SPSS第9章 量表分析
spss第九章方差分析PPT课件
多重比较方法
LSD法：实际上就是t检验的变形，只是在变异 和自由度的计算上利用了整个样本信息，因此仍 然存在放大一类错误的问题
Scheffe法：当各水平个案数不相等，或者想进 行复杂的比较时，用此法较为稳妥。但它相对比 较保守
S-N-K法：是运用最广泛的一种两两比较方法。 它采用Student Range 分布进行所有各组均值 间的配对比较。该方法保证在H0真正成立时总 的α 水准等于实际设定值，即控制了一类错误。
2
二，分析目的
方差分析是从数据间的差异入手，分析哪些因素 是影响数据差异的众多因素中的主要因素.
例如： 影响某农作物亩产量的因素(品种、施肥量、气候
等) 影响推销某种商品的推销额(不同的推销策略、价
格、包装方式、推销人员的形象等)
3
三，涉及的概念 (1)观察因素: 观测变量 (2)影响因素：
上述统计量一般十分相近 Pillai最保守，也较稳健，常用
50
应用举例
不同类型地区的居民收入和教育差异分析 பைடு நூலகம்多元单因素方差分析 •总体有差异，单个无差异 •通过Options进行直观比较
51
52
53
54
2020/1/11
55
43
SPSS调用程序： Analyze - General Linear Model -
Univariate
44
Part Seven 3 协方差分析
(1)目的:将无法或很难控制的因素作为协 变量,在排除协变量影响的条件下更精确 地分析控制变量对观察变量的影响.
45
(2)基本思路:
Sum of Squares
df
spss分析里克特量表
第一步：建立数据1。
打开SPSS2. 在左下角点”variable view"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”，并在每个问题的“Values 变量值”在输入: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5。
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8．注：因为所要分析的比较简单,能够很直观的从结果中分析出来，所以结果分析就不多解释了PS：当然Excel也可以完成这样的分析，但SPSS软件比起Excel来要更专业些,所以用spss 做出来的结果更容易得到认可，也容易得高分,并且对于更复杂的问题Excel就显的不够用了。
量表分析及因子分析1详细版.ppt
考查项目与量表得分的关系：
若将某一项目从量表中剔除，则量表的平均得分、方差、每个项目得分与剩余各项目得分间
视
与
❖ 根据不同专家的观点，量表的信度系数如果在0.9
新 闻
以上，表示量表的信度甚佳。
学 院
❖ 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，干脆扔掉，重新编制较为适宜。
其中，rh表示两个总得分的相关系数， ru表示整个量表的内在 一致性信度系数，上式为斯皮尔曼-布朗公式。
其中，K为量表中题项的总数；σi2表示第i个题项得分的题内 方差；Σσi2为K个题项的题内方差之和；σT2表示总得（所有题 项得分之和）的方差。
.精品课件.
4
《SPSS软件应用》2007-2008学年
.046
.171
.095
.167
.282
.357
.224 .191
-.059
.334 1.000
.170
.231
站在人类立场看问题
.068
-.039
.090
.000
.167
.064
.005
.159 .101
-.019
.081
.170
1.000
.038
若台湾宣布独立，武
力收复
.177
.076
.261
-.002
.239
美对中国人权的批评
别有用心
.075
.060
.243
.117
.183
SPSS第9章 量表分析
⑤Strict Parallel除要求各项目方差只有齐次性外，还要求各项目均数相 等。
•4）Scale Label输入框，可指定刻度标签。 •5）单击图图9.1左Statistics按钮，打开对话框（图9.1右），在对话 框中可选择要输出的统计量。
