利用SPSS进行量表分析
spss案例分析
1、某班共有28个学生，其中女生14人，男生14人，下表为某次语文测验的成绩，请用描述统计方法分析女生成绩好，还是男生成绩好. 方法一：频率分析（1） 步骤：分析→描述统计→频率→女生成绩、男生成绩右移→统计量设置→图表（直方图）→确定 （2） 结果：统计量女生成绩男生成绩N有效 1515 缺失73 73 均值 69.9333 67.0000 中值 71.0000 72.0000 众数 76.00a48。
00a标准差 8。
91601 14.53567 方差 79.495 211。
286 全距 30。
00 46。
00 极小值 54.00 43。
00 极大值 84。
00 89。
00 和1049.001005.00a 。
存在多个众数。
显示最小值(3）分析：由统计量表中的均值、标准差及直方图可知，女生成绩比男生成绩好。
方法二:描述统计（1）步骤:分析→描述统计→描述→女生成绩、男生成绩右移→选项设置→确定（2）结果：描述统计量N 极小值极大值均值标准差方差女生成绩15 54。
00 84。
00 69.9333 8.91601 79。
495 男生成绩15 43.00 89.00 67.0000 14.53567 211.286 有效的 N （列表状态）15（3）分析：由描述统计量表中的均值、标准差、方差可知，女生成绩比男生成绩好。
2、某公司经理宣称他的雇员英语水平很高，现从雇员中随机随出11人参加考试，得分如下：80、81、72、60、78、65、56、79、77、87、76,请问该经理的宣称是否可信？（1）方法：单样本T检验H 0：u＝u,该经理的宣称可信H 1:u≠u,该经理的宣称不可信(2)步骤：①输入数据:(80，81，…76）②分析→比较均值→单样本T检验→VAR00001右移→检验值（75)→确定(3）结果：单个样本统计量N 均值标准差均值的标准误VAR00001 11 73.73 9。
551 2.880（4）分析：由单个样本检验表中数据知t＝0。
spss数据统计分析（复习）
均值：方差检验（【单样本T检验】1.从某厂第一季度生产的电子元件中抽取了部分样品测量他们的电阻（单位：欧姆），数据资料在“小测1.sav”中。
按质量规定，元件的额定电阻为0.140欧姆，假定元件的电阻服从正态分布。
判断这批产品的质量是否合格。
从上表单样本数据统计量表中可以得测试电阻值的样品有35个，均值为0.1423，标准差为0.00426，均值标准误为0.00072从单样本检验表中可以看出：t统计量的值为3.174，自由度为34,均值差值为0.00229,95%的置信区间（0.0008,0.0037），相伴概率为0.003，远小于显著性水平0.05，说明假设成立，也就是说这批产品的质量与0.140欧姆有显著性差异，说明这批产品的质量是不合格的。
【独立样本T检验】2、甲乙两台测时仪同时测量两靶间子弹飞行的时间，测量结果在“小测2.sav”中，假定两台仪器测量的结果服从正态分布，设显著性水平为0.05，问两台仪器的测量结果有无显著差异Levene检验主要用来检验原假设条件是否成立，（即：假设方差相等和方差不相等两种情况）如果SIG>0.05，证明假设成立，不能够拒绝原假设，如果SIG<0.05，证明假设不成立，拒绝原假设。
在组数据统计表中可以得到第1组有6个样本，均值为12.8883，标准差是0.72256，均值标准误为0.29498；第二组有7个样本，均值是13,标准差是0.5870均值标准误是0.22189；在独立样本检验表中可以得出F 的统计量的值为1.028，相伴概况为0,332，远大于显著性水平0.05，说明这两组数据的方差之间不存在显著差别，所以适合采用独立样本T检验。
t的统计量为-0.772，自由度为11，95%的置信区间，（01.07881,0.51834），相伴概率为0.456，远大于显著性水平0.05，假设成立，不能拒绝原假设，说明这2台仪器的测试结果没有显著性差异。
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”。
SPSS数据的整理与分析
数据的整理与分析chy一、数据收集-问卷星1、检查与剔除不合格问卷，比如答题时间太短、年龄不符合、问卷填写不完整等。
2、应答率/回收率：是指定的或者抽中的需要作答的对象中，最终完成作答的百分比。
3、合格率：合格数量/作答数量。
4、一般的，访问问卷的回收率最高，回收率一般要求在90%以上；邮寄问卷的回收率低，回收率在50%左右就可以了；发送式自填问卷的回收率一般，回收率要求在67%以上。
