Tạo biến trên SPSS

* Mã hóa và tạo biến mới trong SPSS Syntax
* Tác giả: Thực hành kinh tế lượng
* Mục đích: Hướng dẫn các phương pháp mã hóa biến

* Mở file dữ liệu
* GET FILE='data.sav'.

* Phương pháp 1: Mã hóa giá trị đơn lẻ
* Tạo biến xếp hạng từ số lần chạy
RECODE Runs (90=2) (140=1) (63=3) (14=5) (23=4) INTO Runs_ranked.
VARIABLE LABELS Runs_ranked 'Xếp hạng các lần chạy'.
VALUE LABELS Runs_ranked 
    1 'Hạng nhất' 
    2 'Hạng nhì' 
    3 'Hạng ba' 
    4 'Hạng tư' 
    5 'Hạng năm'.
EXECUTE.

* Phương pháp 2: Mã hóa theo khoảng giá trị
* Phân loại điểm số thành các nhóm
RECODE Scores (75 thru 100=1) (61 thru 74=2) (41 thru 60=3) (0 thru 40=4) INTO Scores_ranges.
VARIABLE LABELS Scores_ranges 'Khoảng điểm'.
VALUE LABELS Scores_ranges 
    1 'Giỏi (75-100)' 
    2 'Khá (61-74)' 
    3 'Trung bình (41-60)' 
    4 'Yếu (0-40)'.
EXECUTE.

* Phương pháp 3: Mã hóa thành 2 nhóm phân loại
* Tạo biến nhị phân từ đánh giá thỏa mãn
RECODE Ratings (LOWEST thru 5='Không thỏa mãn') (6 thru HIGHEST='Thỏa mãn') INTO Ratings2group.
VARIABLE LABELS Ratings2group 'Mức độ thỏa mãn'.
EXECUTE.

* Kiểm tra kết quả mã hóa
FREQUENCIES VARIABLES=Runs_ranked Scores_ranges Ratings2group.

* Tạo bảng crosstab để kiểm tra
CROSSTABS /TABLES=Runs BY Runs_ranked /CELLS=COUNT.
CROSSTABS /TABLES=Scores BY Scores_ranges /CELLS=COUNT.
CROSSTABS /TABLES=Ratings BY Ratings2group /CELLS=COUNT.

* Mã hóa nâng cao: Sử dụng IF-THEN logic
* Tạo biến phức tạp hơn
COMPUTE Performance_level = 0.
IF (Scores >= 90) Performance_level = 1.
IF (Scores >= 80 AND Scores < 90) Performance_level = 2. IF (Scores >= 70 AND Scores < 80) Performance_level = 3. IF (Scores >= 60 AND Scores < 70) Performance_level = 4.
IF (Scores < 60) Performance_level = 5.
VARIABLE LABELS Performance_level 'Mức độ thành tích'.
VALUE LABELS Performance_level 
    1 'Xuất sắc' 
    2 'Giỏi' 
    3 'Khá' 
    4 'Trung bình' 
    5 'Yếu'.
EXECUTE.

* Lưu file với biến mới
SAVE OUTFILE='data_recoded.sav'.

* Mã hóa và tạo biến mới trong Stata
* Tác giả: Thực hành kinh tế lượng
* Mục đích: Hướng dẫn các phương pháp mã hóa biến

* Mở file dữ liệu
* use "data.dta", clear

* Phương pháp 1: Mã hóa giá trị đơn lẻ
* Tạo biến xếp hạng từ số lần chạy
generate Runs_ranked = .
replace Runs_ranked = 1 if Runs == 140
replace Runs_ranked = 2 if Runs == 90
replace Runs_ranked = 3 if Runs == 63
replace Runs_ranked = 4 if Runs == 23
replace Runs_ranked = 5 if Runs == 14

* Hoặc sử dụng recode command
recode Runs (90=2) (140=1) (63=3) (14=5) (23=4), gen(Runs_ranked_alt)

