12.1 AGGREGATE

AGGREGATE
        [OUTFILE={*,’file_name’,file_handle} [MODE={REPLACE,ADDVARIABLES}]]
        [/MISSING=COLUMNWISE]
        [/PRESORTED]
        [/DOCUMENT]
        [/BREAK=var_list]
        /dest_var[’label’]…=agr_func(src_vars[, args]…)…

AGGREGATE 将一组个案汇总为单个个案。它把在一个或多个称为 break variables（分组变量）的变量上取值相同的个案划分成组。提供若干函数用于汇总个案内容。

AGGREGATE 的语法由用于控制其行为的子命令（全部可选）组成，其后跟一个或多个目标变量赋值，每个赋值都使用一个聚合函数来定义其计算方式。

必须排在第一位的 OUTFILE 子命令命名了 AGGREGATE 输出的目标。它可以通过文件名或文件句柄（参见 File Handles）指定一个系统文件，通过名称指定一个数据集（参见 Datasets），或使用 ‘*’ 替换活动数据集。AGGREGATE 将其输出写入该文件。

仅当 OUTFILE=* 时，可紧接着用值 ADDVARIABLES 或 REPLACE 指定 MODE：

• 使用默认值 REPLACE 时，活动数据集被一个新数据集替换，该新数据集只包含分组变量和目标变量。新文件包含的个案数等于分组变量的唯一组合数。
• 使用 ADDVARIABLES 时，目标变量被添加到现有活动数据集的变量中。在分组变量上取值组合相同的个案，其目标变量取值也相同。活动数据集中的个案数量保持不变。数据必须已按分组变量排序，也就是说，ADDVARIABLES 隐含 PRESORTED。

如果省略 OUTFILE，AGGREGATE 的行为如同指定了 OUTFILE=* MODE=ADDVARIABLES。

默认情况下，AGGREGATE 先按分组变量对数据排序。如果活动数据集已经按分组变量排序或分组，可指定 PRESORTED 以节省时间。使用 MODE=ADDVARIABLES 时，数据必须预先排序。

指定 DOCUMENT 可将活动数据集中的文档复制到聚合文件（参见 DOCUMENT）。否则，即使聚合文件替换了活动数据集，聚合文件中也不包含任何文档。

通常，只要聚合函数所用的非缺失数据足够，AGGREGATE 就会产生非缺失值，即只需一个非缺失值，而对于 SD 和 SD. 聚合函数则需两个非缺失值。指定 /MISSING=COLUMNWISE 可使 AGGREGATE 在输入值中有一个或多个缺失时输出缺失值。

BREAK 子命令可选，但通常会出现。在 BREAK 上列出用于将活动数据集划分为待汇总组的变量。

AGGREGATE 对子命令的顺序有严格要求。OUTFILE 必须排第一，其后是 MISSING。PRESORTED 和 DOCUMENT 在 MISSING 之后，二者顺序任意，其后是 BREAK，再之后是聚合变量说明。

至少需要一组聚合变量。每组包含一个聚合变量列表、一个等号（‘=’）、一个聚合函数名（见下表），以及括号中的源变量列表。少数聚合函数不接受源变量，有些聚合函数在源变量名之后还需要额外的参数。

AGGREGATE 创建的聚合变量通常没有变量标签、值标签或缺失值。它们的默认打印和写入格式取决于所使用的聚合函数，详见下表。聚合变量的变量标签可在聚合变量列表中的变量名之后指定。

每组必须具有与聚合变量数量完全相等的源变量。每个聚合变量接收将指定聚合函数应用于相应源变量的结果。

以下聚合函数只能应用于数值变量：

MEAN(var_name…)

算术平均值。限于数值。默认格式为 F8.2。

MEDIAN(var_name…)

中位数。限于数值。默认格式为 F8.2。

SD(var_name…)

均值的标准差。限于数值。默认格式为 F8.2。

SUM(var_name…)

总和。限于数值。默认格式为 F8.2。

这些聚合函数可应用于数值变量和字符串变量：

CGT(var_name…, value)CLT(var_name…, value)CIN(var_name…, low, high)COUT(var_name…, low, high)