5、如果不高尽量不要写入，反而起反作用。
6、可以运用问卷星中的图与表描述，直观描述。
二、数据整理-Excel1、结果导出方式：文本、数字、分数，保存excel原版。
2、再另存一版你用于SPSS分析的表格。
3、注意反向计分的题目。
4、如果量表分为几个维度，可以单独列出来进行分析。
（如我发到群里的表格，可以用总分与其他条目分析，也可以用这个量表包括的几个维度分别与其他条目分析，观察其关联）。
5、如果分不清楚，可以标注一下变量的类型，如分类变量还是数据变量（如我的Excel的第二行，但是导入到SPSS中时需要删除）。
三、数据录入-SPSSSPSS中“变量视图”输入各变量如下：1、“类型”尽量都转换为“数字”；（选中右边的…）（点击“数字”即可）3、“值”的标记：（用于计数资料的标记，在结果中易于观察）点击…，分别输入对应的值和代表的标签，点击“添加”和确定即可4、“测量”分为三类：（1）标度：指计数资料，如年龄、108总分等；（2）有序：指等级资料，如年级等；（3）名义：指计数资料，如性别、性格等。
5、如何把计数资料转换为计量资料，即赋值（以“拖延总分为例”）步骤：（注意填写名称和标签，点击“变化量”） ----点击“旧值和新值”进行赋值：0-20赋值为1：--添加--20.1-40赋值为2：--添加--40.1-60赋值为3：--添加--然后“变量视图”最后一行就会出现新的变量“拖延分数三分类”，可以把“名义”改为“有序”，也可不改。
SPSS分析作业
SPSS分析作业1.研究目的第一步，通过选取A1量表中的引领潮流、追随潮流、中国制造、欧美品牌、保修条款、优惠券、昂贵商品、四处打听、便宜货、羡慕眼光等变量，即消费者的购物频度、多少和购物风格，分析出消费者可以分为几个类别和这些类别的特点，相当于市场营销市场细分的第一步：Segmentation。
好!第二步，选取人口学变量，如年龄、职业、家庭收入、个人可支配收入、文化程度等，来了解各个类别消费者的主要特征，从而通过对消费者个人特征的了解，来判断他们属于那一个类别。
好! 这个判别模型将有利于Targeting.2.模型选取在整个问卷中，没有连续型变量的存在(有两个即消费次数和餐饮次数)。
进行市场细分时，因为我事先不知道消费者可以分为几类，而我依据的变量是分类变量（消费次数、餐饮次数、追随潮流、中国制造、欧美品牌、保修条款、优惠券、昂贵商品、四处打听、便宜货、羡慕眼光），而且是对样本聚类，样本数据也比较大，因此我选取了两步骤聚类（Two-Step Cluster）的方法。
好. 不过注意两步法既可以用于分类也可以用于连续变量!在市场细分的基础上，我将消费者的分类情况作为一个新的变量TSC_7449，因为这个变量是一个三水平的分类变量，所以用了多峰逻辑回归的模型，来看人口学特征对消费者分类情况的预测准确度。
好!3.描述性分析事前，可靠度分析的结果表明，A1量表中，“产地品牌”和“投诉”两个变量会影响分析结果，删除更好，所以，只对剩下的10个变量进行分析。
好, 交待很清楚根据变量的特点，我进行了两种描述性分析：Frequency和Cross Tables。
分析的结果如下：交叉表格可以不要. 用频率分布就可以. 另外最好用一两句话总结每个表格比较好4.输出结果的说明（1）两步骤聚类：Cluster Distribution从表中可以看出，消费者可以分为三类，每一类的人数差别不是很大，但是第一类的人数最多，占到40%。
本科毕业论文中使用spss进行分析的步骤说明
首先你需要掌握两方面的知识，即数据分析和问卷设计，我们分别来说下，1数据分析想要快速入门数据分析，掌握数据分析的思维是重点中的重点。
你可以不明白方法原理、可以不清楚分析过程甚至看不懂分析结果也不要紧，只要能按照下面的步骤树立数据分析的思维意识，就可以快速入门数据分析，将学到的知识转化为能力。
第一步：数据类型的识别数据类型是一切研究的基石，也是数据研究思维的最基本且最关键的思维。
不同学科，不同课程，不同领域时，对于数据类型的定义基本一样，但称呼并不完全一样。
首先介绍下SPSSAU里面的数据类型，共两类，分别是定类和定量数据。
特征1特征2举例定类数字代表类别可以计算百分数性别、是否吸烟定量数字大小有对比意义可以计算平均值身高、体重∙定量：数字有比较意义，比如数字越大代表满意度越高，量表为典型定量数据∙定类：数字无比较意义，比如性别，1代表男，2代表女每个方法都对应着特定的数据类型，只有理解了数据类型，才能快速找到最合适的分析方法。