* Đặt nhãn biến và giá trị
label variable Runs_ranked "Xếp hạng các lần chạy"
label define rank_labels 1 "Hạng nhất" 2 "Hạng nhì" 3 "Hạng ba" 4 "Hạng tư" 5 "Hạng năm"
label values Runs_ranked rank_labels

* Phương pháp 2: Mã hóa theo khoảng giá trị
* Phân loại điểm số thành các nhóm
generate Scores_ranges = .
replace Scores_ranges = 1 if Scores >= 75 & Scores <= 100 replace Scores_ranges = 2 if Scores >= 61 & Scores <= 74 replace Scores_ranges = 3 if Scores >= 41 & Scores <= 60 replace Scores_ranges = 4 if Scores >= 0 & Scores <= 40

* Hoặc sử dụng recode với ranges
recode Scores (0/40=4) (41/60=3) (61/74=2) (75/100=1), gen(Scores_ranges_alt)

* Đặt nhãn
label variable Scores_ranges "Khoảng điểm"
label define score_labels 1 "Giỏi (75-100)" 2 "Khá (61-74)" 3 "Trung bình (41-60)" 4 "Yếu (0-40)"
label values Scores_ranges score_labels

* Phương pháp 3: Mã hóa thành 2 nhóm phân loại
* Tạo biến nhị phân từ đánh giá thỏa mãn
generate Ratings2group = ""
replace Ratings2group = "Không thỏa mãn" if Ratings <= 5 replace Ratings2group = "Thỏa mãn" if Ratings >= 6

* Hoặc tạo biến số
generate satisfaction_dummy = 0
replace satisfaction_dummy = 1 if Ratings >= 6
label variable satisfaction_dummy "Mức độ thỏa mãn"
label define satisfaction_labels 0 "Không thỏa mãn" 1 "Thỏa mãn"
label values satisfaction_dummy satisfaction_labels

* Kiểm tra kết quả mã hóa
tab Runs_ranked
tab Scores_ranges
tab Ratings2group

* Tạo bảng crosstab để kiểm tra
tab Runs Runs_ranked
tab Scores Scores_ranges
tab Ratings satisfaction_dummy

* Mã hóa nâng cao: Sử dụng egen
* Tạo percentiles
egen score_percentiles = cut(Scores), group(4)
label variable score_percentiles "Quartiles điểm số"

* Tạo z-scores
egen score_zscore = std(Scores)
label variable score_zscore "Z-score của điểm số"

* Mã hóa dựa trên điều kiện phức tạp
generate performance_category = ""
replace performance_category = "Xuất sắc" if Scores >= 90
replace performance_category = "Giỏi" if Scores >= 80 & Scores < 90 replace performance_category = "Khá" if Scores >= 70 & Scores < 80 replace performance_category = "Trung bình" if Scores >= 60 & Scores < 70
replace performance_category = "Yếu" if Scores < 60

* Lưu file với biến mới
save "data_recoded.dta", replace

* Tạo báo cáo tóm tắt
summarize Runs Runs_ranked Scores Scores_ranges Ratings satisfaction_dummy

# Mã hóa và tạo biến mới trong R
# Tác giả: Thực hành kinh tế lượng
# Mục đích: Hướng dẫn các phương pháp mã hóa biến

# Tải thư viện cần thiết
library(haven)      # Đọc file SPSS
library(dplyr)      # Xử lý dữ liệu
library(forcats)    # Xử lý factor
library(car)        # Recode function

# Đọc dữ liệu (nếu có)
# data <- read_sav("data.sav")

# Tạo dữ liệu mẫu
Runs <- c(90, 140, 63, 14, 23)
Scores <- c(58, 86, 74, 70, 79, 60, 35, 42, 55, 91)
Ratings <- c(3, 6, 8, 9, 7, 2, 10, 6, 4, 8, 9, 3)

# Tạo data frame
data <- data.frame(
  ID = 1:max(length(Runs), length(Scores), length(Ratings)),
  Runs = rep(Runs, length.out = max(length(Runs), length(Scores), length(Ratings))),
  Scores = rep(Scores, length.out = max(length(Runs), length(Scores), length(Ratings))),
  Ratings = rep(Ratings, length.out = max(length(Runs), length(Scores), length(Ratings)))
)

