企业官网建设流程全解析

1. 数据合并前必须想清楚的一件事：纵向还是横向

刚接触SPSS的人，十有八九会在“合并数据”这一步卡壳。其实数据合并没有那么玄乎，用一句话概括：纵向合并是往表格下面添行，横向合并是往表格右边添列。但问题恰恰出在这里——很多人连自己的数据到底该往下添还是往右添都没想明白，就打开了菜单，结果合并出来的数据一团乱。

先看两个最常见的场景。

场景一：你做了一份500份的问卷，但录入时分成了5批，每批100份，分别存成了5个SPSS文件。这5个文件里的变量名、变量顺序、变量类型完全一样，只是装的是不同人的数据。你现在想把它们拼成一个500行的完整数据文件——这就要用纵向合并（SPSS里叫“添加个案”）。

场景二：你手里有两份数据，一份是人口学变量（性别、年龄、学历），一份是量表得分（每一项的评分），两份数据的编号ID一一对应，但变量完全不同。你想把两份数据拼成一张宽表，每个人的所有信息都在同一行里——这就要用横向合并（SPSS里叫“添加变量”）。

之所以强调“想清楚再做”，是因为合并思路搞反了的后果非常严重。如果你该用纵向合并的时候用了横向合并，SPSS会把本该变成行记录的个案强行并排放置，导致样本量不变但变量数翻倍，后面所有分析全乱套；反过来，该横向合并时用了纵向合并，SPSS会认为这是不同个案，直接把变量当成缺失值堆在一起，数据彻底报废。

我在实际工作中见过太多人栽在这第一步，所以这篇教程不急着讲操作，先把这个核心逻辑掰开揉碎讲清楚。你只要记住一句话：看你的数据是“不同的行”还是“不同的列”要拼到一起。不同的行要拼成一个完整样本池，这是纵向；不同的列要拼成一整条样本记录，这是横向。

判断方法也很简单：拿起一张纸，把你的目标数据结构画出来。目标表里有几行、几列？哪些内容来自文件A，哪些来自文件B？来自A的就是行方向扩展，来自B的就是列方向扩展，一目了然。

下面进入正题，先说纵向合并，因为它逻辑最直白，适合拿来建立“合并”的整体感觉。

2. 纵向合并实操：把多批次数据“叠罗汉”变成完整样本

纵向合并在SPSS中的官方说法是“添加个案”，对应的英文是Add Cases。它的本质就是把若干个数据结构相同或兼容的数据文件，按照相同变量名上下堆叠在一起，最终形成的文件行数等于各文件行数之和、列数不变。

2.1 什么时候必须用纵向合并

除了前面说的“问卷分批录入”之外，纵向合并还有几个高频使用场景：

• 面板数据的多年份拼接：你每年收集一次同一个群体的数据，每年存一个文件，最后要合并成一个多年份的大样本，年份作为其中一个变量。这个是典型的纵向合并。
• 多地区数据的汇总：不同城市的分公司各自上报一份数据，数据结构由总公司统一下发，上报后需要在总层面合并分析。
• 预调查与正式调查数据合并：你先做了30份预调查，问卷没改动，后来正式收了300份，两份数据可以直接纵向合并成330份。
• 分次导出的大批量数据：系统导出的数据量太大被拆成多个Excel/SPSS文件，合并时也是纵向。

这些场景的共同特征是：每一条观测就是一个独立的个案，把它们堆在一起，样本量变大，变量数量不变。

2.2 纵向合并的完整操作步骤

我用一个例子带你走一遍完整流程。假设你有问卷_第一批.sav和问卷_第二批.sav两个文件，变量都是ID、Q1、Q2、Q3、性别这5个，第一批200行，第二批300行，现在要合成500行。

第一步：打开其中一个文件作为“活动数据集”。这里的“活动数据集”是SPESS里的核心概念，很重要——合并后的结果会保留在当前打开的这个文件里，另一个文件只是被读取进来参与合并。

