像这样的数据，有的指标值特别大，有的指标值特别小，比如“高校数量”和“人均GDP”这两个指标，那么在进行因子分析之前，就需要先对这六个指标变量进行数据标准化。
数据标准化的处理中，使用最广泛的一种标准化方法是z-score标准化，这篇文章分享z-score标准化的原理和做法，以及怎么进行因子分析。
一、数据的Z-score标准化
（1）Z-score标准化原理
z-score标准化是基于原始数据的均值μ和标准差σ进行的，通过下面的转换公式，就可以将原始值转换为统一的均值为0，标准差为1的数据。
z-score标准化转换公式：
新得到的标准化数据的意义是“给定数据距离均值相对来说有多少个标准差”，在均值之上的数据会得到一个正的标准化分数，在均值之下的则得到一个负的标准化分数。标准化之后数据就会全部统一起来，不会有数据非常大比如10000，而有的数据非常小比如10。如下图：
适用：z-score标准化的方法适用于一个变量的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况。
（2）使用SPSSAU对数据进行标准化处理
实际的分析操作中，数据标准化处理很简单，这里以上面的案例数据来演示如何做。
1、首先打开SPSSAU网站，上传好数据如下图：
2、对6个衡量各省市的综合发展情况的指标值进行标准化处理，在SPSSAU页面右侧选择【数据处理】版块中的【生成变量】按钮。
