利用SPSS进行量表分析
利用SPSS对五点式量表进行差异性分析
利用SPSS寸五点式量表进行差异性分析（两个变项）I 7II10712 11II20 12U$21心-㈢|列创丄理uHXII1C P1212创112选择检定变量III20 12U21一站弹性卓戏型融辑性(2)■予詹龊通裡昙葩害芷仏>歳計夕前轡祈=凰山注朋理直H1 TI国旦ailnl 嘲—丄\^a * _#•； 4 爭｛ 3駆 TTH'Hg附 212】 LJI3^?2J5JiiJf..... ............................................................................................................................................. .............丄[KtjOTff 帧说C审越4 空？ 0 寻・』3I3 T 「如亍1*5计_ is 二3 >■也沖盘問0殆11・1■赛丹tel ;*:云1 r ■畫评H彌i 存兰工・馆■-::』-fl ］创P) JJ 各日旦虹居和出 MCE*!址"粘團旦_| _|韵劃的田工几讪普幅「:J 盟阳4曲杞武止为搏r ■:極中h •亍FA *兄州科n 卫= :TF=3I T I甲切5 咀各才、：惶拦曲-.独立样本T 检定JJ-』,X —Z 了比较平均数法!* ：i上粘團目I • I | 口和亘3直| □工IZ岳宙||2J 」亘工站応的I邪44冲c曜」0寻・$上駆TTMiB■3ii4 al s a!6 117 319 *20 122117 I.列1/■ >12___ 她竝回LOJ-‘为分组变数114-12021135HXIPI :110B1U]]4nlH曲皿心砧畀個m川*.•r▲**■JF--F«*■■*.22JI1]I I 7 /4 3^1J ：l A—/LJ 2选择公私立学校辱米用T检疋j只能考验两个变项c 也|I ；7 REEAT71 :料U 和；l£A,C ■-J T V Z J 阳：右咽吃L F i".吧 廂F 黑 吊叶冋口刖EI0BJ 削翌IT Q 比ml 他連|丄！*1 + 1十1-丨||判切切 *T*rF=jnXjtfWMfl .Ji. it-町L'.：T . 虫细ir岸”習・J ^'SI3 T *BM结果与解释1. Levene 检定用于考验两组变异数是否同质，F=、P=＞,未达显著差异，故两 组变异数可视为相等,因此须看「假设变异数相等」这一列；否则即须看「不 假设变异数相等」这一列。
利用SPSS进行量表分析
第五节利用SPSS进行量表分析在第五章调查研究中，我们介绍了量表的类型、编制的步骤及其应用，在本节将介绍利用SPSS 软件对量表进行处理分析。
在获取原始数据后，我们利用SPSS对量表可以作出三种分析，即项目分析、因素分析和信度分析。
项目分析，目的是找出未达显著水准的题项并把它删除。
它是通过将获得的原始数据求出量表中题项的临界比率值——CR值来作出判断。
通常，量表的制作是要经过专家的设计与审查，因此，题项一般均具有鉴别度，能够鉴别不同受试者的反应程度。
故往往在量表处理中可以省去这一步。
因素分析，目的是在多变量系统中，把多个很难解释，而彼此有关的变量，转化成少数有概念化意义而彼此独立性大的因素，从而分析多个因素的关系。
在具体应用时，大多数采用“主成份因素分析”法，它是因素分析中最常使用的方法。
信度分析，目的是对量表的可靠性与有效性进行检验。
如果一个量表的信度愈高，代表量表愈稳定。
也就表示受试者在不同时间测量得分的一致性，因而又称“稳定系数”。
根据不同专家的观点，量表的信度系数如果在以上，表示量表的信度甚佳。
但是对于可接受的最小信度系数值是多少，许多专家的看法也不一致，有些专家定为以上，也有的专家定位以上。
通常认为，如果研究者编制的量表的信度过低，如在以下，应以重新编制较为适宜。
在本节中，主要介绍利用SPSS软件对量表进行因素分析。
一、因素分析基本原理因素分析是通过求出量表的“结构效度”来对量表中因素关系作出判断。
在多变量关系中，变量间线性组合对表现或解释每个层面变异数非常有用，主成份分析主要目的即在此。
变量的第一个线性组合可以解释最大的变异量，排除前述层次，第二个线性组合可以解释次大的变异量，最后一个成份所能解释总变异量的部份会较少。
主成份数据分析中，以较少成份解释原始变量变异量较大部份。
成份变异量通常用“特征值”v1.0 可编辑可修改表示，有时也称“特性本质”或“潜在本质”。
因素分析是一种潜在结构分析法，其模式理论中，假定每个指针（外在变量或称题项）均由两部分所构成，一为“共同因素”、一为“唯一因素”。
5级量表数据分析
5级量表数据分析以李克特五点量表为例介绍使用SPSS分析问卷数据的流程。
问卷数据收集完成后，首先要剔除无效问卷，保证数据的准确性。
分析步骤如下：01丨录入问题及数据打开SPSS软件，在变量视图界面内输入问题及设置值，一般设置值为1非常不同意，2不同意，3不一定，4同意，5非常同意。
