1、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。数据无量纲化处理主要解决数据的可比性。数据标准化的方法： 1、对变量的离差标准化离差标准化是将某变量中的观察值减去该变量的最小值，然后除以该变量的极差。即xik xik Min (xk)R k经过离差标准化后，各种变量的观察值的数值范围都将在0，1之间，并且经标准化的数据都是没有单位的纯数量。离差标准化是消除量纲（单位）影响和变异大小因素的影响的最简单的
2、方法。 有一些关系系数（例如绝对值指数尺度）在定义时就已经要求对数据进行离差标准化，但有些关系系数的计算公式却没有这样要求，当选用这类关系系数前，不妨先对数据进行标准化，看看分析的结果是否为有意义的变化。2，对变量的标准差标准化（z-score 标准化）标准差标准化是将某变量中的观察值（原数据）减去该变量的平均数，然后除以该变量的标准差。经过标准差标准化后，各变量将有约一半观察值的数值小于 0，另一半观察值的数值大于 0，变量的平均数为 0，标准差为 1。经标准化的数据都是没有单位的纯数量。对变量进行的标准差标准化可以消除量纲（单位）影响和变量自身变异的影响。但有人认为经过这种标准化后，原来数
3、值较大的的观察值对分类结果的影响仍然占明显的优势，应该进一步消除大小因子的影响。尽管如此，它还是当前用得最多的数据标准化方法。spss 默认的标准化方法就是 z-score 标准化。在 SPSS 中依次点击Analyze Descriptive Descriptive 点击 Save standardized values as varianles 即可。用 Excel 进行 z-score 标准化的方法：在 Excel 中没有现成的函数，需要自己分步计算，其实标准化的公式很简单。步骤如下：1.求出各变量（指标）的算术平均值（数学期望）xi 和标准差 si ；2.进行标准化处理：zij（xij
4、 xi）si其中：zij 为标准化后的变量值；xij 为实际变量值。3.将逆指标前的正负号对调。标准化后的变量值围绕 0 上下波动，大于 0 说明高于平均水平，小于 0 说明低于平均水平。3，先对事例进行标准差标准化，再对变量进行标准差标准化第一步，先对事例进行标准差标准化，即将某事例中的观察值减去该事例的平均数，然后除以该事例的标准差。即xik (xik )s i第二步，再对变量进行标准差标准化，即将某变量中的观察值减去该变量的平均数，然后除以该变量的标准差。即xik (xik k)s k使用这种标准化的目的也在于消除性状间的量纲（单位）影响和变异大小因子的影响，使性状间具有可比性。4，先对
5、变量、后对事例、再对变量的标准差标准化这种标准化的目的也在于消除性状间的量纲（单位）影响和变异大小因子的影响，使性状间具有可比性。具体做法是：第一步，先对变量进行标准差标准化，即将某变量中的观察值减去该变量的平均数，然后除以该变量的标准差。即xik (xik )s k第二步，后对事例进行标准差标准化，即将某事例中的观察值减去该事例的平均数，然后除以该事例的标准差。即xik (xik i)s i第三步，再对变量进行标准差标准化，即将某变量中的观察值减去该变量的平均数，然后除以该变量的标准差。即xik (xik k)s k进行了前两步之后，还要进行第三步的原因，主要是为了计算的方便。5、Decimal scaling 小数定标标准化这种方法通过移动数据的小数点位置来进行标准化。小数点移动多少位取决于属性 A 的取值中的最大绝对值。将属性 A 的原始值 x使用 decimal scaling 标准化到 x的计算方法是：x=x/(10*j)其中，j 是满足条件的最小整数。6. 对数 Logistic 模式：新数据=1/（1+e(- 原数据 )）7. 模糊量化模式：新数据=1/2+1/2sin/（极大值-极小值）*（X-（极大值-极小 值）/2） X 为原数据（以上两种方法没有搜到）
