SPSS教程：可靠性分析
复本信度spss操作方法
复本信度spss操作方法复本信度（reliability）是指测量工具或问卷在不同时间或不同测试者之间产生一致结果的程度。
在SPSS中，可以使用内部一致性分析（Cronbach's Alpha）来计算复本信度。
下面是在SPSS中进行复本信度分析的步骤：1. 打开SPSS软件并加载数据。
2. 点击"分析"（Analyze）菜单，然后选择"缩放"（Scale）和"可靠性分析"（Reliability Analysis）。
3. 在弹出窗口的"变量"（Variables）框中选择要进行复本信度分析的变量，可使用鼠标按住Ctrl键选择多个变量。
4. 将选择的变量移动到"依赖变量"（Dependent List）框中。
5. 在"统计"（Statistics）框中选择要计算的复本信度指标，最常用的是"Cronbach's Alpha"。
6. 可选择在"图形"（Plots）选项中生成残差图来查看数据的正态分布行为。
7. 点击"确定"（OK）按钮，SPSS将计算出选定变量的复本信度指标。
8. 在结果窗口中，找到"可靠性分析"表格，其中包含了每个变量的Cronbach's Alpha值和项目间的相关系数。
9. 通常，Cronbach's Alpha的值范围为0到1之间，越接近1表示复本信度越高。
需要注意的是，进行复本信度分析前，确保所选变量是具有内部一致性的，即它们是用于测量同一概念或构造的项目。
另外，如果有一个变量与其他变量的复本信度相对较低，可以考虑将其从分析中剔除。
以上是在SPSS中进行复本信度分析的简要步骤，希望对你有所帮助。
SPSS信效度难度区分度分析举例
SPSS信效度难度区分度分析举例假设我们正在开展一个关于健康生活方式的调查研究，为了评估参与者的健康行为，我们设计了一个由20个问题组成的问卷。
这些问题涉及到饮食、运动、睡眠以及其他与健康相关的行为。
首先，我们需要将这些问题输入SPSS软件进行分析。
假设我们将这些问题编号为Q1至Q20，以便进行数据输入和分析。
第一步是计算每个问题的信度。
信度是指问卷测量的稳定性和一致性，也就是说，当我们重复使用问卷时，是否能够获得相似的结果。
可以使用内部一致性系数，例如Cronbach's α，来评估信度。
在SPSS中，可以通过如下步骤计算：1.打开SPSS软件，点击"变量视图"选项卡，输入各个问题的名称和数据类型。
2.回到"数据视图"选项卡，输入参与者的数据。
3.点击"分析"菜单，选择"可靠性分析"。
4.在弹出的"可靠性分析"对话框中，将所有的问题添加到"题目"一栏中。
5. 在"统计量"一栏中，选择"Cronbach's α"。
6.点击"确定"进行分析。
SPSS将计算每个问题的Cronbach's α系数，并将结果显示在分析结果窗口中。
如果Cronbach's α系数大于0.7，则说明这些问题具有良好的内部一致性，信度较高。
接下来，我们需要计算每个问题的难度和区分度。
难度是指被试者平均得分的水平，也就是说，大多数被试者的回答是什么。
区分度是指问题能够区分出不同被试者之间的差异程度，也就是说，得分高的被试者在这个问题上与得分低的被试者之间是否有明显的差异。
可以使用点双列相关和韦勒系数来评估难度和区分度。
在SPSS中，可以通过如下步骤计算：1.打开SPSS软件，点击"变量视图"选项卡，输入各个问题的名称和数据类型（如果还没有输入）。
SPSS基本功能及操作
SPSS基本功能及操作统计分析模型（1）信度分析文献[558]操作步骤：分析―度量―可靠性分析（R）―移动变量到项目（I）框内―统计量―描述性（项+度量+如果。
）―项之间（相关性）―继续―确定信度系数界限值：0．60―0．65认为不可信；0．65―0．70认为是最小可接受值：0．70～0．80认为相当好；0．80―0．90就是非常好。
因此，―份信度系数好的量表或问卷最好在0．80以上，0．70―0．80之间还算是可以接受的范围；分量表最好在0．70以上：0．60―0．70之间可以接受。
若分量表的内部一致性系数在0．60以下或者总量表的信度系数在0．80以下，应该考虑重新修订量表或增删题目。
案例处理汇总案例有效已排除总计 aN 102 0 102 % 100.0 .0 100.0 a. 在此程序中基于所有变量的列表方式删除。
可靠性统计量 Cronbach's Alpha 基于标准化项的 Cronbachs Alpha .822 .830 项数 7 项总计统计量项已删除的刻度均值经济因素成长因素 27.02 26.89 项已删除的刻度方差�� 12.415 10.058 校正的项总计相关性 .088 .782 多相关性的平方 .099 .669 项已删除的 Cronbach's Alpha 值 .872 .770删除任何题项后的Cronbach’s α系数也无显著提高。
可见核心知识性员工激励组合量表的内部一致性高，信度较好。
信度分析说明该问卷的整体结构设计具有较高的可信度。
由此可以认为，该问卷具有较好的内在信度，依此调查得到的数据是可信的，基于该问卷进行的数据统计分析结果也是比较可靠的。
1（2）效度分析文献[560] 每一个r值彼此都达到显著性水平的个数越多，就表示该分量表建构效度越好。
操作步骤：分析―相关―双变量（B）―移动变量到变量（V）框内―相关系数（Spearman/Kendalltau-b(K)）―显著性检验（双侧检验）―标记显著性相关―确定相关系数 Spearman 的 rho 经济因素成长因素精神因素领导因素环境因素工作因素管理因素 1.000 . 102 .241 .015 102 *经济因素相关系数 Sig.（双侧） N 成长因素相关系数 Sig.（双侧） N .241 .015 102 1.000 . 102 *.183 .065 102 .711 .000 102 **.125 .210 102 .691 .000 102 **.266 .007 102 .585 .000 102****.061 .544 102 .487 .000 102 **.144 .149 102 .432 .000 102 ***. 在置信度（双测）为 0.05 时，相关性是显著的。
如何使用spss进行问卷效度和信度分析
如何使用spss进行问卷效度和信度分析哎呀，这可是个大问题啊！让我们一起来看看如何使用SPSS进行问卷效度和信度分析吧！我们需要了解一下什么是效度和信度。
