📌 SPSS 데이터 전처리 필수 가이드 1편

분석 전에 반드시 해야 할 데이터 정비 작업

설문 데이터를 수집하고 SPSS에 불러오면
많은 연구자분들이 바로 분석 메뉴로 들어가곤 합니다.
하지만 정확한 결과를 얻기 위해서는
그 전에 반드시 전처리가 필요합니다.

전처리는 오염된 데이터를 제거하고
분석 목적에 맞게 변수를 정리해
오류 없는 분석 기반을 만드는 핵심 과정입니다.

---

1️⃣ 케이스 선택 Select Cases

특정 조건에 부합하는 응답만 사용

연구 목적에 따라
전체 응답자 중 일부만 분석에 포함해야 하는 경우가 많습니다.

예시 조건

• 여성 응답자만 포함
• 20대만 분석
• 만족도 4점 이상인 참여자만 포함

즉, 불필요하거나 부적합한 케이스를 제외하는 단계입니다.

SPSS 실행 경로

데이터 → 케이스 선택

실행 순서

1. 조건 만족 케이스 선택
2. 조건식 직접 입력 (예 Gender = 1)
3. 확인

👉 제외된 케이스 오른쪽에는 슬래시 표시 생김

Tip
불응답 케이스가 많거나 분석 맥락과 무관한 표본이 섞여 있다면
케이스 선택으로 정확도를 크게 올릴 수 있습니다.

---

2️⃣ 누락값 점검 및 정리

Missing data 확인 없이는 분석 X

누락값을 방치하면
평균, 상관, 회귀 모두에서 왜곡된 결과를 초래합니다.

확인하는 질문

• 특정 변수에 결측이 몰려 있는가
• 전체 케이스 중 결측률이 높은 참여자는 제거할까
• 대체 방법이 필요한가

처리 방법

• 불응답 케이스 삭제
• 평균/중앙값 대체
• 회귀 기반 대체 등

👉 논문에서는 결측 처리 방법을 반드시 기술해야 합니다.

---

3️⃣ 값 검토(Outlier)

이상치 제거 또는 검토

예: 나이 900 입력, 점수 0~5점 척도에 99점 포함 등
입력 오류 또는 비정상 응답을 걸러낼 수 있습니다.

Point
이 단계에서 제외 기준을 명시하면 연구의 신뢰성이 높아집니다.

---

✦ 1편 요약 ✦

• 케이스를 분석 목적에 맞게 걸러내기
• 결측 데이터 처리 필수
• 이상치 사전 점검

전처리만 잘해도
상당수 논문 오류를 예방할 수 있습니다.

👉 다음 글에서는
새 변수 생성과 재코딩을 중심으로 다룹니다.