• ②Inter-ltem栏，设置变量间的相关信息，下有2个选择项。 • Correlations复选项，将计算各项目间的相关系数。 • Covariances复选项，将计算各项目间的协方差。 • ③Summarizes：计算各项目指标的描述统计量（量表统计量）， 包括均值、方差、相关系数和协方差等多个选择项。
量表分析91信度分析911基本概念912尺度分析的基本过程913结果及其分析914其他个例的分析92多维尺度分析921基本原理922界面和操作步骤923度量mds案例分析924非度量mds个例分析91信度分析量表是在经验层次上对现象连续统一体进行社会研究的测量工具一般有定类定序定距和定比等四种尺度衡量测量质量是信度
• 4）平行测验的信度估计
• 信度也可定义为两平行测验上观察分数间的相关， 即用一个平行测验上某被试的观察分数，去正确推论 另一平行测验上该被试观察分数的能力，用这种能力 值的大小来定义测验的信度。平行测验信度估计的条 件是方差具有齐次性，且两平行测验的均数相等。
• 2、数据要求与假设
• 1）数据要求：用于分析的数据可以是数值型的二 分数据、定序变量和定距变量。如果是二分变量、有 序变量，且为字符型时，必须定义为数值型变量。
• 1）α信度系数
•这是目前最常用的信度系数：它表明量表中每一题得分间的一 致性。该方法适用于项目多重记分的测验数据或问卷数据，可 以用该系数测量累加李克特量表(Likert-type Scale)的信度。累加 李克特量表的数据格式见表9.1。
SPSS问卷数据分析(PPT课件)
SPSSAU 数据科学 一点就好
2
1.1数据分析通用基础统计知识
术语 P值 量表 非量表 数据类型 样本 定量数据 分类数据
相关名词 显著性、显著性差异、 0.01 水平显著、 0.05 水平显著 李克特量表，定量数据 分类数据，多选题 定量数据，分类数据 样本量，无效样本 非常不满意，比较不满意，中立，比较满意，非常满意 性别（男和女），专业（文科、理科、工科）
项删除后的克隆巴赫系数
校正的项总计相关性 内容效度 结构效度(探索性因子分析) 结构效度(验证性因子分析)
相关解释
用于测量信度水平，常见标准是高 于 0.7
删除某题项后的信度系数，常用于 预测试
题项之间的相关关系，常用于预测 试
使用文字描述量表设计的合理性
探索性因子分析结果，与专业预期 进行对比
验证性因子分析判断量表是否合理
P 值，显著性， 非标准化回归系数和标准化回 归系数
二元 Logistic 回归分析，多元无序 Logistic 回 归分析， 多元有序 Logistic 回归分析
Hosmer and Lemeshow 检验， Cox & Snell R 平方， Nagelkerke R 平方
P 值，回归系数 B 值， 对数比(Exp(B))
✓ 中介作用是指 X(自变量)对于 Y(因变量)产生影响关系时，是否会首先通过中介变量 M 的作用，然后再去影响 Y，如果存在此种关系则说明具有中介作用。
✓ 调节作用是指 X 对于 Y 的影响过程中，调节变量 Z 取值不同时， X 对于 Y 的影响程 度是否会有明显差异，如果 Z 取值不同时， X 对于 Y 的影响幅度并不一致，即说明具 有调节作用。
SPSSAU 数据科学 一点就好
spss学习第9章 ppt课件
XAF
精品资料
• 你怎么称呼老师？ • 如果老师最后没有总结一节课的重点的难点，你
是否会认为老师的教学方法需要改进？ • 你所经历的课堂，是讲座式还是讨论式？ • 教师的教鞭 • “不怕太阳晒，也不怕那风雨狂，只怕先生骂我
笨，没有学问无颜见爹娘 ……” • “太阳当空照，花儿对我笑，小鸟说早早早……”
所以不可能提取全部特征根。于是，第二列列出了按指定提取条
件（这里为特征根大于1）提取特征根时的共同度。可以看到，
所有变量的绝大部分信息（全部都大于83％）可被因子解释，这
些变量信息丢失较少。因此本次因子提取的总体效果理想。
9.1 SPSS在因子分析中的应用
食品 衣着 家庭设备用品及服务 医疗保健 交通和通信 文化娱乐服务 居住 杂项商品与服务
因子分析的基本思想是通过对变量的相关系数矩阵内部结构的分
析，从中找出少数几个能控制原始变量的随机变量 fi(i1,2, ,k)