个案的总权重，分别对应于大于或小于 value，或在闭区间 [low,high] 之内或之外的情形。默认格式为 F5.3。

FGT(var_name…, value)FLT(var_name…, value)FIN(var_name…, low, high)FOUT(var_name…, low, high)

取值中大于或小于 value，或在闭区间 [low,high] 之内或之外的比例。默认格式为 F5.3。

FIRST(var_name…)LAST(var_name…)

分别是分组组内第一个或最后一个非缺失值。聚合变量从源变量接收完整的字典信息。AGGREGATE（以及 SORT CASES）执行的排序是稳定排序。这意味着在排序前分组变量取特定值的第一个（或最后一个）个案，在排序后仍是该分组组内的第一个（或最后一个）个案。

MIN(var_name…)MAX(var_name…)

分别是最小值或最大值。聚合变量从源变量接收完整的字典信息。

N(var_name…)NMISS(var_name…)

分别是非缺失值或缺失值的总权重。若未启用加权，默认格式为 F7.0；若已启用，则为 F8.2（参见 WEIGHT）。

NU(var_name…)NUMISS(var_name…)

分别是非缺失值或缺失值的计数，忽略个案权重。默认格式为 F7.0。

PGT(var_name…, value)PLT(var_name…, value)PIN(var_name…, low, high)POUT(var_name…, low, high)

取值中大于或小于 VALUE，或在闭区间 [low,high] 之内或之外的百分比（0 到 100）。默认格式为 F5.1。

这些聚合函数不接受源变量：

N

聚合形成本组的所有个案的总权重。若未启用加权，默认格式为 F7.0；若已启用，则为 F8.2（参见 WEIGHT）。

NU

聚合形成本组的个案计数，忽略个案权重。默认格式为 F7.0。

聚合函数按照内部字符编码比较字符串值。在大多数现代计算机上，这是 ASCII 或其超集。

上面列出的聚合函数在计算中会排除所有用户缺失值。要包含用户缺失值，可在函数名末尾加一个句点（‘.’）。（例如 ‘SUM.’）。（注意：若将此类函数作为一行中的最后一个记号，该句点会被解释为该命令的结束符。）

AGGREGATE 会忽略并取消当前的 SPLIT FILE 设置（参见 SPLIT FILE）。

12.1.1 聚合示例

数据集 personnel.sav 提供了许多人的职业和薪水。然而在许多场合，如此详细的信息并无太大意义，但各个职业的聚合统计量往往是有用的。在示例 12.1 中，AGGREGATE 命令用于计算每个职业的均值、中位数和标准差。

GET FILE="personnel.sav". AGGREGATE OUTFILE=* MODE=REPLACE         /BREAK=occupation         /occ_mean_salary=MEAN(salary)         /occ_median_salary=MEDIAN(salary)         /occ_std_dev_salary=SD(salary). LIST.

示例 12.1： 从 personnel.sav 文件计算聚合统计量

由于我们选择了 ‘MODE=REPLACE’ 选项，在结果 12.1 中不再存在单个人员的个案。每个聚合值已被单个个案所取代。

occupation	occ_mean_salary	occ_median_salary	occ_std_dev_salary
Artist	37836.18	34712.50	7631.48
Baker	45075.20	45075.20	4411.21
Barrister	39504.00	39504.00	.
Carpenter	39349.11	36190.04	7453.40
Cleaner	41142.50	39647.49	14378.98
Cook	40357.79	43194.00	11064.51
Manager	46452.14	45657.56	6901.69
Mathematician	34531.06	34763.06	5267.68
Painter	45063.55	45063.55	15159.67
Payload Specialist	34355.72	34355.72	.
Plumber	40413.91	40410.00	4726.05
Scientist	36687.07	36803.83	10873.54
Scrientist	42530.65	42530.65	.
Tailor	34586.79	34586.79	3728.98

结果 12.1： 每个 occupation（职业）的聚合均值、中位数和标准差

注意，标准差的某些值为空。这是因为相应职业只有一个个案。