效度是指问卷能否准确地测量我们想要研究的概念，而信度则是指问卷的稳定性和一致性，即同一人在不同时间或环境下回答相同的问题时，答案是否一致。
那么，我们该如何使用SPSS来进行这些分析呢？我们需要导入数据。
这里啊，数据就像是我们的钱财，需要妥善保管。
在SPSS中，我们可以通过“文件”->“打开”来导入我们的数据。
记得把数据放在一个合适的文件夹里，这样我们才能轻松找到它哦！接下来，我们需要对数据进行预处理。
这个过程就像是给我们的数据洗个澡，让它变得更加整洁。
在SPSS中，我们可以通过“数据”->“清洗”来进行预处理。
这里有一些常见的数据清洗任务，比如缺失值处理、异常值处理等。
通过这些任务，我们可以让数据变得更加规范，便于后续的分析。
好了，现在我们的数据已经准备好了。
接下来，我们就可以开始进行效度和信度分析了。
在SPSS中，我们可以通过“分析”->“可靠性”来进行这些分析。
在这里，我们可以选择不同的分析方法，比如Cronbach's alpha系数、KMO和Bartlett's球形检验等。
这些方法可以帮助我们了解问卷的效度和信度情况。
在进行效度和信度分析时，我们需要注意以下几点：1. 我们需要确保我们的问卷设计是合理的。
一个好的问卷设计应该能够准确地反映我们想要研究的概念，同时避免引导受访者给出特定答案的问题。
2. 我们需要选择合适的分析方法。
不同的问卷可能适用于不同的分析方法，所以我们需要根据具体情况来选择。
3. 我们需要关注分析结果。
如果分析结果显示我们的问卷效度和信度较低，那么我们就需要重新审视我们的问卷设计，看看是否有需要改进的地方。
使用SPSS进行问卷效度和信度分析是一个相当有趣的过程。
通过这个过程，我们可以更好地了解我们的问卷质量，从而提高研究的质量。
如何使用spss进行问卷效度和信度分析
如何使用spss进行问卷效度和信度分析如何使用 SPSS 进行问卷效度和信度分析在进行社会科学研究或者市场调研等工作时，问卷是一种常用的数据收集工具。
然而，仅仅收集到数据是不够的，还需要对问卷的质量进行评估，这就涉及到问卷的效度和信度分析。
SPSS 作为一款功能强大的统计分析软件，可以帮助我们有效地完成这些分析。
接下来，我将详细介绍如何使用 SPSS 进行问卷效度和信度分析。
一、问卷效度分析效度是指测量工具或手段能够准确测出所需测量的事物的程度。
简单来说，就是问卷是否真正测量了我们想要测量的东西。
1、内容效度内容效度主要是通过专家判断和文献参考来评估问卷的题目是否涵盖了研究主题的各个方面。
在 SPSS 中，一般不直接进行内容效度的分析，但可以在设计问卷阶段，征求专家意见来保证内容效度。
2、结构效度结构效度通常使用因子分析来检验。
首先，需要检查数据是否适合进行因子分析。
可以通过 KMO 检验和 Bartlett 球形检验来判断。
在 SPSS 中，操作步骤如下：（1）选择“分析” “降维” “因子分析”。
（2）将需要分析的变量选入“变量”框。
（3）点击“描述”，勾选“KMO 和 Bartlett 的球形度检验”。
如果 KMO 值大于 06，且 Bartlett 球形检验的 p 值小于 005，则说明数据适合进行因子分析。
接下来，进行因子提取和旋转。
常见的方法有主成分分析和主轴因子法等。
旋转方法可以选择方差最大正交旋转或斜交旋转。
根据旋转后的因子载荷矩阵，判断问卷的结构效度。
如果题项在预期的因子上有较高的载荷（一般大于 04），且在其他因子上的载荷较低，则说明问卷具有较好的结构效度。
3、效标关联效度效标关联效度是通过考察问卷得分与某个外在效标（如已有的成熟量表或实际行为表现）之间的相关性来评估效度。
在 SPSS 中，可以通过计算问卷得分与效标变量之间的皮尔逊相关系数来判断效标关联效度。
如果相关系数显著且符合预期的方向，则说明问卷具有较好的效标关联效度。
SPSS教程可靠性分析
SPSS教程：可靠性分析2.1主要功能在精神卫生与社会医学研究中，经常需要借助量表来了解对象的某一特性。
如常用的症状自评量表（SCL-90）即用于评定对象精神病症状的表现形式与强度；又如生活事件量表（LES）即用于对精神刺激进行定性和定量分析。
在完成一份量表的编制工作后，或在准备将一份已有的量表作实际应用前，需要对量表的信度进行考核。
量表的使用是为了了解被测对象的某一特征，因而在编制一份量表时，所设立的一系列项目是为了体现量表需要测定的这一特征。
如果所设立的测定项目无法获得这一特征，则表示该量表可靠性差，即信度低。
所以，研究者有时需要了解量表中各测定项目之间的一致性（同质信度考核），有时需要将量表的测定项目按原编号的奇、偶数分半后，对各自的测定结果进行相关性检验（分半信度考核），等等，这就是量表的可靠性分析，亦即信度研究。
量表的可靠性分析可通过调用Reliability过程完成。
12.2实例操作［例12.1］采用家庭环境量表（FES）研究30名女医师的家庭特征，测定结果按10个分量表的实际得分整理如下。
请以此资料对FES的信度作评价。
12.2.1数据准备激活数据管理窗口，定义变量名：亲密度、情感表达、矛盾性、独立性、成功性、知识性、娱乐性、道德宗教观、组织性、控制性等十个分量表的变量名依次是FES1、FES2、FES3、FES4、FES5、FES6、FES7、FES8、FES9、FES10，输入原始数据。
12.2.2统计分析激活Statistics菜单选Scale中的Reliability Analysis...项，弹出ReliabilityAnalysis对话框（如图12.1示）。
从对话框左侧的变量列表中选fes1~fes10共十个变量，点击➢钮使之进入Items框。
点击Model处的下拉菜单，系统提供5种分析模型：Alpha：计算信度系数Cronbach α值；Split half：分半信度的分析；Guttman：真实可靠性的Guttman低界；Parallel：并行模型假定下的极大似然可靠性估计；Strict parallel：严格并行模型假定下的极大似然可靠性估计。
spss数据分析教程之信效度检验、描述性统计、差异比较、相关分析、回归分析(适合问卷型数据)