选取公共因子的原则是使其尽可能多的包含原始变量中的信息，
建立模型
XA F ，忽略
, 以F代替X，用
它再现原始变量X的信息，达到简化变量降低维数的目的。
9.1 SPSS在因子分析中的应用
析的变量将其添加至【变量】列表框中。如果要选择参与因子
分析的样本，则需要将条件变量添加至【选择变量】框中，并
单击变量值按钮输入变量值，只有满足条件的样本数据才能进
行后续的因子分析。
Step03：选择描述性统计量
单击【描述】按钮，弹出对话框图所示。这里可以选择输
出描述性统计量及相关矩阵等内容 。
9.1 SPSS在因子分析中的应用
附加输出项。具体选项含义如下：
9.1 SPSS在因子分析中的应用
薛薇,《SPSS统计分析方法及应用》第九章 聚类分析
1、定距型变量个体间距离的计算方式
欧式距离（Euclidean distance）
2 2 2 (x y ) (73 66) (68 64) i i i 1
2、利用裁判打分数据进行聚类分析。
9.3.1 K-Means聚类分析的核心步骤
K-Means聚类也称快速聚类，仍将数据看成k维空间上的
为定义个体间的距离应先将每个样本数据看成k维空间的 一个点，通常，点与点之间的距离越小，意味着他们越
“亲密”，越有可能聚成一类，点与点之间的距离越大，
意味着他们越“疏远”，越有可能分别属于不同的类。
例：下表是同一批客户对经常光顾的五座商场在购物环境 和服务质量两方面的平均得分，现希望根据这批数据将五 座商场分类。
Agglomeration schedule表示输出聚类分析的凝聚状 态表；Proximity matrix表示输出个体间的距离矩阵；
Cluster Membership框中，None表示不输出样本所
属类，Single Solution表示指定输出当分成n类时各 样本所属类，是单一解。Range of solution表示指定 输出当分成m至n类（m小于等于n）时各样本所属 类，是多个解。
中每个个体距离以及小类内各个体间距离的平均值。 重心（Centroid clustering）距离：个体与小类的重心点的 距离。重心点通常是由小类中所有样本在各变量上的均值 所确定的点。 离差平方和法（Ward’s method）：聚类过程中使小类内离 差平方和增加最小的两小类应首先合并为一类。
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”。
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
利用SPSS分析李克特量表的数据
利用SPSS分析李克特量表的数据
求高手帮忙教我如何将李克特量表的数据录入，利用SPSS 分析？
其实这个问题，不是一个很难的问题，但却是大部分刚刚学习数据分析的人都会遇到的问题。
这个问题其实可以分三步处理：1、录入数据2、上传数据3、分析数据
一、录入数据
数据分析的第一步是要把数据录入到表格中，整理成标准格式后再导入到分析软件中进行分析。
SPSS录入的数据需为原始数据，比如有100个样本或被试，则应该有100行；1行代表1个样本或被试；1列代表1个属性；而不能是已经进行过统计的数据。
说明如下：
SPSSAU整理
二、上传数据
录入好的数据可以上传到在线版SPSS（SPSSAU）进行智能化分析。
SPSSAU系统当前支持EXCEL格式(包括xls和xlsx)和SPSS格式(SAV)数据。
需要说明的是
算法只认识数字，因此针对非数字格式数据，SPSSAU智能化处理如下：
SPSSAU官方帮助手册截图
●上图中标题1，标题2，标题4，标题6共4列全部均为数字；SPSSAU不进行任
何处理
●标题5中全部为文字，SPSSAU则自动将文字替换成数字，并对数字设置标签，A
用1表示，B用2表示，C用3表示，D用4表示，E用5表示
●标题3中部分为文字，部分为数字；则spssau会将文字处理成
NULL值，数字不
变。
三、分析数据
这个部分一两句话不好讲清楚，捡重点来说，数据分析的核心是拥有数据分析思维。
而如何培养数据分析思维，这个在之前的文章里已经说过了，就不再赘述了，有需要的小伙伴可自行学习。
利用SPSS软件对量表进行因素分析