# Phương pháp 1: Mã hóa giá trị đơn lẻ
# Tạo biến xếp hạng từ số lần chạy

# Cách 1: Sử dụng ifelse
data$Runs_ranked <- ifelse(data$Runs == 140, 1,
                    ifelse(data$Runs == 90, 2,
                    ifelse(data$Runs == 63, 3,
                    ifelse(data$Runs == 23, 4,
                    ifelse(data$Runs == 14, 5, NA)))))

# Cách 2: Sử dụng recode từ dplyr
data <- data %>%
  mutate(Runs_ranked_alt = recode(Runs,
    `140` = 1,
    `90` = 2,
    `63` = 3,
    `23` = 4,
    `14` = 5
  ))

# Cách 3: Sử dụng case_when
data <- data %>%
  mutate(Runs_ranked_case = case_when(
    Runs == 140 ~ 1,
    Runs == 90 ~ 2,
    Runs == 63 ~ 3,
    Runs == 23 ~ 4,
    Runs == 14 ~ 5,
    TRUE ~ NA_real_
  ))

# Tạo factor với labels
data$Runs_ranked_factor <- factor(data$Runs_ranked,
  levels = 1:5,
  labels = c("Hạng nhất", "Hạng nhì", "Hạng ba", "Hạng tư", "Hạng năm")
)

# Phương pháp 2: Mã hóa theo khoảng giá trị
# Phân loại điểm số thành các nhóm

# Cách 1: Sử dụng cut function
data$Scores_ranges <- cut(data$Scores,
  breaks = c(0, 40, 60, 74, 100),
  labels = c("Yếu (0-40)", "Trung bình (41-60)", "Khá (61-74)", "Giỏi (75-100)"),
  include.lowest = TRUE,
  right = TRUE
)

# Cách 2: Sử dụng case_when
data <- data %>%
  mutate(Scores_ranges_case = case_when(
    Scores >= 75 & Scores <= 100 ~ "Giỏi (75-100)", Scores >= 61 & Scores <= 74 ~ "Khá (61-74)", Scores >= 41 & Scores <= 60 ~ "Trung bình (41-60)", Scores >= 0 & Scores <= 40 ~ "Yếu (0-40)",
    TRUE ~ NA_character_
  ))

# Tạo biến số từ phân loại
data <- data %>%
  mutate(Scores_ranges_num = case_when(
    Scores >= 75 & Scores <= 100 ~ 1, Scores >= 61 & Scores <= 74 ~ 2, Scores >= 41 & Scores <= 60 ~ 3, Scores >= 0 & Scores <= 40 ~ 4,
    TRUE ~ NA_real_
  ))

# Phương pháp 3: Mã hóa thành 2 nhóm phân loại
# Tạo biến nhị phân từ đánh giá thỏa mãn

# Cách 1: Biến character
data$Ratings2group <- ifelse(data$Ratings >= 6, "Thỏa mãn", "Không thỏa mãn")

# Cách 2: Biến logical
data$satisfaction_logical <- data$Ratings >= 6

# Cách 3: Biến factor
data$satisfaction_factor <- factor( ifelse(data$Ratings >= 6, 1, 0),
  levels = c(0, 1),
  labels = c("Không thỏa mãn", "Thỏa mãn")
)

# Cách 4: Biến dummy (0/1)
data$satisfaction_dummy <- as.numeric(data$Ratings >= 6)

# Kiểm tra kết quả mã hóa
# Tạo bảng tần suất
table(data$Runs_ranked, useNA = "always")
table(data$Scores_ranges, useNA = "always")
table(data$Ratings2group, useNA = "always")

# Tạo bảng crosstab để kiểm tra
table(data$Runs, data$Runs_ranked, useNA = "always")
table(data$Scores, data$Scores_ranges_num, useNA = "always")
table(data$Ratings, data$satisfaction_dummy, useNA = "always")

