使用计算功能计算总和

在本节中，我们将学习如何使用算术运算符（如加法、减法）计算总分。如果查看计算变量功能，我们会看到一个目标变量列表。在这种情况下，我们需要命名我们的目标变量。我们所有现有的变量都显示在下图中

我们将转到“转换”，然后是“计算变量”。我们将选择我们的目标变量，然后在数值表达式框中编写数值表达式，如加法或减法。我们可以借助以下按钮来编写我们的数值表达式。

这些函数已在此处分组，我们可以在下图中看到该组中可用函数的分组和详细信息。对于算术组，我们可以看到 Abs（绝对值）和其他函数。当我们选择统计函数时，我们可以看到 Max、Mean、Medium 等。

除此之外，这里有一个if 选项，我们可以用它进行一些条件计算。例如，假设我们想计算男性或女性的总价值。在这种情况下，我们可以相应地选择我们的数据。我们目前将使用一个简单的总和函数，其中我们希望计算给定量表的总分。所以我们将快速了解此数据集。数据集是关于个性量表的，基于现有的个性理论。个性的维度有很多。例如，一个流行的个性理论是艾森克的个性理论，他在该理论中假设人类个性在两个维度上变化。一个显示稳定与不稳定。垂直维度是不稳定与稳定的维度。

在上图中，我们可以看到神经质在顶部，稳定在底部。神经质是那些不安，本性高度不稳定的人。稳定的个性是那些性情温和，并且在处理问题时非常有规律的个性。在X 轴上的另一个维度是内向与外向。所以内向者基本上是害羞的，相反的。外向者更注重社交。他们喜欢受欢迎，并结交很多朋友。我们在这里采用的量表基于艾森克的个性理论。我们总共有 15 个项目。以N结尾的项目是指属于神经质维度的项目。而E代表外向性，S代表稳定性，I代表内向性。

在我们进行任何分析之前，例如，如果我们想进行t 检验、方差分析或相关性，或者回归，我们需要找到总分。首先是整个个性量表的总分，以及维度上的总分。例如，一个人在神经质方面的得分与在稳定性方面的得分相比，或在内向性方面的得分与在外向性方面的得分相比。所以为此，我们需要简单地计算总和。为此，我们可以借助计算功能。所以我们将转到转换，点击计算变量。现在我们将看到以下窗口

一旦我们看到此对话框，我们需要命名目标变量，并且我们将计算维度。假设我们首先计算神经质的总和。因此，我们将在目标变量上定义Neuroticism_Total。如果我们想定义变量的类型和标签，我们可以单击类型和标签选项，如下所示

当我们单击此按钮时，我们将看到以下窗口，我们将定义标签为神经质的总分。这是一个数值变量，因此将像这样单击继续

类型和标签已定义。所以让我们开始计算神经质的总和。为了简单起见，我们将通过右键单击该变量来显示变量名称。之后，我们将得到变量名如下

现在我们将采用第一个变量，它属于神经质维度，并单击箭头。之后，变量将移至数值表达式下，然后我们将添加加号。我们正在使用加号，但根据我们的要求，我们可以添加减号、除号和其他函数。目前，我们正在计算总和，因此将使用加号。现在我们将添加第三个，就是这样。因此，我们在神经质上只有两个项目。因此我们将像这样单击确定

在下图中，我们可以看到神经质总分已经生成，并且该量表已经定义。我们需要细化量表。该软件定义为名义变量，但它不是名义变量。它是一个量表变量。因为两个量表变量的总和将是一个量表变量。因此，我们将将其更改为量表变量。

同样，我们可以找到所有其他量表的总和，例如外向性量表、内向性量表和稳定性量表。我们可以在数据集中看到，必须创建一个新变量Neuroticism_Total，这给了我们神经质维度的总和。

同样，我们可以为其余三个子量表创建总和。因此，我们将转到转换，然后是计算变量。这次，总和是针对稳定性，因此我们将在目标变量下编写Stability_Total。我们需要选择这些项目，所以我们将选择问题 4 + 问题 5 + 问题 15，然后单击确定。现在我们可以看到已创建了Stability_Total。

现在我们将找到内向性的总和。因此，我们将在目标变量下添加 Introversion_Total。我们将选择问题 7 + 问题 11 + 问题 13，然后单击确定。现在我们可以看到已创建了Introversion_Total。

现在我们将找到外向性的总和。因此，我们将在目标变量下添加Extroversion_Total。我们将选择问题 2 + 问题 6 + 问题 8 + 问题 9 + 问题 10 + 问题 12 + 问题 14，然后单击确定。现在我们可以看到已创建了Extroversion_Total。

在上图中，我们可以看到所有四个量表的总和都已创建。现在我们将更改稳定性和内向性的度量级别为量表变量。