、发现潜在规律和异常值的关键，为后续的建模与分析奠定坚实基础。

一、 数据描述性统计

描述性统计旨在通过数值指标概括数据集的基本特征。在SPSS Modeler中，主要通过“输出”选项板中的节点来实现。

1. “数据审核”节点（Data Audit Node）：

• 功能：这是进行综合性描述性统计最强大的工具之一。将其连接到数据源后，执行运行，它会生成一份详细的报告。

• 输出内容：

• 基本统计量：对于连续字段（数值型），提供计数、均值、中位数、标准差、最小值、最大值、偏度、峰度等。

• 质量评估：显示每个字段的缺失值数量与百分比，帮助评估数据完整性。

• 分布图表：自动为字段生成直方图（连续变量）或条形图（分类变量），直观展示分布形态。

• 操作：将节点拖入画布，连接数据源，双击节点可设置审核的字段和统计选项，然后右键执行。

1. “统计量”节点（Statistics Node）：

• 功能：提供更传统和定制化的统计量表输出。用户可以自由选择需要计算的统计量（如总和、方差、范围等）和针对哪些字段进行计算。

• 适用场景：当需要一份简洁的统计量汇总表，或专注于某几个特定指标时非常有用。

二、 数据可视化

可视化是洞察数据的眼睛。SPSS Modeler的“图形”选项板提供了丰富的图表类型。

1. 分布可视化：

• 直方图：用于查看连续变量的分布情况、中心趋势和离散程度。可通过“图形”选项板中的“直方图”节点创建。

• 条形图：用于展示分类变量（如产品类型、地区）各水平的计数或比例。使用“条形图”节点。

• 多变量图：可以同时查看多个变量的分布及其组合，例如通过面板矩阵图。

1. 关系与对比可视化：

• 散点图：探索两个连续变量之间相关性的利器。使用“散点图”节点，还可以通过“叠加”功能引入第三个分类变量，用不同颜色区分点。

• 线图：适合展示数据随时间或有序类别变化的趋势。

• 盒须图：用于比较不同类别下连续变量的分布，特别擅长识别异常值。它显示了数据的中位数、四分位数和极端值。

1. 网络图与地图：

• 对于关联规则或关系数据，可以使用“网络图”。

• 如果数据包含地理信息（如国家、省市），可以使用“地图”节点进行地理空间可视化。

三、 实践操作流程

1. 连接数据源：使用“Var.文件”或“数据库”节点导入你的数据集（例如，一个客户信息表）。
2. 执行数据审核：

• 从“输出”选项板拖入“数据审核”节点，将其与数据源连接。

• 双击节点，在“设置”选项卡中选择需要审核的字段。在“质量”和“分析”选项卡中可以配置相关选项。

• 右键点击节点，选择“运行”。在右侧的“输出”浏览器中查看详细的审核报告，包括统计量表和各字段的分布图。重点关注缺失值、极端值和分布形状。

1. 创建定制化图表：

• 假设想分析“年龄”与“收入”的关系。从“图形”选项板拖入“散点图”节点，连接到数据源。

• 双击节点，在“字段”选项卡中，将“年龄”设为X轴，“收入”设为Y轴。如果想按“性别”区分，可将“性别”字段拖入“叠加”区域。

• 在“外观”选项卡中可以调整标题、颜色等。运行节点后，即可在输出窗口看到散点图，直观判断是否存在相关关系或群体差异。

四、 核心价值与技巧提示

• 探索性数据分析（EDA）：描述性统计与可视化是EDA的核心。不要急于建模，先花时间“了解”你的数据。
• 异常值处理：通过箱线图和统计量（如远高于均值的标准差）识别异常值，并决定是修正、剔除还是保留。
• 相关性与趋势：利用散点图和线图发现变量间的潜在关联，这可能直接启发特征选择或模型构建方向。
• 流程化：所有生成的节点和输出都可以保存在SPSS Modeler的流（.str）文件中，确保分析过程的可重复性。

通过熟练掌握描述性统计与可视化，你将能更自信地驾驭数据，揭示其背后的故事，并为后续的聚类、分类、预测等高级数据挖掘任务做好充分准备。在下一篇教程中，我们将进入数据预处理阶段，学习数据清洗、转换与集成。

---
本文参考了lyric1在CSDN博客分享的相关知识框架，并结合SPSS Modeler 18.0官方功能进行系统化梳理与实操阐述，旨在为学习者提供清晰的指引。数据处理服务是数据科学项目的基石，而扎实的描述性分析正是这块基石的第一个关键环节。