无量纲化

统计年鉴数据进行相关性分析需要进行无量纲化处理。计算机被大规模使用之前，是用手工计算的，不易出错；使用计算后，数据标准化处理之后可以节约机时，目前的计算机速度非常高，已经没有必要进行标准化处理了；标准化处理后，所见到的结果比较直观。在计算机发展的今天，想要它多直观就多直观，一个命令而已。方法在数据分析之前，我们通常需要先将数据标准化，利用标准化后的数据进行数据分析。数据标准化也就是统计数据的指数化。数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。

最典型的就是0-1标准化和Z标准化，也是最常用的。1、0-1标准化(0-1 normalization)　　也叫离差标准化，是对原始数据的线性变换，使结果落到[0,1]区间，转换函数如下：　　其中max为样本数据的最大值，min为样本数据的最小值。这种方法有一个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。2、Z-score 标准化(zero-mean normalization)　　也叫标准差标准化，经过处理的数据符合标准正态分布，即均值为0，标准差为1，也是SPSS中最为常用的标准化方法，其转化函数为：　　其中μ为所有样本数据的均值，σ为所有样本数据的标准差。