SPSS中的Data Editor可以提高准备数据的效率，所以你能更快的进行分析。Data Editor是你建立数据信息并在变量间复制粘贴属性的核心区域。你可以建立关于数据的以下信息：
􀂃 给变量加标签
􀂃 值标签
􀂃 定义缺失值
􀂃 变量类型
􀂃 变量格式
使用结合数据转化技巧的Data Editor来确保数据适合你的分析程序

用Data Restructure Wizard轻松的转换数据

你是否为了分析数据而辛苦地规划数据转换呢？SPSS的Data Restructure Wizard可以使每个数据文件的项目有多个记录并转换它们——不需要建立向量或循环——因而每个项目的数据只有单独的记录。在你处理相互影响的数据时，这一特点就特别有用。如果你需要，SPSS在技术上可以确保你可以直接对向量或循环进行分析处理。反之，在SPSS中你也可以运用如LINEAR MIXED MODELS等技术，从一个单独记录中抽取数据并把它展开到不同的案例中。

其它数据转换技术
SPSS还提供了以下的数据转换技术：
􀂃 使用算术运算、日期和时间、逻辑值、缺省值、随机数、统计函数和字符函数来计算生成新的变量；
􀂃 为字符或数值进行重新编码；
􀂃 把变量值重新编码为连续的整数；
􀂃 使用DO IF， ELSE IF， ELSE 和 END IF语句创造条件转化；
􀂃 使用循环结构对数据进行转换，例如do repeat-end repeat， loop-end loop 和 vectors；
􀂃 通过把连续变量离散化使您对数据的分布有一个更加深刻的认识；
􀂃 计算变量值出现的频数；
􀂃 所有的数据变化可以是永久性或是暂时的；
􀂃 变换可以即时执行、根据命令执行或者以批处理方式执行；
􀂃 累计分布、累计分布反函数和随机数字发生器函数包括：beta, Cauchy, chi-square, Exponential, F, gamma, laplace, logistic, lognormal,Normal, Pareto, student t, uniform, Weibull
􀂃 适合离散型函数的累计分布和随机数字发生器：Bernoulli， Binomial， Geometric， Hypergeometric， Negative Binomial， Poisson
􀂃 适合非中心分布情况的累计分布：Non-central Beta， Non-central ，Chi-square， Non-central F， Non-central T
􀂃 密度、概率函数包括：
――连续分布：beta， standard bivariate normal with correlation r， Cauchy，chi-square， exponential， F， Gamma， Half Normal random， inverse Gaussian， Laplace，logistic， lognormal， normal， Pareto， Student t， uniform， Weibull
――离散分布：Bernoulli， binomial， geometric， hypergeometric， negative，binomial， Poisson
􀂃 非中心密度、概率函数包括：non-central beta， non-central chi-square，，non-central F distribution， non-central t distribution

􀂃 尾部概率：Chi-square， F
􀂃 辅助函数：logarithm of the complete Gamma function