同理输完一篇问卷即可。
02丨描述性分析描述性分析主要是对被调查者的基本信息进行描述，如性别、学历、年龄、工作年限、居住地等等，这类问题一般放置在一份问卷的开头（也有放置在结尾，个人设计问卷时比较喜欢放置于开头）。
描述性分析主要对问卷的均值、标准差进行分析，均值相同时，比较标准差，标准差越小，表示越稳定。
1、点击分析-----描述统计----描述----选择变量----点击选项----选择你需要描述的项（平均值、方差…..）。
2、分析----描述统计----频率---选择项，则可以得出频率频数。
最后将自己需要的数据进行汇总了列成表格或图表（饼图/柱形图等）的表示，图表的项有频数、频率、均值、标准值等，并辅以文字说明，使结果一目了然。
（注：以下图表及数据仅作为案例解释说明，数据不具有准确性和真实性）03丨信度分析信度分析主要是通过SPSS分析验证设计的问卷是否可靠，问卷题目之间是否具有良好的相关性进行分析，被调查者的答案是否存在矛盾，是否可靠等等。
问卷分析的步骤如下：点击分析----标度----可靠性分析-----选择项----确定结果分析：一般来说，问卷是否可靠主要看Alpha（a系数），a<0.7则表示设计的问卷信度不可靠，0.7<a<0.8则说明问卷具有一定的可靠性，0.8<a<0.9则说明问卷信度很好。
上面的项数则是选择分析的问卷题目的数目。
在进行进一步介绍时先谈一下问卷设计的内容。
实证分析的论文中比较简单的模型大概可能是:研究对象的影响因素（自变量）会影响研究对象的效果（因变量），A H B ; 即论文假设H为自变量A 对因变量B会产生一定的影响。
毕业论文SPSS效度分析怎么做？案例解析详解
效度分析1、作用效度分析通常是指问卷量表的有效性和正确性，即分析问卷题目的设计是否合理。
问卷的效度分析是基于主成分因子分析实现的，通过比较题项的因子载荷系数是否在同一主成分表现最优而实现。
2、输入输出描述输入：至少两项或以上的定量变量或有序的定类变量，一般要求数据为量表量数据。
输出：设计的问卷题目是否合理有效。
3、案例示例案例：测量收集到的现有的一个由 13 个量表题客户满意度量表，测量其题目设计是否合理4、案例数据5、案例操作Step1：新建项目；Step2：上传数据；Step3：选择对应数据打开后进行预览，确认无误后点击开始分析；Step4：选择【效度分析】；Step5：查看对应的数据数据格式，【效度分析】要求输入数据为放入 [定量] 或有序的 [定类] 自变量 X （变量数≥2）；Step6: 修改因子维度数量；Step7：点击【开始分析】，完成全部操作。
6、输出结果分析输出结果 1： KMO 检验和 Bartlett 的检验注：***、**、*分别代表 1%、5%、10%的显著性水平图表说明：上表展示了 KMO 检验和 Bartlett 球形检验的结果，用来分析是否可以进行因子分析。
结果分析：结果显示，KMO 的值为 0.911，模型适合做因子分析，同时，Bartlett 球形检验的结果显示，显著性 P 值为 0.000**，水平上呈现显著性，拒绝原假设，各变量间具有相关性，因子分析有效。
输出结果 2：解释总方差图表说明：上表为方差解释表格主要是看因子对于变量解释的贡献率（可以理解为究竟需要多少因子才能把变量表达为 100%），一般认为因子对于变量解释的贡献率在取到变量解释的特征根低于 1 时对应的主成分个数，要表达到 80%以上才可以，否则就要调整因子数据，而但也具体情况具体分析。
➢一般情况下，方差解释率越高，说明该主成分越重要，权重占比也应该越高;➢权重计算：方差解释率/累积方差解释率。
利用SPSS对五点式量表进行差异性分析
v1.0可编辑可修改利用SPSS寸五点式量表进行差异性分析（两个变项）町* E 粧山』'L 峠：氐間护P) JJ 各日g.tL 居和出：'田口 TM 習第」•：」雋即I 删程式 1:U 1 鯉 biK+4J5r.*'^> »| 中卑擞世0ftl *沾-岷疋址事玛JU *116 317 *11 «19 ui24曲:g渤3laR 丁任疋山1J 12 i 51flsnxaj戍为搏*:極生0.J id 4巧、J■1 J •1 414 2 2o ] 】L 21d护陨评件(2)■1& 55(3色2?2J 4 $ J IO 1 5 L 1d» »■1 325 $ 22\ x:3iJ2 2S J J4 njt ] II 1 11 ■ 2121L*>XA qd 4』 g22*5 如 J 11 1r 1Brtfipt 列 G» 44 4斗<it \、： aA 4 d i d 36 do & ] 山 1 j 2t443 221 5%ua444 4 2i10? 