在R中修改SPSS数据选项编码为连续整数并保留选项文本

针对SPSS数据中存在的非连续编码（如含98这类特殊值），可以结合haven和dplyr包，在保留选项文本（value labels）的前提下，将每个变量的编码转为从1开始的连续整数序列，无需手动逐个变量调整。

步骤1：加载依赖包并读取数据 #

首先加载处理SPSS数据的核心包，读取时默认保留变量的value labels：

library(haven)
library(dplyr)

# 替换为你的SPSS文件路径
df <- read_sav("your_spss_data.sav")

步骤2：编写编码转换函数 #

这个函数会自动识别变量的value labels，将原始非连续编码映射为连续整数，同时保留原选项文本：

recode_to_continuous <- function(x) {
  # 提取变量的value-label映射关系
  label_map <- val_labels(x)
  if (is.null(label_map)) return(x) # 无标签的变量直接返回
  
  # 获取原始编码，按原标签顺序生成连续新编码
  original_codes <- as.numeric(names(label_map))
  new_codes <- seq_along(original_codes)
  
  # 替换编码并更新标签
  x_processed <- case_match(x, !!!set_names(new_codes, original_codes))
  val_labels(x_processed) <- set_names(label_map, new_codes)
  
  x_processed
}

步骤3：批量处理所有分类变量 #

将函数应用到所有带value labels的变量上：

df_processed <- df %>% mutate(across(where(is.labelled), recode_to_continuous))

验证结果 #

可以查看任意变量的新编码和对应标签，确认是否符合预期：

# 替换为你的变量名
val_labels(df_processed$q1)

特殊情况处理 #

如果98是SPSS中定义的用户缺失值（而非有效选项），可以先将其转为NA再处理：

# 先把98转为缺失值
df <- df %>% mutate(across(where(is.labelled), ~ifelse(.x == 98, NA, .x)))
# 再执行编码转换
df_processed <- df %>% mutate(across(where(is.labelled), recode_to_continuous))

内容的提问来源于stack exchange，提问作者Anna