第二步：数据间的几类关系情况差异关系：通常是研究不同类别的差异性，提到了不同类别，那就涉及到定性数据，差异关系可以包括定性和定量数据的差异性，定性和定性数据的差异性。
自然地也就对应到几类研究方法中。
相关关系：比如越如何越如何之类的关系。
包括相关关系，还有影响关系等。
X对于Y 的影响关系情况如何等，此时影响关系又拆分出几种分析算法。
其它关系：比如数据的浓缩，聚类等在进行数据研究时，首先需要想到的是“我想做什么？“，来回就只有三种关系，那么这种关系有着明显的区分性，对应确认关系情况，加上数据类型的判断，对应就会找出合理的数据研究方法。
第三步：数据分析方法选择上面两部分分别讲述了数据类型和数据关系情况。
接着需要落地，即研究方法的使用。
第一步选对研究方法，即数据类型的识别。
第二步即结合研究目的，常见的研究目的包括：数据基本描述、影响关系研究、差异关系研究及其它关系。
下表格列出研究目的与研究方法的对应关系。
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
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。
问卷量表信效度检验的软件实现SPSSAmos
探索性因子分析
KMO 和 Bartlett 的检验
取样足够度的 Kaiser-Meyer-Olkin 度量。
.863
Bartlett 的球形度检验
近似卡方
df
5423. 460
496
Sig.
.000
➢KMO越接近1越适合做因子分析，一般要求>0.8；
➢Bartlett 的球形度检验： 卡方值=5423.460， P<0.001,各变量的独立
偏度
峰度
统计量
标准误
统计量
标准误
-. 2 0 1
.427
-. 8 3 8
.833
-. 2 8 0
.42
-. 7 2 9
.833
.093
.427
-. 6 7 4
.833
.134
.427
-. 7 6 6
.833
-. 0 1 2
.427
-. 6 4 8
.833
.041
ite m 1 ite m 3 ite m 4 ite m 2 ite m 5 ite m 3 2 ite m 3 0 ite m 3 1 ite m 2 4 ite m 2 2 ite m 2 3 ite m 6 ite m 7 ite m 8 提取方法 :主成份。 旋转法 :具有 Kaise r 标准化的正交旋转法。
-. 7 0 7
.427
.308
.833
-. 7 6 6
.427
1.144
.833
-. 8 6 2
.427
1.241
.833
-. 2 8 0
.427
-. 6 2 3
.833
2019-spss量表分析1-文档资料
– 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
Tx1.96e
X分数的95％的信心区间
第二节
第十五章 测验发展与信效度
7
☆ 量化研究與統計分析…….
信度的类型
• 再测信度（test-retest reliability）
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
第二节
第十五章 测验发展与信效度
5
☆ 量化研究與統計分析…….
古典测量理论的信度观点
• 测量分数组成
– 测量分数=真分数+测量误差 – 测验总变异量=真实分数的变异＋随机误差变异
• 信度系数
– 1-误差占测量变异百分比 – 信度系数介于0与+1之间，数值越大，信度越高
x2 T2 e2
1
十八歲以上的成人、高中階段的青少年
本 量 表 是 Likert 式 的 五 點 量 表 ， 1 表 非 常 不 同 意 ， 5 為 非常同意
本 量 表 長 度 預 估 為 20 題 ， 每 一 個 分 量 表 五 題 ， 作 答 時 間 約 為 10 分 鐘
本 量 表 預 定 以 大 台 北 地 區 的 國 中 學 生 為 預 試 母 體，將 隨 機 抽 取 兩 個 班 級 的 學 生 約 100 人 做 為 預 試 樣 本
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。
利用SPSS进行量表分析报告
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”。
- 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。