数据标准化的方法：“最小—最大标准化”、“Z-score标准化”
1.最小—最大标准化
原理：将某一问项的原始值x通过标准化映射成在区间[0,1]中的值 ，其公式为：新数据=（原数据-极小值）/（极大值-极小值），也称为离差标准化，是对原始数据的线性变换，使结果值映射到[0 - 1]之间
公式：标准化结果x'=（x-min）/(max-min), 其中x表示原始数据，min表示该指标的最小值，max表示该指标的最大值
spss操作：第一步—选定该指标包含的数据，点击“分析”-“描述”—得到描述性统计结果，并可知道该指标的最小、最大、平均和标准差值 ，如下图 ；第二部，点击“转换”—“计算”——输入标准化后变量的名称，输入 最小—最大标准化的公式，如下图——点击确定——新的标准化结果出现在spss面板的指标右方
2.“Z-score标准化”
原理：通过原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化，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，其标准化后的数值大小有正有负，如下图中的标准正态分布曲线
适用范围：问项数据的最大最小值不知道的情况下、有超出取值范围的离群数据的情况、适用于不同量级数据的无量化处理
公式：新数据=（原数据-均值）/标准差
spss操作：点击“分析”-“描述”—勾选z-score标准化处理，即可得结果
【补充说明】
数据标准化（归一化）处理：
【专业解释】不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价。归一化化就是要把你需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。首先归一化是为了后面数据处理的方便，其次是保正程序运行时收敛加快。
【通俗的解释】经过标准化处理，原始数据均转换为无量纲化，数据无量纲化处理主要解决数据的可比性，即不同量级的数据通过标准化变为同一量级的数据，如用户的搜索次数的量级为万级的，而下载次数为百级，通俗地讲，同一天内用户对一首歌的搜索次数有几万次，而下载次数只有几十次，将这两个指标的数据标准化后，就变为同一个级别的数，比如均为【0,1】，就可以通过这两个指标来讨论和计算用户对一首歌的喜欢程度，指标测评值，即各指标值都处于同一个数量级别上，可以进行综合测评分析。