目录1 统计分析 (1)2 结果 (1)2.1 信度检验 (1)2.2 效度检验 (3)2.3 描述性统计分析 (5)2.3.1 基础信息题描述性统计（单选） (5)2.3.2 多重响应频率分析（多选题） (10)2.3.3 连续数值数据描述性统计（各维度） (15)2.4 差异比较 (17)2.4.1 交叉表卡方检验（分类变量差异比较） (17)2.4.2 独立样本t检验（连续数值型数据两组间差异比较，如性别间） (19)2.4.3 单因素方差分析（连续数值型数据多组间差异比较，如年龄间） (21)2.5 正态检验 (23)2.6 相关分析 (25)2.7 回归分析 (27)1 统计分析本研究采用SPSS 25.0统计分析软件对问卷进行信效度检验，并对数据进行描述性统计（包括单选，多选，量表维度），差异比较（包括计数资料卡方检验，计量资料t检验和方差分析），相关分析（包括pearson相关分析和spearman相关分析）和多元线性回归分析。
分析结果以p<0.05为有统计学意义。
2 结果2.1 信度检验信度分析也被称为可靠性分析，是对测量结果稳定性、一致性和可靠性的检验，为了保证测量结果的准确性，进行分析前需要先对问卷中的有效数据进行可靠性分析。
本次分析采用Cronbach's α系数进行信度分析，α系数应大于或等于0.6，说明信度良好。
由信度检验结果可知：该问卷量表克隆巴赫Alpha系数为0.981，大于0.7，说明问卷整体有较高的内部一致性，问卷的项目设计合理有效，调查数据较为可靠，可进行下一步的检验分析。
详细操作步骤：2.2 效度检验效度即测量的准确性，测量效度愈高，表示测量的结果愈能显现其所欲测量内容的真正特征，构造效度主要是对测量内容逻辑性、适用性方面的测量，本次分析采用结构效度进行效度检验，KMO值大于0.6，说明效度良好。
KMO 和巴特利特检验KMO 取样适切性量数。
可靠性分析-精选
SPSS可靠性分析
依次单击 菜单“分 析→度量 →可靠性 分析”命 令，打开 “可靠性 分析”对 话框
SPSS可靠性分析
可靠性分析：统计量
可靠性分析的其他问题
可靠性分析除了可以选择Cronbach 模型以外， 还有拆半可靠性系数模型、Guttman模型、平行 模型和严格平行模型等方法。
可靠性分析-精选
提纲
1.可靠性分析概述 2.SPSS可靠性分析 3.可靠性分析的其他问题 4.本章小结
可靠性分析概述
可靠性分析（Reliability Analysis）又称为信度分析 ，是一种度量综合评价体系是否具有一定的稳定性 和可靠性的有效分析方法。例如，在教育学上可衡 量教学评价过程受干扰因素所造成的随机误差的大 小，可靠性和效度在教育学方面是衡量考试质量的 两个重要指标。类似问题在社会生活或经济管理活 动中非常普遍，再比如，市民对政府公务员工作满 意度的评价，医生对病人的身体状况进行综合评分 ，挑选出国留学人员要对被选人员的整体素质进行 评价等。可靠性分Biblioteka 的其他问题拆半可靠性系数模型
为了得到一个准确的项目评估可靠性估计值 ，一个可选择的方法是利用重测可靠性法，即 在一定的时间间隔下，对同一组被访者进行两 次相同的问卷调查，分析两次结果之间的相关 系数。然而，在实践中这种方法的实现往往受 一定的条件限制。为此，我们可以将评估项目 拆分为两组评估项目，进行相关性分析和 Guttman拆半可靠性系数的计算，这就是可靠性 分析的另一种重要方法：拆半可靠性分析方法 。
本章小结
本章介绍了可靠性分析的基本方法和SPSS操作步骤。 重点理解可靠性分析的基本思想和应用范围，掌握可 靠性分析的基本原理和基本概念。体会可靠性分析的 几种方法，包括常用的Crobach 系数和拆半可靠性、 Guttman和平行模型可靠性分析方法，要求读者能够 理解可靠性分析输出结果的含义。
SPSS教程：可靠性分析
SPSS教程：可靠性分析2.1 主要功能在精神卫生与社会医学研究中，经常需要借助量表来了解对象的某一特性。
如常用的症状自评量表（SCL-90）即用于评定对象精神病症状的表现形式与强度；又如生活事件量表（LES）即用于对精神刺激进行定性和定量分析。
在完成一份量表的编制工作后，或在准备将一份已有的量表作实际应用前，需要对量表的信度进行考核。
量表的使用是为了了解被测对象的某一特征，因而在编制一份量表时，所设立的一系列项目是为了体现量表需要测定的这一特征。
如果所设立的测定项目无法获得这一特征，则表示该量表可靠性差，即信度低。
所以，研究者有时需要了解量表中各测定项目之间的一致性（同质信度考核），有时需要将量表的测定项目按原编号的奇、偶数分半后，对各自的测定结果进行相关性检验（分半信度考核），等等，这就是量表的可靠性分析，亦即信度研究。
量表的可靠性分析可通过调用Reliability过程完成。
12.2 实例操作［例12.1］采用家庭环境量表（FES）研究30名女医师的家庭特征，测定结果按10个分量表的实际得分整理如下。
请以此资料对FES的信度作评价。
12.2.1 数据准备激活数据管理窗口，定义变量名：亲密度、情感表达、矛盾性、独立性、成功性、知识性、娱乐性、道德宗教观、组织性、控制性等十个分量表的变量名依次是FES1、FES2、FES3、FES4、FES5、FES6、FES7、FES8、FES9、FES10，输入原始数据。
12.2.2 统计分析激活Statistics菜单选Scale中的Reliability Analysis...项，弹出Reliability Analysis对话框（如图12.1示）。
从对话框左侧的变量列表中选fes1~fes10共十个变量，点击Ø钮使之进入Items框。
点击Model处的下拉菜单，系统提供5种分析模型：图12.1 可靠性分析对话框Alpha：计算信度系数Cronbach α值；Split half：分半信度的分析；Guttman：真实可靠性的Guttman低界；Parallel：并行模型假定下的极大似然可靠性估计；Strict parallel：严格并行模型假定下的极大似然可靠性估计。
利用SPSS软件分析调查问卷的可靠性
们在做调查问卷时，最看重的是调查问卷的科学性和有效性，如果一个问卷设计出来无法有效地考察问卷中所涉及的各个因素，那么我们为调查问卷所作的抽样、调查、分析、结论等一系列的工作也就白做了。
那么，我们如何来检验设计好的调查问卷是否有效呢？信度分析是评价调查问卷是否具有稳定性和可靠性的有效的分析方法。
二、信度分析的提出及分析方法信度，又叫可靠性，是指问卷的可信程度。
它主要表现检验结果的一贯性、一致性、再现性和稳定性。
一个好的测量工具，对同一事物反复多次测量，其结果应该始终保持不变才可信[1]。
例如，我们用一把尺子测量一张桌子的高度，今天测量得高度与明天测量的高度不同，那么我们就会对这把尺子产生怀疑。