第二步：菜单路径是：数据 → 合并文件 → 添加个案。

第三步：SPSS会弹出一个对话框，询问你要合并哪个文件。这里有两个选项：一是“打开的数据集”，下拉菜单里可以选当前已经打开的其他SPSS文件；二是“外部SPSS数据文件”，如果你要合并的文件还没打开，就点“浏览”去选。建议直接点“浏览”选外部文件，省得先打开一堆窗口，视图区乱了也容易误操作。

第四步：选好文件后，点“继续”，进入关键界面。这个界面分两块：

• 左侧“非活动数据集中的变量”：显示另外一个文件里、但当前活动文件中没有的变量。
• 右侧“活动数据集中的变量”：显示当前打开文件的变量列表。

系统默认会选中两份文件中“变量名完全一致”的变量，这些一致变量会自动匹配，不需要你干预。不一致的变量会分别留在左右两栏里。

第五步：决定不一致的变量怎么处理。这里推荐一个实用做法：如果这些变量确实在另一批数据里没有采集，就直接保持默认，不要动。SPSS合并时，对于两边不匹配的变量，会自动生成新变量，缺失的那端用系统缺失值填充。比如第二批数据多了一个备注变量，合并后，第一批的所有个案在备注上都是缺失值，这完全正常。

但如果你发现左右两栏里有些变量其实是同一个变量，只是因为名字拼写不一样导致SPSS认不出来，比如一边叫sex另一边叫性别，那就需要手动配对：先把左边那个变量选中，再选中右边对应的变量，然后点中间的“配对”按钮，把它们指定为同一变量。这一步极其关键，很多人合并出来的数据性别变成两列，就是因为没做配对。

第六步：点“确定”。大功告成。

第七步（强烈建议）：合并完成后，立即做三件事检查：

1. 在数据视图里看行数是否等于两文件行数之和；
2. 在变量视图里看列数是否合理、有没有多出一堆莫名其妙的新变量；
3. 用描述统计快速抽查几个关键变量的均值、缺失值数量，确认数据没有串位。

这步检查不是走形式，是因为合并操作是破坏性操作——虽然SPSS会在结果查看器中输出日志，但数据文件本身一旦被合并逻辑污染，后面再想找回原来的拆分状态就麻烦了。所以我个人的习惯是：操作之前先把原始文件备份一份。

2.3 纵向合并中“变量名一致”等匹配规则的细节

有一个细节值得单独拿出来说：合并时SPSS判断“哪些变量是一伙的”，只认变量名，不认变量顺序，也不完全认变量类型。变量名相同的两个变量会被自动对应上；变量名不同但内容相同的，必须你自己手动配对。

变量类型这一点要格外小心。SPSS里数值型变量和字符串型变量虽然都叫“性别”，但如果一边是数值1/2编码、另一边是字符串“男/女”，它们在合并界面里不会自动匹配成功，有些版本会直接报错，有些版本会把它们当成两个不同变量处理。解决办法是合并前统一编码方案：要么全部转成数值型并统一值标签，要么全部转成字符串型。我个人的建议是——问卷数据尽量在录入阶段就用数值编码，后面合并、分析、图表都会省心得多。

再说一个容易忽略的问题：变量顺序不同会影响合并结果吗？答案是不会。SPSS按变量名匹配而不是按第几列匹配。哪怕第一批文件里性别在第一列，第二批文件里性别在最后一列，合并后也会正确归位到同一列。这一点比Excel里直接复制粘贴要安全得多。

2.4 一个容易犯的错：把“拼接”做成“横向”

我做数据分析培训时，经常收到学员发来的合并求助，一看截图就明白问题出在哪——他们要的是把500份问卷拼成一个文件，结果操作时点了“添加变量”，看到生成的文件行数还是200，但变量数翻了一倍。

记住这个判断技巧：纵向合并完成后，去看数据视图的行数。如果行数等于两文件行数之和，说明成功了；如果行数没变，变量数却变多了，那一定是选错了菜单。这个时候赶紧撤销（Ctrl+Z），别将错就错继续分析。