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”。
第九章 路径分析 SPSS数据分析教学课件
Model 1
(Constant) 学 习态 度 学 习技 术 学 习环 境 心 身健 康
t 6.715 .332 .682 .277 -1.645
Sig. .000 .740 .496 .782 .102
Part .023 .047 .019 -.115
a. Dependent Variable: 自 我 怀 疑 感
a. Predic tors: (Con stant), 内 在 优 势 感 , 能 力 超 越 感 , 自 我 怀 疑 感 , 消 极 自 我 预 期 感 , 积 极 自我 预 期 感 b. Dependent Variable : 平均分
Coefficientsa Unstandardized Coefficients B Std. Error 91.799 16.720 -1.035 2.470 -5.867 2.110 -1.990 2.704 .146 2.447 6.125 2.092 Standardized Coefficients Beta -.036 -.248 -.076 .005 .219 Correlations Zero-order Partial -.102 -.283 .205 .051 .272 -.029 -.192 -.052 .004 .202 Collinearity Statistics Tolerance VIF .590 .547 .406 .694 .782 1.694 1.828 2.461 1.441 1.279
问题1解答： 1、正态检验
One-Sample Kolmogorov-Smirnov Test 消 极 自我 预期感 自 我 怀疑 感 208 208 2.4062 2.4840 .65624 .79794 .061 .076 .061 .073 -.033 -.076 .879 1.101 .422 .177 积 极 自我 预期感 能 力 超越 感 内 在 优势 感 208 208 208 3.2803 2.9615 2.6290 .72268 .61091 .67311 .057 .078 .080 .050 .052 .055 -.057 -.078 -.080 .818 1.125 1.154 .516 .159 .140
《spss学习第9章》课件
欢迎大家来到《spss学习第9章》PPT课件！在这个课程中，我们将深入学习 回归分析的基础、进阶和实战应用。让我们一起开始这个精彩的学习之旅吧！
回归分析基础
1
什么是回归分析
了解回归分析的概念和基本原理，掌握
简单回归与多元回归
2
其在数据分析中的重要性。
区分简单回归和多元回归分析的不同，
非线性回归分析
了解非线性回归分析的概念和应 用，以适应各种复杂的数据模式。
回归分析实战
1 数据准备
学习如何准备和清理回归 分析所需的数据，以确保 结果的准确性。
2 模型建立与分析
探索如何构建和分析回归 模型，以预测和解释数据 中的相关变量。
3 结果解释与展示
学习如何解释和展示回归 分析的结果，以便向其他 人传达研究发现。
结束语
感谢大家参与《spss学习第9章》PPT课件！通过这个课程，希望大家对回归分析有了更深入的理解，并能应 用于实际的数据分析工作中。祝大家取得好成果！
理解它们在实际应用中的用途。
3
相关系数与回归系数
研究与解释回归模型中的相关系数和回
回归模型诊断学习如何对回归模型进行诊断，以检验 其有效性和准确性。
回归分析进阶
变量选择方法
探索不同的变量选择方法，以找 到对回归模型最具影响力的自变 量。
线性回归分析
深入研究线性回归分析，并学习 如何解释和评估模型的结果。
《应用多元统计分析》第五版PPT(第九章)-简化版(SPSS24)
p1q
p1
p2q p2
ppq
pp
8
列轮廓矩阵
❖
p11 p1
p12 p2
C PDc1 c1,c2,
p21
, cq p1
p22 p2
pp1 pp2
p1
p2
其中 Dc diag p1, p2, , pq 。
p1q
pq
p2q
pq
ppq
pq
9
❖
p1
2
§9.2 行轮廓和列轮廓