1144<.1Ad71 2 51齿咽址廿034 4 4- 415 i £ ]L« ] 11] 2 JI 23233543 5 i 5i 卜卜检苹+ 勺魏沖45» 曲 1 1.2 :J2 53 J343 & 5&1 i4&110jL 2£5 5土i J£11(* 1 11 175力中\/化匕/k 临缶 11 111 1 11 1 rJ j13 22 3i J< JJ J%-j4i11 L ：] 11 . i1 1 32 5444J2 1 L：厂a茁J44B iu ] 1 1 j 1 11 35LL 4扌4 4ii Q 4a aAJ 4 4 4<14 叮& ] B 1i 11L 2242443334 扌44d4 』 i 151151 1J232 112 342 43& i ii 圍 43J 4 <百4 41611*1 |l)13： 912 74 j 443 41i片44a4444 4i171171 112 j2j 132 ■1 4 4 4； 32 2 t !4打 3 nJ4 百 4 百 5~~1? l]t ] II41 J424 3 J # 4224 14 3 黄4 4 4 4 4卡1» 1191 11 1 1 1 1 L2 j2 54 i S&4£ S4r■1 ■1iS 4J201 9 a J斗 1JJ iJ 2 4 3J 、JJ J 讥4 4贯2 JJ3 :-*21 血 2 & iLa J2 L2二4 J1 12I Q :电 J i2125 4 i22 w? 27 1J 11. 13 3L1 4 55 3 2 ii35 j 1 ■1 4 3 5 522 12L12 1333 2 J53 14J5 5©4J.145J4 ■A丄.| 菊逗册晦.-£离 ww SEPUMimi ITffh* 11』曲M 竺；'0召・』£ 15下平网「-r Grt* 1瀰訂丁丁甘児 lg: I. Q 二 H >■ -5I «1d粘團目| • | | 口和处4 |亡|口工||\|锚划］2dnlH曲皿心砧羿個泗泌*.•F咸**■Jr--r-rf£•■*.畑1 ]»]do& jwF「]Lt320鈔琥I鼻.12如吳飙M曲邀商辽•・m\ iji20212245&71112D£_!_ J__i 1 1/选择公私立学校‘为分组变数米用T检疋只能考验两个变项2>25C3212J1213325534J5\50 可43■1 | 45---1 L J 67」亘工站応的I邪44冲0召■連上HifiCB-lll 顧二宜I・1. Levene 检定用于考验两组变异数是否同质，F= P=＞,未达显著差异，故两 组变异数可视为相等,因此须看「假设变异数相等」这一列；否则即须看「不 假设变异数相等」这一列。
利用SPSS进行量表分析
第五节利用SPSS进行量表分析在第五章调查研究中，我们介绍了量表的类型、编制的步骤及其应用，在本节将介绍利用SPSS 软件对量表进行处理分析。
在获取原始数据后，我们利用SPSS对量表可以作出三种分析，即项目分析、因素分析和信度分析。
项目分析，目的是找出未达显著水准的题项并把它删除。
它是通过将获得的原始数据求出量表中题项的临界比率值——CR值来作出判断。
通常，量表的制作是要经过专家的设计与审查，因此，题项一般均具有鉴别度，能够鉴别不同受试者的反应程度。
故往往在量表处理中可以省去这一步。
因素分析，目的是在多变量系统中，把多个很难解释，而彼此有关的变量，转化成少数有概念化意义而彼此独立性大的因素，从而分析多个因素的关系。
在具体应用时，大多数采用“主成份因素分析”法，它是因素分析中最常使用的方法。
信度分析，目的是对量表的可靠性与有效性进行检验。
如果一个量表的信度愈高，代表量表愈稳定。
也就表示受试者在不同时间测量得分的一致性，因而又称“稳定系数”。
根据不同专家的观点，量表的信度系数如果在0.9以上，表示量表的信度甚佳。
但是对于可接受的最小信度系数值是多少，许多专家的看法也不一致，有些专家定为0.8以上，也有的专家定位0.7以上。
通常认为，如果研究者编制的量表的信度过低，如在0.6以下，应以重新编制较为适宜。
在本节中，主要介绍利用SPSS软件对量表进行因素分析。
一、因素分析基本原理因素分析是通过求出量表的“结构效度”来对量表中因素关系作出判断。
在多变量关系中，变量间线性组合对表现或解释每个层面变异数非常有用，主成份分析主要目的即在此。
变量的第一个线性组合可以解释最大的变异量，排除前述层次，第二个线性组合可以解释次大的变异量，最后一个成份所能解释总变异量的部份会较少。
主成份数据分析中，以较少成份解释原始变量变异量较大部份。
成份变异量通常用“特征值”表示，有时也称“特性本质”或“潜在本质”。
因素分析是一种潜在结构分析法，其模式理论中，假定每个指针（外在变量或称题项）均由两部分所构成，一为“共同因素”、一为“唯一因素”。
spss量表分析
• 信度表示测量分数的稳定与可靠性，亦表示测 量受到测量误差的影响程度
– 测量分数的变异量，受到测量误差影响的部分，称 为测量误差变异量，开方后称为测量标准误（σe）
SEM x 1 rxx
rxx X特质的测验信度
– 测量误差被假设呈常态分配，因此测量标准误配合 常态化机率可以用来进行测量分数的区间估计
☆ 量化研究與統計分析…….