3. 横向合并实操：把两侧数据“手拉手”拼成完整记录

横向合并，SPSS里的官方说法是“添加变量”，英文是Add Variables。它做的事情是：根据一个或多个键变量（Key Variables），把两份数据按“同一个人/同一条记录”对齐，然后把右边的变量并到左边的文件里，最终行数不变、列数增加。

3.1 键变量：横向合并的灵魂

横向合并和纵向合并最大的区别，在于它对“数据是否来自同一条观测”是有要求的。换句话说，你必须有办法告诉SPSS：“第一份数据的第3行”和“第二份数据的第3行”是同一个人。

这个“告诉SPSS”的桥梁，就是键变量。它通常是ID、编号、学号、工号等唯一标识符。

没有键变量的横向合并也能做，但那个叫“按行号顺序一对一硬拼”（后面会细讲），默认情况下SPSS会要求你指定键变量，否则最后出来的数据很可能是让个案乱配对，这是灾难级错误。

3.2 一对一的横向合并完整操作步骤

依然用例子说话。假设你有一个被试基本信息.sav，包含ID、性别、年龄；还有一个被试量表得分.sav，包含ID、焦虑得分、抑郁得分。两份数据都是同一批被试，ID一一对应，现在要合成一个完整宽表。

第一步：打开被试基本信息.sav作为活动数据集。 第二步：菜单路径：数据 → 合并文件 → 添加变量。 第三步：选择另一个数据文件被试量表得分.sav，点“继续”。 第四步：在对话框里找到“键变量”区域。默认情况下SPSS会把你两个文件里都有的变量名列出来（比如ID），并把它们自动放进键变量框中——这正是我们要的效果。

注意：键变量不会被合并成重复的两列，而是作为两边的匹配桥梁，最后在合并结果里只保留一列。

第五步：检查“非活动数据集中的变量”和“活动数据集中的变量”两个列表。与纵向合并类似，SPSS会对两个文件里所有变量名相同的变量自动匹配，不一致的变量会留在各自的栏里。对于相同名字的变量，如果它不是键变量，SPSS会默认把非活动数据集里那个变量重命名（比如在变量名后加数字或后缀），避免冲突。 第六步：确定。合成了。

同样地，合并后要检查：行数应该和原来两份数据一致（假设ID完全匹配），列数等于两文件变量数之和减去共享键变量数（因为键变量只保留一列）。

3.3 一对多合并：一个文件有唯一记录，另一个文件有多条记录

现实中横向合并常遇到一个棘手情况——两边的个案数不一样多。

举个例子：你有班级信息表（每个班一行，包含班主任、教室号），还有学生信息表（每个学生一行，包含班级号、姓名、成绩）。如果想把班级信息合并到学生信息表里，就会遇到“一个班对应多个学生”的情况，这是一对多合并。

SPSS添加变量的对话框里没有显式的“一对多”按钮，但它的处理逻辑很简单：你在键变量里指定的变量能匹配上，就合并；匹配不上的，要么保留为缺失，要么被丢弃。

具体操作和一对一完全相同，只是键变量的角色变成了“班级号”。比如活动数据集是学生信息表，非活动数据集是班级信息表，键变量选班级号。合并结果是每一行学生数据后面带上了自己班级的班主任和教室号。哪个班有30个学生，那30行后面就是同样的班级信息。

反过来，如果你把班级信息表作为活动数据集、学生信息表作为要合并的文件，那将是“一个学生匹配一个班”，每个班如果有多条学生记录，SPSS会默认只保留第一条匹配到的学生信息，其他学生数据被丢弃——这基本就是数据事故了。所以合并时一定要想清楚谁是“主表”。在非一对一的匹配条件下，主表决定最后保留哪些行。

3.4 没有键变量时强行横向合并会发生什么

有一种情况比较特殊：两份数据行数完全相同、顺序也完全一致，但没有ID。这时候你可能会想“反正行数一样，直接拼就行”。

SPSS确实允许没有任何键变量的横向合并，它会把两份数据按行号位置一一对应拼接。看起来方便，但这么做的前提是：你百分之百确定两份数据的行顺序含义完全一致。什么叫一致？比如一份是“按提交时间排序的问卷数据”，另一份是“按录入顺序排列的访谈编码”，你确定第1行和第1行是同一个人吗？一般很难确定。

