在使用SPSSAU进行分析时，有时会出现“数据质量异常”提示。这种情况会发生在很多分析方法上，但原因基本共通的。
以下3个问题是常见的通用性问题，多数“数据质量异常”情况就是由这些问题所致：
第一：异常的原因
1）绝对共线性
如果数据出现‘绝对共线性’，比如出现2个分析项之间出现相关系数值接近1(或接近1)，即有完全的替代关系，但是却把2个分析项同时进行分析，则有可能出现异常现象。
2）基本没有相关
除此之外，如果说2项之间基本没有相关（相关系数接近0），但此2项同时在模型中出现，此时也很可能出现异常现象。当出现此类情况时，把相关系数接近1或0的项移出去，再次分析即可。
3）样本量太少
如果分析的样本量非常少，比如分析样本量仅10个，但模型中有20个分析项，这种情况很容易出现异常，因为样本量太少。如果样本量过少，首先需要查清楚原因，如果确实是样本量过少就需要加大样本，当然也可以从模型中移出一些项后分析尝试
第二：异常的检验
当出现数据异常时，通用有两种检查方法：
一是使用相关分析查看相关系数情况（把出现异常的模型中所有分析项都做相关分析），这种方法对应检测分析项中是否存在绝对共线性或基本没有相关性。
二是使用描述分析查看样本量，检查当前分析的样本量情况有多少，这种方法对应查看数据样本量是否过少（有可能数据有缺失，或者筛选等导致分析样本量非常少）。
第三：其它
如果数据做过虚拟哑变量设置，本应该留出一个参考项（即少放一项在模型中），但却把哑变量全部放到回归模型中，一般都会出现异常或者奇异矩阵等。
关于哑变量问题，大家可以参考这两篇文章：
SPSSAU：哑变量（虚拟变量）
SPSSAU：什么是虚拟变量？怎么设置才正确？
“数据质量异常”情况都可先检查以上3个通用问题，大部分情况下即可解决。
除此之外，每个方法出现异常的原因也有所不同，下面会针对每个方法出现的原因进行说明。
验证性因子分析、结构方程模型
当出现质量异常时，首先排除通用问题，并进行处理。如果依旧出现数据质量异常，还有种原因导致：
1）CFA及SEM分析一般只针对量表题，请检查数据是否为量表题。
2）同一个因子的分析项之间相关关系过弱
除此之外，将同一个因子对应的项做相关分析，如果发现某两项之间的相关性过弱（比如相关系数小于0.2），把其中一项从模型中移除出去，再次进行分析即可。
3）MI调整过度
MI调整是指结合MI值对分析项之间建立协方差关系(即相关关系)，比如MI值大于10时建立协方差关系，此过程为内部自动建模过程。有可能出现建立的协方差关系过多导致模型无法收敛拟合。此时建议把标准放宽尝试即可。
路径分析
当出现质量异常时，首先检查通用问题，并进行处理。如果依旧出现数据质量异常，还有种原因导致：
MI调整是指结合MI值对分析项之间建立协方差关系(即相关关系)，比如MI值大于10时建立协方差关系，此过程为内部自动建模过程，其目的仅仅在于对模型进行优化。有可能出现建立的协方差关系过多导致模型无法收敛拟合。此时建议把标准放宽尝试即可。
二元Logit回归
当出现质量异常时，首先排除通用问题，并进行处理。如果依旧出现数据质量异常，还有种原因导致：
对因变量Y做频数分析，查看频数分布情况，如果出现某项的频数接近0个（比如仅2个），此类数据并不适合进行二元Logit回归，因为数据分布极其不均匀，建议改用其它方法。
有序Logit回归
当出现质量异常时，首先检查通用问题，并进行处理。如果依旧出现数据质量异常，还有种原因导致：
查看是否选中平行性检验，平行性检验对数据质量要求相对较高，有可能模型不收敛因此无法进行平行性检验，此时建议改用多分类Logit回归。
另外，当出现‘奇异矩阵’提示时，此类情况是由于严重共线性，即相关系数接近1所致；具体原因上很可能是样本量太少（比如仅10个样本但却有20个分析项），也或者虚拟哑变量问题设置不当所致。
多分类Logit回归
当出现质量异常时，首先检查通用问题，并进行处理。如果依旧出现数据质量异常，还有种原因导致：
对因变量Y做频数分析，查看频数分布情况，如果出现某项的频数接近0个（比如仅2个），因变量各项的分布严重不均匀导致模型不收敛出现异常，建议使用数据处理里面的数据编码，对组别进行合并，当然也可以筛选出分布较为均匀的组别后，再次进行分析。
另外，当出现‘奇异矩阵’提示时，此类情况是由于严重共线性，即相关系数接近1所致；具体原因上很可能是样本量太少（比如仅10个样本但却有20个分析项），也或者虚拟哑变量问题设置不当所致。
双因素方差、三因素方差、多因素方差、协方差
当出现质量异常时，首先检查通用问题，并进行处理。如果依旧出现数据质量异常，还有种原因导致：
查看自己的数据是否为实验或类实验数据正交设计数据等，通常情况下双因素，三因素，多因素方差分析都是针对实验或类实验，也或者正交设计数据等进行分析；因为此类数据会有非常强的‘平衡性’。其它的数据正常情况下是使用单因素方差（通用方法里面的方差）进行分析，重复做多次即可。
重复测量方差
当重复测量方差出现质量异常时，首先按照通用问题进行查看（即做相关分析，检查分析项之间是否有出现1，或者0），以及检查样本量是否过少（比如小于分析项的个数）等，并且进行处理后再次分析。
如果依旧出现数据质量异常，多数情况下是由于数据格式不对所致，SPSSAU支持long-format数据，具体可通过此页面（或对应的帮助手册）查看数据格式例子。
https://spssau.com/front/spssau/helps/otherdocuments/methodsdataformat.html
面板模型
当面板模型出现质量异常时，首先按照通用问题进行查看（即做相关分析，检查分析项之间是否有出现1，或者0），以及检查样本量是否过少（比如小于分析项的个数）等，并且进行处理后再次分析。
如果依旧出现数据质量异常，多数情况下是由于数据格式不对所致，具体可通过此页面（或对应的帮助手册）查看数据格式例子。
https://spssau.com/front/spssau/helps/otherdocuments/methodsdataformat.html
总结来说，分析前一定先确保自己的数据真实、可靠，这是最关键的。
出现“数据质量异常”的情况，先检查数据间的相关性及样本量是否符合分析需要。其次查看具体的分析方法，对应的解决办法。
以上就是本次分享的内容，更多干货内容登录SPSSAU查看。
END
/SPSSAU快速入门指南/
SPSSAU：数据格式 | 如何正确整理你的数据格式？
SPSSAU：数据管理 | 这些数据管理功能，希望你一定学会。
SPSSAU：问卷质量 | 如何提高问卷收集数据的质量？
SPSSAU：方法选择 | 如何快速选出正确分析方法？