因此，一张设计合理的调查问卷应该具有它的可靠性和稳定性。
调查问卷的评价体系是以量表形式来体现的，编制的合理性决定着评价结果的可用性和可信性。
问卷的信度分析包括内在信度分析和外在信度分析。
内在信度重在考察一组评价项目是否测量同一个概念，这些项目之间是否具有较高的内在一致性。
一致性程度越高，评价项目就越有意义，其评价结果的可信度就越强。
外在信度是指在不同时间对同批被调查者实施重复调查时，评价结果是否具有一致性。
如果两次评价结果相关性较强，说明项目的概念和内容是清晰的，因而评价的结果是可信的。
信度分析的方法有多种，有Alpha 信度和分半信度等，都是通过不同的方法来计算信度系数，再对信度系数进行分析[2]。
目前最常用的是Alpha信度系数法，一般情况下我们主要考虑量表的内在信度——项目之间是否具有较高的内在一致性。
通常认为，信度系数应该在0～1之间，如果量表的信度系数在0.9以上，表示量表的信度很好；如果量表的信度系数在0.8～0.9之间，表示量表的信度可以接受；如果量表的信度系数在0.7～0.8之间，表示量表有些项目需要修订；如果量表的信度系数在0.7以下，表示量表有些项目需要抛弃。
我们可以通过目前比较流行的SPSS软件对调查问卷进行信度分析，这样我们就可以判断一个调查问卷是否具有稳定性和可靠性。
如何使用spss进行问卷效度和信度分析
如何使用spss进行问卷效度和信度分析如何使用 SPSS 进行问卷效度和信度分析在社会科学研究中，问卷是一种常用的数据收集工具。
为了确保问卷所收集的数据具有可靠性和有效性，我们需要对问卷进行效度和信度分析。
SPSS（Statistical Package for the Social Sciences）是一款功能强大的统计分析软件，能够帮助我们方便地进行问卷效度和信度分析。
接下来，我将详细介绍如何使用 SPSS 来完成这一重要任务。
一、问卷效度分析问卷效度是指问卷能够准确测量出所研究概念的程度。
效度分析主要包括内容效度、结构效度和效标效度等。
1、内容效度内容效度通常通过专家评估来确定。
专家根据研究目的和理论基础，对问卷的题目内容进行审查，判断其是否全面、准确地涵盖了研究主题的各个方面。
2、结构效度结构效度是指问卷的题目结构是否与理论假设或预期的结构相一致。
在 SPSS 中，我们可以通过因子分析来检验结构效度。
（1）数据录入与预处理首先，将问卷数据录入 SPSS 中。
确保数据的准确性和完整性。
然后，对数据进行必要的预处理，如检查缺失值、异常值等，并进行相应的处理。
（2）因子分析操作步骤选择“分析” “降维” “因子分析”。
将需要分析的变量选入“变量”框中。
在“描述”选项中，选择“KMO 和巴特利特球形检验”，以判断数据是否适合进行因子分析。
KMO 值越接近 1，表明数据越适合做因子分析；巴特利特球形检验的显著性水平小于 005 时，拒绝零假设，认为相关系数矩阵不是单位阵，适合做因子分析。
在“抽取”选项中，选择提取因子的方法，如主成分分析或主轴因子法。
在“旋转”选项中，选择合适的旋转方法，如正交旋转（如方差最大法）或斜交旋转，以使得因子结构更清晰。
在“选项”中，可以选择输出因子得分等。
（3）结果解读主要关注以下几个方面：公因子方差：表示每个变量被公因子解释的程度。
解释的总方差：显示各因子解释原始变量方差的情况。
如何利用SPSS做因子分析等分析
我就以我的数据为例来做示范，仅供参考一、信度分析（即可靠度分析）1.分析——度量——可靠度分析图 12.然后就会弹出上图1的框框。
在这里，你可以对所有的问题进行可靠度分析，如果是这样，那你只需要选中所有的问题到右边这个白色的框框，然后点击“统计量”，按照右边这个图进行打钩。
然后点“继续”。
之后就点“确定”图2 3.接着去“输出1”这个框看分析结果，你就会看到很多分析结果，其中有一个就是右图，那第一个0.808就是你所选择进行分析的数据的信度。
如果你想把每一个维度的数据进行独立的信度分析，那道理也是一样的。
二、因子分析在做因子分析之前首先要判断这些数据是否适合做因子分析，那这里就需要进行效度检验，不过总共效度检验是和因子分析的操作同步的，意思就是说你在做因子分析的时候也可以做效度检验。
具体示范如下：1.分析——降维——因子分析图 2一般来说，咱们做因子分析的时候是为了把那些具有共同属性的因子归类成一类，说的简单点就是要验证咱们所选取的每一个维度下面的题目是属于这个维度，而非其他维度的。
那一般来说，因子分析做出来的结果就是你原本有几个维度，最终分析结果就会归类成几个公因子。
2.一般来说，自变量的题目和因变量的题目是要独立分析的。
我的课题是“店面形象对顾客购买意愿的影响”那自变量就是店面形象的那些维度，因变量就是顾客购买意愿。
3.将要做分析的题目选择到右边的白框之后，就如下图打钩：“抽取”和“选项”两个不用管他。
然后就点“确定”4.按照上述步骤操作下来之后，就可以去“输出1”看分析结果。
首先看效度检验的结果：这里要看第一行和最后一行的数据，第一行数据为0.756，表明效度较高，sig为0.000，这两个结果显示这份数据完全可以做因子分析。
那就去看因子分析的结果。
5.看下面这张图，看“初始特征值”这一项下面的“合计”的数值，有几个数据是>1，那就表明此次因子分析共提取了几个公因子。
下图所示，有5个数据是>1，这表明可以提取5个公因子。
如何使用spss进行问卷效度和信度分析
如何使用spss进行问卷效度和信度分析如何使用 SPSS 进行问卷效度和信度分析在社会科学研究中，问卷是收集数据的常用工具之一。
然而，为了确保问卷所收集到的数据是准确、可靠且有效的，我们需要进行效度和信度分析。
SPSS 作为一款强大的统计分析软件，可以帮助我们轻松完成这些任务。
接下来，我将详细介绍如何使用 SPSS 进行问卷的效度和信度分析。
一、效度分析效度，简单来说，就是指测量工具能够准确测量出所要测量的概念或特质的程度。
在问卷设计中，效度主要包括内容效度、结构效度和准则效度等。
1、内容效度内容效度通常是通过专家评估来确定的。
专家根据研究目的和理论基础，对问卷的题目是否涵盖了所需测量的内容进行判断。
SPSS 本身并不能直接用于评估内容效度，但我们可以在编制问卷时，参考专家的意见来提高内容效度。
2、结构效度结构效度是指问卷的测量结果与理论上的结构或框架是否相符。
在SPSS 中，常用的结构效度分析方法有因子分析。
