r - 将SPSS数据文件放入R

在我公司，我们正在考虑逐步淘汰R所选择的SPSS。尽管在过渡期间，我们仍然会以SPSS数据文件格式(.sav)接收数据。

我在将此SPSS数据文件导入R时遇到问题。当我将SPSS数据文件导入R时，我想保留变量的值和值标签。 read.spss()包中的foreign函数为我提供了保留变量的值或值标签的选项，但不能同时保留。

AFAIK，R确实允许因子变量具有值(级别)和值标签(级别标签)。我只是想知道是否有可能以某种方式修改read.spss()函数以将其合并。

另外，我遇到了spss.system.file()包中的memisc函数，该函数可能允许这种情况发生，但它需要一个单独的语法文件(codes.file)，该文件不一定总是对我有用。

这是sample data file。

非常感谢您解决此问题的任何帮助。

谢谢。

最佳答案

有一种解决方案，可以通过ODBC驱动程序读取R中的SPSS数据文件。

1)有一个IBM SPSS Statistics Data File Driver。我找不到下载链接。我从我的SPSS提供商那里得到了它。独立驱动程序就是您所需要的。您不需要SPSS即可安装或使用驱动程序。

2)为SPSS数据驱动程序创建一个DSN。

3)使用RODBC包，您可以在R中读取任何SPSS数据文件。可以将每个变量的值标签作为单独的表获取。然后可以根据需要以任何方式在R中使用标签。

这是Windows上的一个有效示例(我的计算机上现在没有SPSS)可以读取R中的示例数据文件。我还没有在Linux上进行过测试。它可能也可以在Linux上运行，因为也有一个Linux专用的SPSS数据驱动程序。

require(RODBC)

# Create connection
# Change the DSN name and CP_CONNECT_STRING according to your setting
con <- odbcDriverConnect("DSN=spss_ehsis;SDSN=SAVDB;HST=C:\\Program Files\\IBM\\SPSS\\StatisticsDataFileDriver\\20\\Standalone\\cfg\\oadm.ini;PRT=StatisticsSAVDriverStandalone;CP_CONNECT_STRING=C:\\temp\\data_expt.sav")

# List of tables
Tables <- sqlTables(con)
Tables

# List of table names to extract
table.names <- Tables$TABLE_NAME[Tables$TABLE_SCHEM != "SYSTEM"]

# Function to query a table by name
sqlQuery.tab.name <- function(table) {
  sqlQuery(con, paste0("SELECT * FROM [", table, "]"))
}

# Retrieve all tables
Data <- lapply(table.names, sqlQuery.tab.name)

# See the data
lapply(Data, head)

# Close connection
close(con)

例如，我们可以为两个变量定义值标签:

[[5]]
  VAR00002 VAR00002_label
1        1           Male
2        2         Female

[[6]]
  VAR00003 VAR00003_label
1        2        Student
2        3       Employed
3        4     Unemployed

附加信息

此功能允许在与SPSS数据文件建立连接后读取SPSS数据。该功能允许指定要选择的变量列表。如果为value.labels=T，则将SPSS数据文件中带有值标签的所选变量转换为带有标签的R因子。

我必须说我对这种解决方案的性能不满意。它适用于小型数据文件。对于大型SPSS数据文件，RAM限制经常达到(甚至选择了变量的子集)。

get.spss <- function(channel, variables = NULL, value.labels = F) {

  VarNames <- sqlQuery(channel = channel,
    query = "SELECT VarName FROM [Variables]", as.is = T)$VarName

  if (is.null(variables)) variables <- VarNames else {
    if (any(!variables %in% VarNames)) stop("Wrong variable names")
  }

  if (value.labels) {
    ValueLabelTableName <- sqlQuery(channel = channel,
      query = "SELECT VarName FROM [Variables]
                                    WHERE ValueLabelTableName is not null",
      as.is = T)$VarName
    ValueLabelTableName <- intersect(variables, ValueLabelTableName)
  }

  variables <- paste(variables, collapse = ", ")

  data <- sqlQuery(channel = channel,
    query = paste("SELECT", variables, "FROM [Cases]"),
    as.is = T)

  if (value.labels) {
    for (var in ValueLabelTableName) {
      VL <- sqlQuery(channel = channel,
        query = paste0("SELECT * FROM [VLVAR", var,"]"),
        as.is = T)
      data[, var] <- factor(data[, var], levels = VL[, 1], labels = VL[, 2])
    }
  }

  return(data)
}

关于r - 将SPSS数据文件放入R，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/14611045/