课程目标
• 了解标准化测验的基本特性 • 了解标准化测验的编制程序 • 了解信度的意义与类型 • 了解效度的意义与类型 • 了解信度与效度的关系
第第1十页五章/共测21验页发展与信效度
1/22
☆ 量化研究與統計分析…….
测验发展的基本流程
准备阶段 文献整理与资料搜集
发展测验编制计划
本量表為適用於全體國中學生，正式施測以全台灣的國 民中學為母體，正式施測將採分層隨機叢集抽樣，建立 2000 人的樣本規模
本量表除了進行內部一致性信度估計，並將進行三個月 的再測信度。效度則採效標關連效度，以受試者學期末 的學業成績為效標 本量表將建立國中學生的性別與年級百分等級常模 本量表將聘任助理 X 名，所需經費人事部分為 XXX 元，施測費用為 XXX 元，其他支出為 XXX 元 以圖表的形式來呈現
第一节
第第3十页五章/共测21验页发展与信效度
3/22
☆ 量化研究與統計分析…….
信度(reliability)
• 意义: 测量的可靠性 trustworthiness
– 一致性（consistency）─表示测验内部试题间是 否相互符合
– 稳定性（stability）─不同的测验时点下，测验 分数前后一致的程度
說明常模的建立程序與內容
spss的数据分析报告范例
spss的数据分析报告范例SPSS数据分析报告范例一、引言数据分析是现代科学研究的重要环节，在统计学中，SPSS作为一种广泛应用的数据分析软件，为研究人员提供了丰富的功能和工具。
本报告旨在使用SPSS对某项研究的数据进行分析，并整理并呈现结果，以帮助读者深入了解数据的含义，并得出有关数据的结论。
二、研究背景与目的在这一部分，我们将简要介绍研究的背景和目的。
本次研究旨在调查大学生的学习焦虑水平与其学业成绩之间的关系。
通过收集相关数据并使用SPSS进行分析，我们希望能够揭示大学生学习焦虑对学业成绩的影响程度，并为教育管理者和辅导员提供数据支持。
三、研究设计与方法在这一部分，我们将介绍研究的设计和采用的方法。
本研究采用问卷调查的形式，使用了由专家设计的学习焦虑量表和学业成绩评估表。
我们在某大学的三个院系中选取了500名大学生作为样本，并通过邮件方式发送问卷，并以匿名方式收集数据。
四、数据分析与结果本节将展示SPSS分析后的数据结果。
首先，我们将进行数据清洗和描述性统计分析。
然后，我们将使用相关性分析和回归分析来探究学习焦虑与学业成绩之间的关系。
1.数据清洗和描述性统计针对收集到的数据，我们进行了数据清洗，包括去除不完整或无效数据。
然后，我们进行了描述性统计分析，包括计算样本量、均值、标准差和分布情况。
2.相关性分析为了探究学习焦虑与学业成绩之间的关系，我们进行了相关性分析。
根据SPSS的输出结果，我们发现学习焦虑与学业成绩之间存在显著的负相关关系（r=-0.35, p<0.05），表明学习焦虑水平越高，学业成绩越低。
3.回归分析为了更深入地了解学习焦虑对学业成绩的影响程度，我们进行了回归分析。
回归分析结果显示，学习焦虑是预测学业成绩的显著因素（β=-0.25, p<0.05）。
这表明学习焦虑对学业成绩有着一定的负向影响。
五、讨论与结论根据数据分析的结果，我们得出以下结论：1.学习焦虑与学业成绩之间存在显著的负相关关系，即学习焦虑水平越高，学业成绩越低。
SPSS进行量表分析
利用SPSS进行量表分析2006-9-5 18:40:12 信息来源：生物谷SPSS教程2：利用SPSS进行量表分析生物谷网站本节将介绍利用SPSS软件对量表进行处理分析。
在获取原始数据后，我们利用SPSS对量表可以作出三种分析，即项目分析、因素分析和信度分析。
项目分析，目的是找出未达显著水准的题项并把它删除。
它是通过将获得的原始数据求出量表中题项的临界比率值——CR值来作出判断。
通常，量表的制作是要经过专家的设计与审查，因此，题项一般均具有鉴别度，能够鉴别不同受试者的反应程度。
故往往在量表处理中可以省去这一步。
因素分析，目的是在多变量系统中，把多个很难解释，而彼此有关的变量，转化成少数有概念化意义而彼此独立性大的因素，从而分析多个因素的关系。
在具体应用时，大多数采用“主成份因素分析”法，它是因素分析中最常使用的方法。
信度分析，目的是对量表的可靠性与有效性进行检验。
如果一个量表的信度愈高，代表量表愈稳定。
也就表示受试者在不同时间测量得分的一致性，因而又称“稳定系数”。
根据不同专家的观点，量表的信度系数如果在0.9以上，表示量表的信度甚佳。
但是对于可接受的最小信度系数值是多少，许多专家的看法也不一致，有些专家定为0.8以上，也有的专家定位0.7以上。
通常认为，如果研究者编制的量表的信度过低，如在0.6以下，应以重新编制较为适宜。
在本节中，主要介绍利用SPSS软件对量表进行因素分析。
一、因素分析基本原理因素分析是通过求出量表的“结构效度”来对量表中因素关系作出判断。
在多变量关系中，变量间线性组合对表现或解释每个层面变异数非常有用，主成份分析主要目的即在此。
变量的第一个线性组合可以解释最大的变异量，排除前述层次，第二个线性组合可以解释次大的变异量，最后一个成份所能解释总变异量的部份会较少。