（1）数据准备首先，将问卷数据录入SPSS 中。
确保每个变量的命名清晰、准确，数据的录入没有错误。
（2）因子分析操作步骤依次选择“分析” “降维” “因子分析”。
将需要分析的变量选入“变量”框中。
（3）结果解读KMO 值和巴特利特球形检验：KMO 值越接近 1，表明数据越适合做因子分析；巴特利特球形检验的显著性水平小于 005 时，也表明数据适合做因子分析。
因子载荷：观察因子载荷值，载荷值大于 04 通常被认为是有意义的。
如果某个变量在多个因子上的载荷值都较高，或者载荷值与预期的理论结构不符，可能说明问卷的结构效度存在问题。
共同度：共同度反映了每个变量被因子解释的程度，共同度越高，说明变量被因子解释得越好。
碎石图：通过观察碎石图，可以确定提取的因子个数。
3、准则效度准则效度是通过与一个已被证明有效的测量工具进行比较来评估的。
例如，我们可以将新设计的问卷与一个已被广泛认可的同类问卷进行比较，计算两者之间的相关系数来评估准则效度。
SPSS婚姻可靠性信念的性别差异分析1
对婚姻可靠性信念的性别差异分析首先要提出分析的问题，以及主要概念的界定和操作化方法说明。
数据分析：1.总体的状况（单变量频数统计）2．分性别的统计（交叉表）3．分年级交叉表、分是否恋爱与否交叉表（通过拆分文件后座交叉表）结论大学生阶段对婚姻的认识是形成婚姻观的重要环节。
当今社会由于婚姻的自主性选择日益增强，社会变动非常迅速，婚姻解题的现象日益增多，这一方面增加了人们的选择自由，但同时也给人们造成认识和情感上的困惑。
当代大学生在对婚姻恋爱现象的观察了解中，也会形成对于婚姻忠诚、。
等方面的看法。
尤其是随着婚姻问题的增加，对大学生的婚恋信念造成了极大的影响。
本研究（报告、论文、分析）专门探讨当今大学生对婚姻信念的性别差异。
具体说，分析不同性别的大学生对婚姻是否可靠的认识是否有差别，恋爱生活和年级差异是否会影响对婚姻可靠性的认识。
为了测量大学生对婚姻可靠性的认识，问卷中设计了这样一个问题：“您是否赞同‘婚姻非常可靠’这样的说法”，给出了“很符合”、“比较符合”、“较不符合”、“很不符合”四个答案选项进行四分测量；恋爱状态使用了“您目前的恋爱状况是：1.正在恋爱 2..没有恋爱”两分测量。
数据分析如下：1.总体状况下表是样本大学生认为婚姻可靠的频数分布。
从表3中可以看出，对婚姻可靠性持肯定意见的占样本的75.3%。
持否定意见的占24.7%。
换言之，约占1/4的大学生不太相信婚姻是可靠的。
对婚姻可靠性认同很高的约占1/5，持激烈否定意见的占5%左右。
初始表：婚姻非常可靠Frequency Percent Valid Percent Cumulative Percent Valid 很符合178 10.9 21.2 21.2比较符合454 27.8 54.1 75.3较不符合159 9.7 19.0 94.3很不符合48 2.9 5.7 100.0Total 839 51.3 100.0Missing 99 13 .8System 783 47.9Total 796 48.7Total 1635 100.0表1最终表：婚姻非常可靠Frequency Percent ValidPercet Cumulative Percent Valid 很符合178 10.9 21.2 21.2比较符合454 27.8 54.1 75.3较不符合159 9.7 19 94.3很不符合48 2.9 5.7 100Total 839 51.3 100Missing 99 13 0.8System 783 47.9Total 796 48.7Total 1635 100表2结论表：婚姻非常可靠Frequency Valid Percent Cumulative Percent Valid 很符合178 21.2 21.2比较符合454 54.1 75.3较不符合159 19 94.3很不符合48 5.7 100Total 839 100Missing 99 13Total 852表32.不同性别的差异表5展示了不同性别的大学生对婚姻可靠性认识的差别。
SPSS基本操作、信度分析
02 信度分析
信度分析的基本概念
信度分析
01
信度分析是用于评估测量工具的一致性或可靠性的统计方法。
信度系数
02
信度系数是衡量测量工具一致性的指标，通lpha系数或重测信度法等。
影响因素
03
影响信度的因素包括测量工具的长度、项目的同质性、样本大
运行分析
点击“确定”按钮，SPSS将自动 进行信度分析并输出结果。
信度分析的常用指标
Cronbach's Alpha系数
01
是最常用的信度分析指标，用于评估量表的一致性程
度。
重测信度法
02 通过在不同时间对同一组受试者进行测量，评估量表
的稳定性。
分半信度法
03
将量表分成两部分，评估两部分之间的相关性，以检
图表制作
总结词
SPSS提供了多种图表制作功能，包括柱状 图、折线图、饼图等，可以直观地展示数据 和结果。
详细描述
在SPSS中，可以方便地制作各种图表来直 观地展示数据和结果。常见的图表类型包括 柱状图、折线图、饼图等。通过选择适当的 图表类型和设置图表参数，可以更好地展示 数据的分布特征和变化趋势。此外，还可以 对图表进行自定义设置，如添加图例、调整
量操作功能实现。
统计分析操作
总结词
SPSS提供了丰富的统计分析功能，包括描述性统计、 推论性统计、回归分析、方差分析等。
详细描述
SPSS是一款功能强大的统计分析软件，可以完成各种 统计分析任务。常见的统计分析操作包括描述性统计、 推论性统计、回归分析、方差分析等。描述性统计用于 对数据进行描述和概括，如求平均数、标准差等；推论 性统计用于根据样本数据推断总体特征，如求置信区间 、假设检验等；回归分析用于研究自变量和因变量之间 的关系；方差分析用于比较不同组数据的差异。这些操 作都可以通过SPSS的统计分析功能实现。
利用SPSS软件分析调查问卷的可靠性教学文稿
利用S P S S软件分析调查问卷的可靠性们在做调查问卷时，最看重的是调查问卷的科学性和有效性，如果一个问卷设计出来无法有效地考察问卷中所涉及的各个因素，那么我们为调查问卷所作的抽样、调查、分析、结论等一系列的工作也就白做了。
那么，我们如何来检验设计好的调查问卷是否有效呢？信度分析是评价调查问卷是否具有稳定性和可靠性的有效的分析方法。
二、信度分析的提出及分析方法信度，又叫可靠性，是指问卷的可信程度。