# Mã hóa nâng cao
# Sử dụng quantiles
data$score_quartiles <- cut(data$Scores,
  breaks = quantile(data$Scores, probs = c(0, 0.25, 0.5, 0.75, 1), na.rm = TRUE),
  labels = c("Q1", "Q2", "Q3", "Q4"),
  include.lowest = TRUE
)

# Tạo z-scores
data$score_zscore <- scale(data$Scores)[,1]

# Mã hóa dựa trên điều kiện phức tạp
data <- data %>%
  mutate(performance_category = case_when(
    Scores >= 90 ~ "Xuất sắc",
    Scores >= 80 & Scores < 90 ~ "Giỏi", Scores >= 70 & Scores < 80 ~ "Khá", Scores >= 60 & Scores < 70 ~ "Trung bình",
    Scores < 60 ~ "Yếu",
    TRUE ~ NA_character_
  ))

# Sử dụng forcats để reorder factors
data$performance_category <- factor(data$performance_category,
  levels = c("Yếu", "Trung bình", "Khá", "Giỏi", "Xuất sắc"),
  ordered = TRUE
)

# Kiểm tra kết quả
summary(data)
str(data)

# Tạo bảng tổng hợp
library(knitr)
kable(table(data$performance_category), caption = "Phân loại thành tích")

# Lưu dữ liệu
write_sav(data, "data_recoded.sav")
write.csv(data, "data_recoded.csv", row.names = FALSE)

# Tạo báo cáo validation
validation_report <- data %>%
  summarise(
    n_total = n(),
    n_runs_missing = sum(is.na(Runs_ranked)),
    n_scores_missing = sum(is.na(Scores_ranges_num)),
    n_ratings_missing = sum(is.na(satisfaction_dummy)),
    runs_unique = n_distinct(Runs_ranked, na.rm = TRUE),
    scores_unique = n_distinct(Scores_ranges_num, na.rm = TRUE),
    ratings_unique = n_distinct(satisfaction_dummy, na.rm = TRUE)
  )

print(validation_report)

# Mã hóa và tạo biến mới trong Python
# Tác giả: Thực hành kinh tế lượng
# Mục đích: Hướng dẫn các phương pháp mã hóa biến

import pandas as pd
import numpy as np
import pyreadstat
from sklearn.preprocessing import LabelEncoder, KBinsDiscretizer

# Đọc dữ liệu (nếu có)
# data, meta = pyreadstat.read_sav("data.sav")

# Tạo dữ liệu mẫu
runs_data = [90, 140, 63, 14, 23]
scores_data = [58, 86, 74, 70, 79, 60, 35, 42, 55, 91]
ratings_data = [3, 6, 8, 9, 7, 2, 10, 6, 4, 8, 9, 3]

# Tạo DataFrame
max_length = max(len(runs_data), len(scores_data), len(ratings_data))
data = pd.DataFrame({
    'ID': range(1, max_length + 1),
    'Runs': runs_data * (max_length // len(runs_data) + 1),
    'Scores': scores_data * (max_length // len(scores_data) + 1),
    'Ratings': ratings_data * (max_length // len(ratings_data) + 1)
})

# Cắt dữ liệu về độ dài phù hợp
data = data.head(max_length)

print("Dữ liệu ban đầu:")
print(data.head())

# Phương pháp 1: Mã hóa giá trị đơn lẻ
# Tạo biến xếp hạng từ số lần chạy

# Cách 1: Sử dụng map
runs_mapping = {140: 1, 90: 2, 63: 3, 23: 4, 14: 5}
data['Runs_ranked'] = data['Runs'].map(runs_mapping)

# Cách 2: Sử dụng replace
data['Runs_ranked_alt'] = data['Runs'].replace(runs_mapping)

# Cách 3: Sử dụng numpy.where (nested)
data['Runs_ranked_where'] = np.where(data['Runs'] == 140, 1,
                             np.where(data['Runs'] == 90, 2,
                             np.where(data['Runs'] == 63, 3,
                             np.where(data['Runs'] == 23, 4,
                             np.where(data['Runs'] == 14, 5, np.nan)))))