主成份数据分析中，以较少成份解释原始变量变异量较大部份。
成份变异量通常用“特征值”表示，有时也称“特性本质”或“ 潜在本质”。
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。
用spss分析数据
结果分析：（1）KMO及Bartlett检验KMO值越大，表示变量间的共同因素越多，越适合进行因素分析。
当KMO的值小于0.5时，较不宜进行因素分析，此处的KMO 值为0.598，表示适合因素分析。
（2）共同性最右边一栏为题项的共同性。
（3）整体的解释变异数。
转轴后的特征值为3.412、1.836、1.520、1.488，解释变异量为28.433%、15.300%、12.667%、12.400%，累计的解释变异量为28.431%、43.732%、56.395%、68.799%。
（4）陡坡图从陡坡图中，可以看出，从第四个因素以后，坡线甚为平坦，因而保留4个因素较为适宜。
（5）未转轴的因素矩阵从图中可以看出，有4个因素被抽取，并且因素负荷量小于0.1的未被显示。
（6）转轴后的因素矩阵从图中可以看出A6、A1、A12、A4、A7为因素1，A5、A10为因素2，A8、A3、A2为因素3，A9、A11为因素4。
（7）因素转换矩阵结果说明：根据因素的特征值和旋转后的因素矩阵，采用了主成分分析法抽取出4个因素作为共同因素，并使用因素转轴方法中的Varimax最大变异法，转轴后去掉了因素负荷量小于0.1的系数，按照从大到小的顺序进行排列，使得变量与因素的关系豁然明了。
转轴后的特征值为 3.412、1.836、1.520、1.488，解释变异量为28.433%、15.300%、12.667%、12.400%，累计的解释变异量为28.431%、43.732%、56.395%、68.799%。
各种方式在反思学习使用的频度量表的因素分析摘要表题项解释变异量累积解释变异量抽取的因素因素1负荷量因素2负荷量因素3负荷量因素4负荷量共同性A628.433 % 28.431%0.850 0.780A1 0.848 0.786 A12 0.788 0.711 A4 0.687 0.620 A7 0.661 0.548A5 15.300% 43.732%0.768 0.726A10 0.758 0.591 A812.667 % 56.395%-0.232 0.554A3 0.857 0.807 A2 0.687 0.790A9 12.400% 68.799%0.803 0.689A11 0.752 0.653 特征值 3.412 1.836 1.520 1.488。
1.如何用spss对利克特量表进行简单分析
如何用SPSS对李克特量表进行简单分析
第一步：建立数据
1. 打开SPSS
2. 在左下角点“variable view变量视图”
3. 在左上角输入“调查问卷”——将“Type类型”调成“sting字符型”——“Decimals小数点”位数改成“0”
4. 从第二行开始依次输入“问题1，问题2，问题N”，
5. 每个问题都在“Values变量值”输入：变量值Values框中为“1”/标签Label框中“非常不同意”点“add添加”；然后依次输入2不同意3不一定4同意5非常同意
6. 以同样的方式输完所有的问题
第二步：输入数据
1. 左下角选“Data View数据视图”
2. 将每份问卷每道题的结果输入对应的框中
3. 以同样的方式将150份问卷输入
第三步：分析数据
（这里只介绍到最简单的统计量<如下>）
1．在标题栏选择“Analyze分析”——“Description statistics描述性统计”——“Frequencies 频数分析”
2．在频数分析对话框中，从左框选择要分析的问题到右框中
3．选择“Statistics统计”出现对话框
4．选择对应输出项即可：Mean平均数Std. deviation标准差variance方差range极差max 最大min最小
5．同时也可以用“charts图表”选择要输出的图形
6．点击“OK确定”即可
7．然后再Output表中读取分析结果。
如何使用SPSS进行数据统计分析
如何使用SPSS进行数据统计分析数据统计分析在各个领域中都扮演着重要的角色。
而SPSS（Statistical Package for the Social Sciences）作为一款功能强大且广为使用的数据分析软件，被广泛应用于社会科学研究、市场调研、医学研究等领域。
本文将向您介绍如何使用SPSS进行数据统计分析。
第一步：数据准备与导入首先，我们需要将待分析的数据准备好并导入到SPSS中。
SPSS支持导入多种数据格式，如Excel、CSV等。
选择"文件"->"导入数据"->"从文件"，然后选择数据文件所在的路径，点击"打开"即可将数据导入到SPSS中。
第二步：数据清理与变量设置对于初步导入的数据，我们需要进行数据清理与变量设置。
在数据清理方面，我们可以使用SPSS的数据查看器功能进行数据观察，如查看数据的完整性、数据值是否有误、缺失值等。