它主要表现检验结果的一贯性、一致性、再现性和稳定性。
一个好的测量工具，对同一事物反复多次测量，其结果应该始终保持不变才可信[1]。
例如，我们用一把尺子测量一张桌子的高度，今天测量得高度与明天测量的高度不同，那么我们就会对这把尺子产生怀疑。
因此，一张设计合理的调查问卷应该具有它的可靠性和稳定性。
调查问卷的评价体系是以量表形式来体现的，编制的合理性决定着评价结果的可用性和可信性。
问卷的信度分析包括内在信度分析和外在信度分析。
内在信度重在考察一组评价项目是否测量同一个概念，这些项目之间是否具有较高的内在一致性。
一致性程度越高，评价项目就越有意义，其评价结果的可信度就越强。
外在信度是指在不同时间对同批被调查者实施重复调查时，评价结果是否具有一致性。
如果两次评价结果相关性较强，说明项目的概念和内容是清晰的，因而评价的结果是可信的。
信度分析的方法有多种，有Alpha信度和分半信度等，都是通过不同的方法来计算信度系数，再对信度系数进行分析[2]。
目前最常用的是Alpha信度系数法，一般情况下我们主要考虑量表的内在信度——项目之间是否具有较高的内在一致性。
通常认为，信度系数应该在0～1之间，如果量表的信度系数在0.9以上，表示量表的信度很好；如果量表的信度系数在0.8～0.9之间，表示量表的信度可以接受；如果量表的信度系数在0.7～0.8之间，表示量表有些项目需要修订；如果量表的信度系数在 0.7以下，表示量表有些项目需要抛弃。
利用SPSS软件分析调查问卷的可靠性
们在做调查问卷时，最看重的是调查问卷的科学性和有效性，如果一个问卷设计出来无法有效地考察问卷中所涉及的各个因素，那么我们为调查问卷所作的抽样、调查、分析、结论等一系列的工作也就白做了。
那么，我们如何来检验设计好的调查问卷是否有效呢？信度分析是评价调查问卷是否具有稳定性和可靠性的有效的分析方法。
二、信度分析的提出及分析方法信度，又叫可靠性，是指问卷的可信程度。
它主要表现检验结果的一贯性、一致性、再现性和稳定性。
一个好的测量工具，对同一事物反复多次测量，其结果应该始终保持不变才可信[1]。
例如，我们用一把尺子测量一张桌子的高度，今天测量得高度与明天测量的高度不同，那么我们就会对这把尺子产生怀疑。
因此，一张设计合理的调查问卷应该具有它的可靠性和稳定性。
调查问卷的评价体系是以量表形式来体现的，编制的合理性决定着评价结果的可用性和可信性。
问卷的信度分析包括内在信度分析和外在信度分析。
内在信度重在考察一组评价项目是否测量同一个概念，这些项目之间是否具有较高的内在一致性。
一致性程度越高，评价项目就越有意义，其评价结果的可信度就越强。
外在信度是指在不同时间对同批被调查者实施重复调查时，评价结果是否具有一致性。
如果两次评价结果相关性较强，说明项目的概念和内容是清晰的，因而评价的结果是可信的。
信度分析的方法有多种，有Alpha 信度和分半信度等，都是通过不同的方法来计算信度系数，再对信度系数进行分析[2]。
目前最常用的是Alpha信度系数法，一般情况下我们主要考虑量表的内在信度——项目之间是否具有较高的内在一致性。
通常认为，信度系数应该在0～1之间，如果量表的信度系数在0.9以上，表示量表的信度很好；如果量表的信度系数在0.8～0.9之间，表示量表的信度可以接受；如果量表的信度系数在0.7～0.8之间，表示量表有些项目需要修订；如果量表的信度系数在0.7以下，表示量表有些项目需要抛弃。
我们可以通过目前比较流行的SPSS软件对调查问卷进行信度分析，这样我们就可以判断一个调查问卷是否具有稳定性和可靠性。
spss数据分析具体操作步骤要点
大家现在都要写论文的数据分析了……很多同学都一点不会……所以把我知道的跟大家分享一下……下面以PASW18.0为例，也就是SPSS18.0…………什么？不是18.0，好吧……差不多的，凑合着看吧……要不去装个……= =……下面图片看不清的请右键查看图片……首先，要把问卷中的答案都输进SPSS中，强烈建议直接在SPSS中输入，不要在EXCEL 中输入，再导入SPSS，这样可能会出问题……在输数据之前先要到变量视图中定义变量……如下图所有类型都是数值，宽度默认，小数点看个人喜好，标签自定，其他默认……除了值……讲讲值的设定……点一下有三点的蓝色小框框……会跳出一个对话框，如果你的变量是性别，学历，那么就如下图如果是五点维度的量表，那么就是记住，每一题都是一个变量，可以取名Q1，Q2……设定好所有问卷上有的变量之后，就可以到数据视图中输入数据啦……如下图都输完后……还有要做的就是计算你的每个维度的平均得分……如果你的问卷Q1-Q8是一个维度，那么就把Q1-Q8的得分加起来除以题目数8……那么得到的维度1分数会显示在数据视图中的最后……具体操作如下……转换——计算变量点确定，就会在数据视图的最后一列出现计算后的变量……如果你的满意度有3个维度，那么就要计算3个维度，外加满意度这个总维度，满意度=3个维度的平均分=满意度量表的所有题目的平均分…………把你所有的维度变量都计算好之后就可以分析数据啦……1.描述性统计将你要统计的变量都放到变量栏中，直接点确定……如果你要统计男女的人数比例，各个学历或者各个年级的比例，就要用描述统计中的频率……如果要统计男女中的年级分布，比如大一男的有几个，大二女的有几个，就用交叉表……不细说了……地球人都懂的…………2.差异性分析差异性分析主要做的就是人口学变量的差异影响，男女是否有差异，年级是否有差异，不做的就跳过……对于性别来说，差异分析采用独立样本T检验，也可以采用单因素ANOVA分析，下面以T 检验为例……将性别放进下面的分组变量中，接着定义组……按确定看Sig（双侧）得分，小于0.05就表明有显著差异，上图可见男女在组织承诺上是有显著差异的，在变革型领导行为的认同上没有显著差异……而对于学历，年级，年龄，工作年限等因素，我们可以采用单因素ANOVA分析，如下……按确定……由上图可知，在KY工作年限不同，在感情承诺、规范承诺、机会承诺上都有显著差异……显著性小于0.05……如果做出来没有差异，可以在下图中选择两两比较……选中LSD（最小显著方差法）……继续……确定……就会出来多重比较的图……再找有没上标为小星星的……有就可以说明二者有差异，没就没办法了……你改数据吧……= =……上图说明1年和3年、5年的在感情承诺上有明显差异……我去……4年的怎么没差异……= =0……别的也就这么做……不重复说了……3.