# Cách 4: Sử dụng pd.cut với bins tùy chỉnh
data['Runs_ranked_cut'] = pd.cut(data['Runs'], 
                                bins=[0, 20, 30, 70, 100, 150],
                                labels=[5, 4, 3, 2, 1])

# Tạo mapping cho nhãn
rank_labels = {1: 'Hạng nhất', 2: 'Hạng nhì', 3: 'Hạng ba', 4: 'Hạng tư', 5: 'Hạng năm'}
data['Runs_ranked_label'] = data['Runs_ranked'].map(rank_labels)

# Phương pháp 2: Mã hóa theo khoảng giá trị
# Phân loại điểm số thành các nhóm

# Cách 1: Sử dụng pd.cut
data['Scores_ranges'] = pd.cut(data['Scores'],
                              bins=[0, 40, 60, 74, 100],
                              labels=['Yếu (0-40)', 'Trung bình (41-60)', 'Khá (61-74)', 'Giỏi (75-100)'],
                              include_lowest=True)

# Cách 2: Sử dụng numpy.where
data['Scores_ranges_where'] = np.where(data['Scores'] >= 75, 'Giỏi (75-100)',
                              np.where(data['Scores'] >= 61, 'Khá (61-74)',
                              np.where(data['Scores'] >= 41, 'Trung bình (41-60)',
                              np.where(data['Scores'] >= 0, 'Yếu (0-40)', np.nan))))

# Cách 3: Sử dụng conditions và choices
conditions = [
    (data['Scores'] >= 75) & (data['Scores'] <= 100), (data['Scores'] >= 61) & (data['Scores'] <= 74), (data['Scores'] >= 41) & (data['Scores'] <= 60), (data['Scores'] >= 0) & (data['Scores'] <= 40) ] choices = ['Giỏi (75-100)', 'Khá (61-74)', 'Trung bình (41-60)', 'Yếu (0-40)'] data['Scores_ranges_select'] = np.select(conditions, choices, default=np.nan) # Tạo biến số từ phân loại score_num_mapping = {'Giỏi (75-100)': 1, 'Khá (61-74)': 2, 'Trung bình (41-60)': 3, 'Yếu (0-40)': 4} data['Scores_ranges_num'] = data['Scores_ranges'].map(score_num_mapping) # Phương pháp 3: Mã hóa thành 2 nhóm phân loại # Tạo biến nhị phân từ đánh giá thỏa mãn # Cách 1: Biến string data['Ratings2group'] = np.where(data['Ratings'] >= 6, 'Thỏa mãn', 'Không thỏa mãn')

# Cách 2: Biến boolean
data['satisfaction_bool'] = data['Ratings'] >= 6

# Cách 3: Biến dummy (0/1)
data['satisfaction_dummy'] = (data['Ratings'] >= 6).astype(int)

# Cách 4: Sử dụng pd.get_dummies cho one-hot encoding
satisfaction_dummies = pd.get_dummies(data['Ratings2group'], prefix='satisfaction')
data = pd.concat([data, satisfaction_dummies], axis=1)

# Kiểm tra kết quả mã hóa
print("\nKết quả mã hóa:")
print("Runs_ranked:")
print(data['Runs_ranked'].value_counts().sort_index())
print("\nScores_ranges:")
print(data['Scores_ranges'].value_counts())
print("\nRatings2group:")
print(data['Ratings2group'].value_counts())

# Tạo bảng crosstab để kiểm tra
print("\nBảng crosstab kiểm tra:")
print("Runs vs Runs_ranked:")
print(pd.crosstab(data['Runs'], data['Runs_ranked'], margins=True))
print("\nScores vs Scores_ranges_num:")
print(pd.crosstab(data['Scores'], data['Scores_ranges_num'], margins=True))
print("\nRatings vs satisfaction_dummy:")
print(pd.crosstab(data['Ratings'], data['satisfaction_dummy'], margins=True))

# Mã hóa nâng cao
# Sử dụng quantiles
data['score_quartiles'] = pd.qcut(data['Scores'], q=4, labels=['Q1', 'Q2', 'Q3', 'Q4'])

