你从问卷平台、医院系统或 Excel 里导出的原始数据，往往直接拿去跑模型会出问题：有人没填某题（缺失值）、有人填了 999 当作跳过（异常值）、量表里有反向题没有转换（重编码遗漏）、不同量纲的变量放在一起聚类（需要标准化）。
数据预处理就是在正式分析之前，把这些"坑"都填平，让数据的质量和格式满足统计方法的前提要求。这一步做不好，后面所有的 p 值、R² 都可能是错的。
以下是 chatspss 真实支持的操作，均通过对话指令完成，结果写回原始数据文件：
| 操作类型 | 能做什么 | 典型场景 |
|---|---|---|
| 缺失值 | 自动剔除 / 均值填充 / 众数填充 | 问卷中有人跳过某题 |
| 变量类型 | 识别并设置数值型、分类型、文本、日期；自动读取 SPSS/Stata 变量标签和值标签 | 上传 .sav 文件后变量名显示为中文标签 |
| 反向计分 | 李克特量表反向题重编码（支持5点、7点、10点预设，或自定义最大最小值） | "我对这项工作感到厌倦"需要反向 |
| 数据标准化 | Z-score 标准化、0-1 归一化、对数变换、平方根变换、Box-Cox 变换 | 聚类分析前消除量纲差异 |
| 变量编码 | 独热编码（One-Hot）、标签编码、序数编码；数值分箱（等宽/等频/自定义区间） | 把"教育程度"转为虚拟变量 |
| 异常值识别 | 数据验证（范围检查、唯一性检查、完整性检查），标记超出合理范围的值 | 检查"年龄"列是否有超出 0-120 的值 |
| 计算新列 | 均值/求和/最大最小值/中位数等聚合计算；交互项生成；条件赋值 | 把 Q1-Q6 汇总为"满意度维度均分" |
chatspss 支持上传 CSV、Excel（.xlsx/.xls）、SPSS（.sav）、Stata（.dta） 格式，上传后自动识别变量标签和值标签，列名模糊匹配，不需要对上精确的列名。
上传数据文件后，直接用自然语言告诉 chatspss 要做什么，它会自动调用对应的预处理工具并回写到你的数据文件：
Q：上传的数据有缺失值，chatspss 会自动处理吗？
A：会。chatspss 的所有分析工具在运行前都会自动剔除缺失值，并在结果中注明有效样本量 N。如果你需要用均值或众数填充缺失值，可以直接告诉 chatspss："把收入列的缺失值用均值填充"，它会用预处理工具完成操作并回写数据文件。
Q：异常值要不要删掉？
A：不一定。异常值有两种情况：一是录入错误（如满分5分的题出现了99），应当删除或修正；二是真实的极端数据，删除前需要说明理由。chatspss 可以通过数据验证功能帮你标记超出合理范围的值（例如"检查年龄列是否有超过120的值"），再由你决定如何处理，不会强制删除。
Q：问卷里有反向题，怎么重编码？
A：直接告诉 chatspss："对 Q4 做5点量表反向计分"，它会自动执行反向操作（新值 = 最大值 + 最小值 - 原值），生成 Q4_reverse 新列并回写到数据文件。支持5点、7点、10点量表预设，也可以自定义最大最小值。
Q：chatspss 支持 SPSS .sav 文件直接上传吗？
A：支持。chatspss 支持 CSV、Excel（.xlsx/.xls）、SPSS（.sav）和 Stata（.dta）格式直接上传。上传 .sav 文件后，系统会自动识别变量标签和值标签，分析结果中显示的是"满意度"等有意义的变量名，而不是 Q1、Q2 这样的编码。
Q：做回归之前需要对数据标准化吗？
A：通常不是必须的。以下情况建议标准化：变量量纲差异很大（如收入和年龄混在一起）；做聚类分析时；需要比较不同变量的标准化系数 Beta 时。chatspss 支持 Z-score 标准化、0-1 归一化、对数变换等多种方式，一句话完成："对收入和年龄列做Z-score标准化"。