我的建议是：能不用行号硬拼就不用。哪怕手动在Excel里加一个序号列，也比直接硬拼安全一百倍。这个序号就充当ID，之后就算顺序打乱也能恢复。

4. 用语法实现合并：更可控、更高效、更值得掌握

很多人觉得菜单操作挺方便，但数据合并这个场景，我强烈建议你掌握语法方式。原因有三：一是菜单操作每次都要重新点一遍，数据文件多的时候效率极低；二是语法可以完整记录你的操作过程，复盘、修改、复用都方便；三是语法方式对“变量如何匹配”的控制更精确，减少误操作的可能。

4.1 纵向合并语法：ADD FILES

纵向合并对应的语法是ADD FILES。基本格式如下：

ADD FILES FILE='C:\data\问卷_第一批.sav' FILE='C:\data\问卷_第二批.sav'. EXECUTE.

就这么简单。SPSS会把FILE=后面列出的所有文件按变量名对齐，纵向堆积。

如果你需要对变量进行重命名后再合并，用RENAME子命令，比如：

ADD FILES FILE='C:\data\问卷_第一批.sav' FILE='C:\data\问卷_第二批.sav' /RENAME (sex=性别). EXECUTE.

注意，RENAME的括号里左边是旧名，右边是新名，执行后SPSS会尝试按新变量名匹配。

还有一点很实用：ADD FILES并不要求所有文件必须事先打开，它直接在FILE=里指向磁盘路径即可。这意味着你完全不需要在用户界面里打开一大堆文件再合并，省内存也不容易乱。

4.2 横向合并语法：MATCH FILES

横向合并对应的语法是MATCH FILES。一对一合并时用BY指定键变量即可：

MATCH FILES FILE='C:\data\被试基本信息.sav' FILE='C:\data\被试量表得分.sav' BY ID. EXECUTE.

SPSS会先按ID对两个文件排序（如果没排序，它在合并过程中会自动处理），然后把同ID的变量并到一行。

这里有一个实操要点：MATCH FILES要求每个输入文件都按键变量升序排列，否则可能报错或者匹配错乱。虽然界面操作和最新版本会自动内部排序，但在大批量数据处理时，最好还是自己先对每个文件用SORT CASES BY ID升序排一遍，再执行合并，稳定性会好很多。

如果遇到一对多合并，语法同样适用。先确保主表在前，次表在后，BY指定关联变量。比如把班级信息合并进学生信息：

SORT CASES BY 班级号. EXECUTE. MATCH FILES FILE='C:\data\学生信息.sav' FILE='C:\data\班级信息.sav' BY 班级号. EXECUTE.

系统会按班级号把班级信息复制到每个匹配的学生行里。

4.3 舍弃不需要的变量

实际合并时经常出现“附带了一堆不想要的变量”的情况。语法方式可以在合并时直接用KEEP或DROP筛选变量，这一招在菜单操作里很难实现，但语法只需要加一行：

MATCH FILES FILE='C:\data\被试基本信息.sav' FILE='C:\data\被试量表得分.sav' BY ID /DROP= 备注 录入员. EXECUTE.

KEEP和DROP的规则是：KEEP优先于DROP，先KEEP后DROP。建议合并完成后先跑一遍FREQUENCIES看看变量清单，再决定哪些该删。

5. 合并中常见的坑：完整的排查链路与避坑清单

最后这章，把我这几年实际遇到的高频问题做个汇总。每个问题都按“现象-原因-排查方向-解决方案”的思路展开，你可以直接对照自查。

5.1 合并后个案数“变多”或“变少”