# Tạo z-scores
data['score_zscore'] = (data['Scores'] - data['Scores'].mean()) / data['Scores'].std()

# Sử dụng KBinsDiscretizer từ scikit-learn
discretizer = KBinsDiscretizer(n_bins=4, encode='ordinal', strategy='quantile')
data['scores_binned'] = discretizer.fit_transform(data[['Scores']]).flatten()

# Mã hóa dựa trên điều kiện phức tạp
def categorize_performance(score):
    if score >= 90:
        return 'Xuất sắc'
    elif score >= 80:
        return 'Giỏi'
    elif score >= 70:
        return 'Khá'
    elif score >= 60:
        return 'Trung bình'
    else:
        return 'Yếu'

data['performance_category'] = data['Scores'].apply(categorize_performance)

# Sử dụng LabelEncoder
le = LabelEncoder()
data['performance_encoded'] = le.fit_transform(data['performance_category'])

# Tạo mapping cho giải mã
performance_mapping = dict(zip(le.transform(le.classes_), le.classes_))
print("\nPerformance mapping:", performance_mapping)

# Kiểm tra kết quả cuối cùng
print("\nThông tin tổng quan:")
print(data.info())
print("\nMô tả dữ liệu:")
print(data.describe(include='all'))

# Tạo bảng tổng hợp
summary_stats = data.groupby('performance_category').agg({
    'Scores': ['count', 'mean', 'std', 'min', 'max'],
    'satisfaction_dummy': 'mean'
}).round(2)

print("\nBảng tổng hợp theo performance_category:")
print(summary_stats)

# Validation - kiểm tra missing values
print("\nKiểm tra missing values:")
print(data.isnull().sum())

# Lưu dữ liệu
data.to_csv('data_recoded.csv', index=False)
pyreadstat.write_sav(data, 'data_recoded.sav')

# Tạo báo cáo validation
validation_report = {
    'total_rows': len(data),
    'runs_ranked_missing': data['Runs_ranked'].isnull().sum(),
    'scores_ranges_missing': data['Scores_ranges_num'].isnull().sum(),
    'ratings_missing': data['satisfaction_dummy'].isnull().sum(),
    'runs_unique_values': data['Runs_ranked'].nunique(),
    'scores_unique_values': data['Scores_ranges_num'].nunique(),
    'ratings_unique_values': data['satisfaction_dummy'].nunique()
}

print("\nBáo cáo validation:")
for key, value in validation_report.items():
    print(f"{key}: {value}")

# Tạo visualization (tùy chọn)
import matplotlib.pyplot as plt

fig, axes = plt.subplots(2, 2, figsize=(12, 10))

# Biểu đồ 1: Runs ranking
data['Runs_ranked'].value_counts().sort_index().plot(kind='bar', ax=axes[0,0])
axes[0,0].set_title('Phân bố xếp hạng lần chạy')
axes[0,0].set_xlabel('Xếp hạng')
axes[0,0].set_ylabel('Tần suất')

# Biểu đồ 2: Scores ranges
data['Scores_ranges'].value_counts().plot(kind='bar', ax=axes[0,1])
axes[0,1].set_title('Phân bố khoảng điểm')
axes[0,1].set_xlabel('Khoảng điểm')
axes[0,1].set_ylabel('Tần suất')

# Biểu đồ 3: Satisfaction
data['Ratings2group'].value_counts().plot(kind='bar', ax=axes[1,0])
axes[1,0].set_title('Phân bố mức độ thỏa mãn')
axes[1,0].set_xlabel('Mức độ thỏa mãn')
axes[1,0].set_ylabel('Tần suất')

# Biểu đồ 4: Performance category
data['performance_category'].value_counts().plot(kind='bar', ax=axes[1,1])
axes[1,1].set_title('Phân bố loại thành tích')
axes[1,1].set_xlabel('Loại thành tích')
axes[1,1].set_ylabel('Tần suất')

plt.tight_layout()
plt.savefig('recode_visualization.png', dpi=300, bbox_inches='tight')
plt.show()

print("\nHoàn thành quá trình mã hóa và tạo biến mới!")