相关分析相关分析主要就是分析你两个大变量中各个维度是否存在相关性和两大变量是否存在相关性……下例为两大变量的相关分析……分析——相关——双变量确定后……可见变革型领导行为和组织承诺在0.01水平上显著相关……上标两颗星……相关性比较好……其他维度也是一样的做法…………4.回归分析相关分析只能说明二者的相关性，并不能表明是否是由于A的变化引起B的变化，要想证明因果关系就要用回归分析……在做回归之前，首先要做一下自变量之间的相关性，如果相关系数超过0.75就不能做回归……会有比较大的偏差……这里不说了，不会的看3.相关分析回归如下如果你想用ABC变量预测D，就把D放因变量中，ABC放自变量中，方法选择进入……直接确定，如下图上图的结果表明德行垂范和愿景激励被踢出回归方程，因为Sig大于0.05……所以只有个性化关怀和领导魅力可以显著预测组织承诺……5.问卷信度和效度信度=分析——度量——可靠性分析把你同一份量表的题目全部放进去，比如变革型领导量表有26题……直接确定……结果表明Cronbach's值为0.939，量表信度很好……超过0.7才行效度分析一般采用结构效度分析，就是因子分析……分析——降维——因子分析把你同一量表的题目都放进去……点描述……选KMO***…………再点旋转，选择最大方差法……其他都默认，最后确定……0.839大于0.5，表示可以进行因子分析……累积解释变异66.974%，比较好可见上图1-8是一个维度，9-14是一个，15-20是一个，21-26是一个……表中同一行不能出现2个大于0.5的值……如果出现，你要么就把该题目踢出问卷，要么就把该题目的答案改得和同一维度中其他题目答案相近……比如A维度的答案是4,4,4,5,4, 1，你想把第6题也分到A中，就把第6题的答案1改成4…………多改几份差距大的问卷，再试试因子分析，看看值的变化就可以知道改的效果怎么样，不好就不要改……好啦……就讲到这里……应该都会了吧……其实最重要的还是数据的造假……不造假真是做不出的……其实也不是我们想造假……只能说被试者的随便填写造成了我们数据分析的极大困难……老师应该也知道的……= =……大家就这样改着吧……我也不是专业的，以上分析只作参考，答辩不过别找我……= =0……。
SPSS婚姻可靠性信念的性别差异分析1
对婚姻可靠性信念的性别差异分析首先要提出分析的问题，以及主要概念的界定和操作化方法说明。
数据分析：1.总体的状况（单变量频数统计）2．分性别的统计（交叉表）3．分年级交叉表、分是否恋爱与否交叉表（通过拆分文件后座交叉表）结论大学生阶段对婚姻的认识是形成婚姻观的重要环节。
当今社会由于婚姻的自主性选择日益增强，社会变动非常迅速，婚姻解题的现象日益增多，这一方面增加了人们的选择自由，但同时也给人们造成认识和情感上的困惑。
当代大学生在对婚姻恋爱现象的观察了解中，也会形成对于婚姻忠诚、。
等方面的看法。
尤其是随着婚姻问题的增加，对大学生的婚恋信念造成了极大的影响。
本研究（报告、论文、分析）专门探讨当今大学生对婚姻信念的性别差异。
具体说，分析不同性别的大学生对婚姻是否可靠的认识是否有差别，恋爱生活和年级差异是否会影响对婚姻可靠性的认识。
为了测量大学生对婚姻可靠性的认识，问卷中设计了这样一个问题：“您是否赞同‘婚姻非常可靠’这样的说法”，给出了“很符合”、“比较符合”、“较不符合”、“很不符合”四个答案选项进行四分测量；恋爱状态使用了“您目前的恋爱状况是：1.正在恋爱 2..没有恋爱”两分测量。
数据分析如下：1.总体状况下表是样本大学生认为婚姻可靠的频数分布。
从表3中可以看出，对婚姻可靠性持肯定意见的占样本的75.3%。
持否定意见的占24.7%。
换言之，约占1/4的大学生不太相信婚姻是可靠的。
对婚姻可靠性认同很高的约占1/5，持激烈否定意见的占5%左右。
初始表：婚姻非常可靠Frequency Percent Valid Percent Cumulative Percent Valid 很符合178 10.9 21.2 21.2比较符合454 27.8 54.1 75.3较不符合159 9.7 19.0 94.3很不符合48 2.9 5.7 100.0Total 839 51.3 100.0Missing 99 13 .8System 783 47.9Total 796 48.7表1 最终表： 表2 结论表：Frequency Valid Percent Cumulative Percent Valid很符合 178 21.2 21.2 比较符合 454 54.1 75.3 较不符合 159 19 94.3 很不符合 48 5.7 100Total 839 100Missing 9913 Total852表32. 不同性别的差异表5展示了不同性别的大学生对婚姻可靠性认识的差别。
信度分析spss例析
信度分析信度分析又称可靠性分析，是检验测量工具的可靠性和稳定性的主要方法；信度问题要回答的问题是：用这个测量工具在同一条件下对同一人进行测试，每次测试的结果是否相同的问题。
在社会科学中如果使用的测量工具无论对谁施测，也无论使用什么形式，只要产生相似的结果，那么可以认为此测量工具是可信的。
信度问题其实测的是一致性的问题，所谓信度是衡量没有误差的程度。
一致性分为内部一致性和外部一致性。
效度问题要回答的是：此测量工能够测量我想要测得的东西吗？不能混淆信度与效度。
信度的测量1．克伦巴赫α系数。
测度内部一致性的一个指标；及测量表内的所有项目测量的都是同一样东西吗？α与皮尔逊r 系数都是一样的范围在0—1 之间，如果为负值则表明表中某些项目的内容是其他一些项目的反面；α越接近于1，则量表中项目的内部一致性越是高。
α 的计算式非常简单，根据量表中的项目数K 和各项之间的相关系数r 计算而来1(1)krk rα=+-当量表中项目K 增加时，α值也会增大；同时，项目之间的相关系数r 较高时，α也会比较大。
这里的r 是指各项与其他各项之和计算相关系数的平均值。
2、重测信度法这一方法是用同样的问卷对同一组被调查者间隔一定时间重复施测，计算两次施测结果的相关系数。
显然，重测信度属于稳定系数。
重测信度法特别适用于事实式问卷，如性别、出生年月等在两次施测中不应有任何差异，大多数被调查者的兴趣、爱好、习惯等在短时间内也不会有十分明显的变化。
如果没有突发事件导致被调查者的态度、意见突变，这种方法也适用于态度、意见式问卷。
由于重测信度法需要对同一样本试测两次，被调查者容易受到各种事件、活动和他人的影响，而且间隔时间长短也有一定限制，因此在实施中有一定困难。