如果发现异常数据，可以根据具体情况进行剔除或修正。
在变量设置方面，我们可以使用SPSS的变量视图功能进行变量属性的设置。
可以为每个变量指定变量类型（如数值、字符）、变量标签（用于标识变量含义）、缺失值编码等。
第三步：描述性统计分析描述性统计分析是一种基本的数据分析方法，用于对数据进行整体的概括与描述。
SPSS提供了多种描述性统计分析的方法，如频数分析、中心趋势与离散程度分析等。
频数分析可以帮助我们了解样本中每个变量的不同取值及其频率分布情况。
在SPSS中，我们可以通过选择"分析"->"描述统计"->"频数"来进行频数分析。
在对话框中选择需要进行频数分析的变量，点击"确定"即可生成频数表。
中心趋势与离散程度分析可以帮助我们了解变量的平均水平、中位数、标准差等统计指标，从而对变量进行整体的描述。
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……。
量表题交叉分析
量表题交叉分析
spss中交叉分析主要用来检验两个变量之间是否存在关系，或者说是否独立，其零假设为两个变量之间没有关系。
在实际工作中，经常用交叉表来分析比例是否相等。
例如分析不同的性别对不同的报纸的选择有什么不同。
spss交叉表分析方法与步骤：
1、在spss中打开数据，然后依次打开：analyze–descriptive–crosstabs，打开交叉表对话框
2、将性别放到行列表，将对读物的选择变量放到列，这样就构成了一个交叉表
3、设置输出的结果，点击statistics，打开一个新的对话框
4、勾选chi-square（卡方检验），勾选phi and cramer’s V（衡量交互分析中两个变量关系强度的指标），点击continue，回到交叉表对话框
5、点击cells，设置cell中要展示的数据
6、在这里勾选observed（各单元格的观测次数），勾选row（行单元格的百分比），点击continue，回到交叉表对话框
7、点击ok按钮，输出检验结果
8、先看到的第一个表格就是交叉表，性别为行、选择的读物为列
9、卡方检验结果：主要看pearson卡方检验，sig值小于0.05，因此认为不同的性别的人对周末读物的选择有显著的差别
10、最后一个表格，输出的是phi值和V值，两个都代表两个变量之间的关系的紧密度，数值小于0.1说明关系不紧密，即性别与周末读物的选择没有明显的关系，这个结论和上面的卡方检验有出入，所以需要进一步进行两两比较。
利用SPSS进行量表分析
第五节利用SPSS进行量表分析在第五章调查研究中，我们介绍了量表的类型、编制的步骤及其应用，在本节将介绍利用SPSS软件对量表进行处理分析.在获取原始数据后，我们利用SPSS对量表可以作出三种分析，即项目分析、因素分析和信度分析。
项目分析,目的是找出未达显著水准的题项并把它删除.它是通过将获得的原始数据求出量表中题项的临界比率值—-CR值来作出判断。
通常，量表的制作是要经过专家的设计与审查，因此，题项一般均具有鉴别度，能够鉴别不同受试者的反应程度。
故往往在量表处理中可以省去这一步.因素分析，目的是在多变量系统中，把多个很难解释，而彼此有关的变量，转化成少数有概念化意义而彼此独立性大的因素，从而分析多个因素的关系。
在具体应用时，大多数采用“主成份因素分析”法，它是因素分析中最常使用的方法。
信度分析，目的是对量表的可靠性与有效性进行检验。
如果一个量表的信度愈高，代表量表愈稳定。
也就表示受试者在不同时间测量得分的一致性,因而又称“稳定系数”。
根据不同专家的观点,量表的信度系数如果在0.9以上，表示量表的信度甚佳。
但是对于可接受的最小信度系数值是多少，许多专家的看法也不一致，有些专家定为0.8以上，也有的专家定位0.7以上。
通常认为，如果研究者编制的量表的信度过低，如在0.6以下,应以重新编制较为适宜。
在本节中，主要介绍利用SPSS软件对量表进行因素分析。
一、因素分析基本原理因素分析是通过求出量表的“结构效度”来对量表中因素关系作出判断。
在多变量关系中，变量间线性组合对表现或解释每个层面变异数非常有用，主成份分析主要目的即在此。
变量的第一个线性组合可以解释最大的变异量,排除前述层次，第二个线性组合可以解释次大的变异量，最后一个成份所能解释总变异量的部份会较少。
主成份数据分析中，以较少成份解释原始变量变异量较大部份.成份变异量通常用“特征值"表示,有时也称“特性本质”或“潜在本质”。
因素分析是一种潜在结构分析法,其模式理论中,假定每个指针（外在变量或称题项)均由两部分所构成，一为“共同因素”、一为“唯一因素”。
- 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)。
第五节利用SPSS进行量表分析在第五章调查研究中，我们介绍了量表的类型、编制的步骤及其应用，在本节将介绍利用SPSS 软件对量表进行处理分析。
在获取原始数据后，我们利用SPSS对量表可以作出三种分析，即项目分析、因素分析和信度分析。
项目分析，目的是找出未达显著水准的题项并把它删除。
它是通过将获得的原始数据求出量表中题项的临界比率值——CR值来作出判断。
