使用名称拼写错误清除SPSS中的数据

Question

我有一个基本格式的5M记录数据集：

FName LName UniqueID DOB       
John  Smith  987678  10/08/1976
John  Smith  987678  10/08/1976
Mary  Martin 567834  2/08/1980 
John  Smit   987678  10/08/1976
Mary  Martin 768987  2/08/1980 

DOB始终是唯一的，但我有以下情况： 相同的ID，不同的名称拼写或不同的ID，同名

我让SPSS认识到John Smit和John Smith与同一个DOB是同一个人，我用聚合来显示在名字附近使用拼写的次数（John Smith，10; John Smit 5）。

案例1： 我想做的是循环查找被识别为同一个人的所有记录，并获得该人姓名的最常见拼写，并将其用作他们的标准名称。

案例2： 如果我有同一个人的多个ID，请选择最低的ID并将其作为标准。

我很乐意使用基本语法来清理我的数据，但这是我唯一坚持的事情。

Answer 1

如果UniqueID是群体中个体的真实唯一ID，并且您想要找到名称拼写的变体（在这些ID的分组中）并分配模态出现，那么这样的东西将起作用：

STRING FirstLastName (A99).
COMPUTE FirstLastName = CONCAT(FName," ", LName").
AGGREGATE OUTFILE= * MODE=ADDVARIABLES /BREAK=UniqueID FirstLastName /Count=N.
AGGREGATE OUTFILE= * MODE=ADDVARIABLES /BREAK=UniqueID  /MaxCount=MAX(Count).
IF (Count<>MaxCount) FirstLastName =$SYSMIS.
AGGREGATE OUTFILE= * MODE=ADDVARIABLES OVERWRITE=YES /BREAK=UniqueID /FirstLastName=MAX(FirstLastName).

您也可以覆盖FName和LName字段，但是如果例如FName或LName可以包含空格，则必须进行更多假设人物等。

Answer 2

我最终以一种看似非常复杂的方式解决了所有这些问题。但是，最后，我能够解决所有问题，并且我在最终数据库上做的理智检查都很好。

@Jignesh，我最终使用了你的一些代码。谢谢。