3、复本信度法复本信度法是让同一组被调查者一次填答两份问卷复本，计算两个复本的相关系数。
复本信度属于等值系数。
复本信度法要求两个复本除表述方式不同外，在内容、格式、难度和对应题项的提问方向等方面要完全一致，而在实际调查中，很难使调查问卷达到这种要求，因此采用这种方法者较少。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
SPSS教程：可靠性分析
2.1主要功能
在精神卫生与社会医学研究中，经常需要借助量表来了解对象的某一特性。
如常用的症状自评量表（SCL-90）即用于评定对象精神病症状的表现形式与强度；又如生活事件量表（LES）即用于对精神刺激进行定性和定量分析。
在完成一份量表的编制工作后，或在准备将一份已有的量表作实际应用前，需要对量表的信度进行考核。
量表的使用是为了了解被测对象的某一特征，因而在编制一份量表时，所设立的一系列项目是为了体现量表需要测定的这一特征。
如果所设立的测定项目无法获得这一特征，则表示该量表可靠性差，即信度低。
所以，研究者有时需要了解量表中各测定项目之间的一致性（同质信度考核），有时需要将量表的测定项目按原编号的奇、偶数分半后，对各自的测定结果进行相关性检验（分半信度考核），等等，这就是量表的可靠性分析，亦即信度研究。
量表的可靠性分析可通过调用Reliability过程完成。
12.2实例操作
［例12.1］采用家庭环境量表（FES）研究30名女医师的家庭特征，测定结果按10个分量表的实际得分整理如下。
请以此资料对FES的信度作评价。
12.2.1数据准备
激活数据管理窗口，定义变量名：亲密度、情感表达、矛盾性、独立性、成功性、知识性、娱乐性、道德宗教观、组织性、控制性等十个分量表的变量名依次是FES1、FES2、FES3、FES4、FES5、FES6、FES7、FES8、FES9、FES10，输入原始数据。
12.2.2统计分析
激活Statistics菜单选Scale中的Reliability Analysis...项，弹出Reliability
Analysis对话框（如图12.1示）。
从对话框左侧的变量列表中选fes1~fes10共十个变量，点击➢钮使之进入Items框。
点击Model处的下拉菜单，系统提供5种分析模型：
Alpha：计算信度系数Cronbach α值；
Split half：分半信度的分析；
Guttman：真实可靠性的Guttman低界；
Parallel：并行模型假定下的极大似然可靠性估计；
Strict parallel：严格并行模型假定下的极大似然可靠性估计。
本例选用Alpha模型。
点击Statistics...钮，弹出Reliability Analysis: Statistics对话框（图12.2），该对话框内含如下选项：
在Descriptives for栏中选Item、Scale、Scale if item deleted项，以指定对各项目、测定得分情况和项目与量表总体特征关系进行描述性统计；
在Summaries处有四个选项：Means、Variances、Covariances和Correlations，可分别要求系统计算在Descriptives for栏中指定对象的平均数、方差、协方差和相关系数，本例选Means、Variances和Correlations三项；
在Inter-Item处有Correlations和Covariances两项，前者可计算项目间的两两相关系数，后者可计算项目间的两两协方差值，本例选Correlations项；
在ANOV A Table处有None、F test、Friedman chi-square、Cochran chi-square 四个选项，其意义分别是：不作方差分析、作重复度量的方差分析、计算Friedman 和Kendall谐和系数（适用于等级资料）、计算Cohran Q值（适用于所有项目均为二分变量），本例选F test项；
此外，还有Hotelling’s T-square选项，可要求作项目间平均得分的相等性检验；Tukey’s test of additivity选项，可要求作可加性的Tukey检验，本例仅选前一项。
在完成各选项的选择之后，点击Continue钮返回Reliability Analysis对话框，再点击OK钮即完成分析。
12.2.3结果解释
在结果输出窗口中将看到如下统计数据：
首先计算各项目在30名被试中测定结果的均数与标准差。
然后输出项目间的两两相关系数矩阵，从中可见，第三项目（矛盾性）与第十项目（控制性）的相关程度最密切（r = 0.5038）。
接着显示对整个量表的统计分析结果。
该量表的平均得分为39.8000，标准差为4.8309；平均每个项目的得分为3.9800，极差为2.5333；各项目的方差平均为1.4634；项目间的相关系数范围为-0.2741—0.5038。
之后考查项目与量表得分的关系，方式是：若将某一项目从量表中剔除，则量表的平均得分（Scale Mean if Item Deleted）、方差（Scale Variance if Item Deleted）、每个项目得分与剩余各项目得分间的相关系数（Corrected Item-Total Correlation）、以该项目为自变量所有其他项目为应变量建立回归方程的R2值（Squared Multiple Correlation）以及Cronbach α值（Alpha if Item Deleted）会是多少。
如本例在每个项目得分与剩余各项目得分间的相关系数中，第十项目（控制性）最大，为0.5009，表明该项目与其他各项目关系最密切。
又如R2值，第十项目（控制性）最大，为0.7345，表明其含义有73.45%可被其他项目解释掉，而第八项目（道德宗教观）最小，为0.1556，表明其含义仅有15.56%可被其他项目解释掉。
经Hotelling T2检验可知，该量表的项目间平均得分的相等性好，即项目具有内在的相关性；在量表的信度检验中，Cronbach α= 0.4144，标准化Cronbach α= 0.4161。
Cronbach α系数的意义是：个体在这一量表的测定得分与如果询问所有可能项目的测定得分的相关系数的平方，即这一量表能获得真分数的能力。
本例为0.4144，意味着对于家庭情况，FES量表尚有58.56%的内容未曾涉及，故信度不高。