通常，量表的制作是要经过专家的设计与审查，因此，题项一般均具有鉴别度，能够鉴别不同受试者的反应程度。
故往往在量表处理中可以省去这一步。
因素分析，目的是在多变量系统中，把多个很难解释，而彼此有关的变量，转化成少数有概念化意义而彼此独立性大的因素，从而分析多个因素的关系。
在具体应用时，大多数采用“主成份因素分析”法，它是因素分析中最常使用的方法。
信度分析，目的是对量表的可靠性与有效性进行检验。
如果一个量表的信度愈高，代表量表愈稳定。
也就表示受试者在不同时间测量得分的一致性，因而又称“稳定系数”。
根据不同专家的观点，量表的信度系数如果在0.9以上，表示量表的信度甚佳。
但是对于可接受的最小信度系数值是多少，许多专家的看法也不一致，有些专家定为0.8以上，也有的专家定位0.7以上。
通常认为，如果研究者编制的量表的信度过低，如在0.6以下，应以重新编制较为适宜。
在本节中，主要介绍利用SPSS软件对量表进行因素分析。
一、因素分析基本原理因素分析是通过求出量表的“结构效度”来对量表中因素关系作出判断。
在多变量关系中，变量间线性组合对表现或解释每个层面变异数非常有用，主成份分析主要目的即在此。
变量的第一个线性组合可以解释最大的变异量，排除前述层次，第二个线性组合可以解释次大的变异量，最后一个成份所能解释总变异量的部份会较少。
主成份数据分析中，以较少成份解释原始变量变异量较大部份。
成份变异量通常用“特征值”表示，有时也称“特性本质”或“潜在本质”。
因素分析是一种潜在结构分析法，其模式理论中，假定每个指针（外在变量或称题项）均由两部分所构成，一为“共同因素”、一为“唯一因素”。
共同因素的数目会比指针数（原始变量数）还少，而每个指针或原始变量皆有一个唯一因素，亦即一份量表共有n个题项数，则会有n个唯一因素。
唯一因素性质有两个假定：（1）所有的唯一因素彼此间没有相关；（2）所有的唯一因素与所有的共同因素间也没有相关。
至于所有共同因素间彼此的关系，可能有相关或可能皆没有相关。
在直交转轴状态下，所有的共同因素间彼此没有相关；在斜交转轴情况下，所有的共同因素间彼此就有相关。
因素分析最常用的理论模式如下：其中（1）为第i个变量的标准化分数。
（2）Fm为共同因素。
（3）m为所有变量共同因素的数目。
（4）为变量的唯一因素（5）为因素负荷量。
因素分析的理想情况，在于个别因素负荷量不是很大就是很小，这样每个变量才能与较少的共同因素产生密切关联，如果想要以最少的共同因素数来解释变量间的关系程度，则彼此间或与共同因素间就不能有关联存在。
- 所谓的因素负荷量，是因素结构中原始变量与因素分析时抽取出共同因素的相关。
在因素分析中，有两个重要指针：一为“共同性”，二为“特征值”。
- 所谓共同性，就是每个变量在每个共同因素之负荷量的平方总和（一横列中所有因素负荷量的平方和），也就是个别变量可以被共同因素解释的变异量百分比，这个值是个别变量与共同因素间多元相关的平方。
从共同性的大小可以判断这个原始变量与共同因素间之关系程度。
而各变量的唯一因素大小就是1减掉该变量共同性的值。
（在主成份分析中，有多少个原始变量便有多少个成份，所以共同性会等于1，没有唯一因素）。
- 所谓特征值，是每个变量在某一共同因素之因素负荷量的平方总和（一直行所有因素负荷量的平方和）。
在因素分析的共同因素抽取中，特征值最大的共同因素会最先被抽取，其次是次大者，最后抽取得共同因素的特征值最小，通常会接近0（在主成份分析中，有几个题项，便有几个成份，因而特征值的总和刚好等于变量的总数）。
将每个共同因素的特征值除以总题数，为此共同因素可以解释的变异量，因素分析的目的之一，即在因素结构的简单化，希望以最少的共同因素，能对总变异量作最大的解释，因而抽取得因素愈少愈好，但抽取因素的累积解释的变异量愈大愈好。
我们通过一个例子说明如何利用SPSS软件对量表进行分析。
二、利用SPSS对量表进行因素分析【例6-9】现要对远程学习者对教育技术资源的了解和使用情况进行了解，设计一个里克特量表，如表6-27所示。
将该量表发放给20人回答，假设回收后的原始数据如表6-28所示。
操作步骤：⒈录入数据定义变量“A1”、“A2”、“A3”、“A5”、“A6”、“A7”、“A8”、“A9”、“A10”，并按照表输入数据，如图6-33所示。
⒉因素分析（1）选择“AnalyzeData ReductionFactor…”命令，弹出“Factor Analyze”对话框，将变量“A1”到“A10”选入“Variables”框中,如图6-34所示。
（2）设置描述性统计量单击图6-34对话框中的“Descriptives…”按钮，弹出“Factor Analyze:Descriptives”（因素分析：描述性统计量）对话框，如图6-35所示。
①“Statistics”（统计量）对话框A “Univariate descriptives”（单变量描述性统计量）：显示每一题项的平均数、标准差。
B “Initial solution”（未转轴之统计量）：显示因素分析未转轴前之共同性、特征值、变异数百分比及累积百分比。