现象：纵向合并后行数不是A+B而是A+B+几十行；或横向合并后行数明显少于主表。

原因：

• 纵向合并时，两份数据里都有个别重复ID，但你把ID当成普通变量合并，SPSS不会检查重复，行数异常大概率是你原始文件本身就有重复。
• 横向合并且不是一对一匹配时：主表里的某条记录在次表里有多个匹配项，多出来的是次表扩展的；行数少了则是主表里有些键值在次表里不存在，被系统丢弃。

排查方向：

1. 先对两份数据各自做“重复ID检查”，用数据 → 标识重复个案，看看重复值在哪里。
2. 再看合并对话框里“包括非匹配个案”之类的选项（不同版本文字有差异），确认你是否勾选了非匹配案例。

解决方案：如果是重复ID导致的，先处理重复个案再合并；如果是键变量不匹配，回到原始文件里查ID为什么对不上。

5.2 合并后“性别”变成两列：变量类型或名称不一致

现象：横向合并后，本来该合并成一个的变量变成两个变量名（如性别和sex都保留）。

原因：两个文件中同一个概念的变量名或变量类型不一致，SPSS不认为它们是同一个变量。

排查方向：打开两个文件的变量视图，对比变量名、类型、宽度三重属性。只要有一个属性不一致，SPSS就可能不匹配。

解决方案：合并前统一变量名和类型。我的习惯是在SPSS语法里用RENAME统一变量名，用ALTER TYPE调整类型，然后再合并。

5.3 横向合并后变量取值全部错位

现象：合并后，某一行ID=5的人，量表得分却像是ID=8的。

原因：几乎可以断言，你没有指定键变量，按行号硬拼了。两份数据排序方式不同，行号根本不对应。

排查方向：看合并语法里有没有BY语句；如果用菜单，看键变量框里是否空白。

解决方案：取消合并，找到能代表同一条记录的键变量，重新合并。如果实在没有，去原始数据源找ID，不要硬拼。

5.4 纵向合并后出现大量系统缺失值

现象：合并后数据视图里很多单元格显示.（系统缺失值），比原始数据里的缺失值多得多。

原因：两份数据的变量集合不完全一致，合并后缺失的那部分个案对应的变量全为空。这是正常现象，但如果缺失值多到影响分析，就得检查是不是某批数据的采集质量有问题。

排查方向：对合并前后的缺失值占比做对比，看缺失值是否集中在某一个原始文件来源。

解决方案：如果是采集遗漏，回去补数据；如果确实没采集，这个变量在后来的分析中需要做缺失处理，或者直接剔除该变量。

5.5 合并时文件被占用、无法读取

现象：点“确定”后提示文件正在使用、无法访问。

原因：同一份SPSS文件被另一个窗口或另一个程序（比如Excel）占用了。SPSS的数据文件在打开状态下被锁定，跨程序同时打开也会出现类似问题。

解决方案：关掉其他引用该文件的地方再重试。如果是外部文件，确认它在磁盘里没被设为只读。

5.6 合并后变量名带上了奇怪的数字后缀

现象：比如合并后出现性别1、Q2_1这样的变量名。

原因：变量名冲突但内容不同。SPSS为了不丢数据，自动给非活动数据集里重名的变量加了后缀。这通常是正常的，但它也提示你：两边的“性别”可能不是同一个含义的东西。

排查方向：看变量视图里的变量标签，确认冲突变量的实际含义。

解决方案：如果两边确实是同一变量，合并前用RENAME统一变量名；如果含义不同，保留后缀、重命名清楚，避免分析时混淆。

写在最后的小建议

总结下来，整个数据合并的操作难度其实不高，真正考验人的是合并前的判断和数据管理习惯。我个人的习惯是：每一次合并前先在纸上画出合并后的目标数据结构，标清楚哪些行来自哪、哪些列来自哪、用什么键变量连接，然后才动手操作。这个过程看起来繁琐，但它能救你于水火之中。

另外，合并后的数据文件我从来不会直接覆盖掉原始文件。哪怕合并逻辑再简单，我也会另存为“合并后_xxx.sav”，因为后续如果发现哪个环节出了问题，还能回得去。这个习惯帮我避免了好几次返工的灾难，真心建议你也养成。