②“Correlation Matric”（相关矩阵）选项框A “Coefficients”（系数）：显示题项的相关矩阵B “Significance levels”（显著水准）：求出前述相关矩阵地显著水准。
C “Determinant”（行列式）：求出前述相关矩阵地行列式值。
D “KMO and Bartlett’s test of sphericity”（KMO与Bartlett的球形检定）：显示KMO抽样适当性参数与Bartlett’s的球形检定。
E “Inverse”（倒数模式）：求出相关矩阵的反矩阵。
F “Reproduced”（重制的）：显示重制相关矩阵，上三角形矩阵代表残差值；而主对角线及下三角形代表相关系数。
G “Anti-image”（反映像）：求出反映像的共变量及相关矩阵。
在本例中，选择“Initial solution”与“KMO and Bartlett’s test of sphericity”二项，单击“Continue”按钮确定。
（3）设置对因素的抽取选项单击图6-34对话框中的“Extraction…”按钮，弹出“Factor Analyze:Extraction”（因素分析：抽取）对话框，如图6-36所示。
①“Method”（方法）选项框：下拉式选项内有其中抽取因素的方法：A “Principal components”法：主成份分析法抽取因素，此为SPSS默认方法。
B “Unweighted least squares”法：未加权最小平方法。
C “Generalized least square”法：一般化最小平方法。
D “Maximum likelihood”法：最大概似法。
E “Principal-axis factoring”法：主轴法。
F “Alpha factoring”法：α因素抽取法。
G “Image factoring”法：映像因素抽取法。
②“Analyze”（分析）选项框A “Correlation matrix”（相关矩阵）：以相关矩阵来抽取因素B “Covariance matrix”（共变异数矩阵）：以共变量矩阵来抽取因素。
③“Display”（显示）选项框A “Unrotated factor solution”（未旋转因子解）：显示未转轴时因素负荷量、特征值及共同性。
B “Scree plot”（陡坡图）：显示陡坡图。
④“Extract”（抽取）选项框A “Eigenvalues over”（特征值）：后面的空格默认为1，表示因素抽取时，只抽取特征值大于1者，使用者可随意输入0至变量总数之间的值。
B “Number of factors”（因子个数）：选取此项时，后面的空格内输入限定的因素个数。
在本例中，设置因素抽取方法为“Principal components”，选取“Correlation matrix”、“Unrotated factor solution”、“Principal components”选项，在抽取因素时限定在特征值大于1者，即SPSS的默认选项。
单击“Continue”按钮确定。
（4）设置因素转轴单击图6-34对话框中的“Rotation…”按钮，弹出“Factor Analyze:Rotation”（因素分析：旋转）对话框，如图6-37所示。
①“Method”（方法）选项方框内六种因素转轴方法：A “None”：不需要转轴B “Varimax”：最大变异法，属正交转轴法之一。
C “Quartimax”：四次方最大值法，属正交转轴法之一。
D “Equamax”：相等最大值法，属正交转轴法之一。
E “Direct Oblimin”：直接斜交转轴法，属斜交转轴法之一。
F “Promax”：Promax转轴法，属斜交转轴法之一。
②“Display”（显示）选项框：A “Rotated solution”（转轴后的解）：显示转轴后的相关信息，正交转轴显示因素组型矩阵及因素转换矩阵；斜交转轴则显示因素组型、因素结构矩阵与因素相关矩阵。
B “Loading plots”（因子负荷量）：绘出因素的散步图。
③“Maximum Iterations for Convergence”：转轴时之行的叠代最多次数，后面默认得数字为25，表示算法之行转轴时，执行步骤的次数上限。
在本例中，选择“Varimax”、“Rotated solution”二项。
研究者要选择“Rotated solution”选项，才能显示转轴后的相关信息。
单击“Continue”按钮确定。
（5）设置因素分数单击图6-34对话框中的“Scores…”按钮，弹出“Factor Analyze:Factor Scores”（因素分析：因素分数）对话框，如图6-38所示。
①“Save as variable”（因素存储变量）框勾选时可将新建立的因素分数存储至数据文件中，并产生新的变量名称（默认为fact_1、fact_2、fact_3、fact_4等）。
在“Method”框中表示计算因素分数的方法有三种：A “Regression”：使用回归法。