❖ 一、列联表 ❖ 二、对应矩阵 ❖ 三、行、列轮廓
3
表9.2.1
列 行
1 2 ⋮ p 合计
一、列联表
p×q列联表
1
2
⋯
n11
n12
⋯
n21
n22
⋯
⋮
⋮
np1
np2
⋯
n∙1
n∙2
⋯
Байду номын сангаас
q
合计
n1q
n1∙
n2q
n2∙
⋮
⋮
npq
np∙
n∙q
n
4
二、对应矩阵
表9.2.2
对应矩阵
❖ 在对应分析中，列联表的每一行对应（最常是二维）图中的 一点，每一列也对应同一图中的一点。该图形方法特别适用 于有许多类别的列联表，它能有效地用直观、简洁的图形来 描述庞杂的列联表数据中所蕴含的对应关系。
❖ 由于列联表中行变量和列变量的地位是对称的，所以对应分 析方法本身及其所得结论对于行和列也是对称的。
C
0.043 0.085 0.046 0.057 0.231
D E（低） 合 计
量表SPSS统计分析
SPSS统计分析实例宝典目录SPSS宝典壹、单选题之整体性分析 (3)贰、单选题之交叉式分析 (6)参、复选题之整体性分析 (14)肆、复选题之交叉式分析 (19)伍、五点量表整体性分析 (26)陆、五点量表差异性分析 (二个变项) (29)柒、五点量表差异性分析 (三个以上变项) (34)问卷分析壹、问卷分析步骤 (39)贰、五点量表范例 (40)参、问卷分析范例 (41)肆、各类题型范例 (42)伍、问卷结论范例 (49)附录SPSS、EXCEL与WORD间档案转换 (55)SPSS输出报表范例 (62)问卷调查各类题型常用之统计方法注：本表由研究者汇整。
壹、单选题之整体性分析摘要→次数分配表选择第五题问卷分析结果表一：累计惩处达「辅导转学」学生辅导方式分析在整体意见方面，将近六成填答者，认为学期中间累计惩处已达「辅导转学」(亦即退学)的学生，最适宜处理方式为「转送至中途学校接受辅导」，另有二成五填答者表示应协助这类学生于「学期末转学至其它学校」。
贰、单选题之交叉式分析摘要→交叉表分析第五题变数为公私立学校进行百分比同构型检定单选题交叉表统计分析结果1. 对于学期中间累计惩处已达「辅导转学」学生之处理模式，公私立学校教师有明显不同看法，私立学校教师比公立学校教师较赞成「将学生转送至中途学校接受辅学」，而公立学校教师较私立学校教师较赞成「将学生于期末协助转学至其它学校」。
如表二所示。
表二：不同学校属性对累计惩处达「辅导转学」学生辅导方式分析2. Pearson卡方值，考验不同背景变项教师之差异性，χ²=8.810，P=0.032<0.05 ，已达显著水平，亦即：「不同学校属性教师对累计惩处达辅导转学的学生辅导方式」有显著差异。
其中私立学校教师(占66.07%)较公立学校教师(占53.33%)，更赞成将「累计惩处达辅导转学的学生转送至中途学校接受辅导」。
如表二之一所示。
表二之一不同背景变项教师对累计惩处达「辅导转学」学生辅导方式差异分析附注：*P＜0.05**P＜0.013. 有关单选题交叉表的细格显示方式有「横列」、「直行」与「总和」等三种，分述如后：单选题交叉表「横列」显示显示横列百分比横列显示之交叉表单选题交叉表「直行」显示直行显示之交叉表单选题交叉表「总和」显示显示总和百分比总和显示之交叉表单选题交叉表三种不同显示方式参、复选题之整体性分析复选题分析→定义集合定义复选题集合的名称按新增后，「复选题集合」定义完成，集合变量、计数值、名称，恢复为空白复选题分析→次数分配表选择不同学制为复选题集合表六：台北市高职中途学校转介辅导之分析肆、复选题之交叉式分析复选题分析→交叉表复选题的选项(五个不同学制)背景变数(公私立学校)定义背景变量的区间(1表示公立，2表示私立)选择细格百分比表七：不同学校属性对中途学校转介辅导之分析复选题交叉表的细格显示方式有「横列」、「直行」与「总和」等三种，分述如后：复选题交叉表「横列」显示2为私立学校１为公立学校表八：不同学校属性对中途学校转介辅导之分析(横列显示)复选题交叉表「直行」显示表九：不同学校属性对中途学校转介辅导之分析(直行显示)复选题交叉表「总和」显示表十：不同学校属性对中途学校转介辅导之分析(总和显示)伍、五点式量表之整体性分析比较平均数法→单一样本T检定选择检定变量执行结果平均数/ 标准差表十一：台北市高职设置中途学校型态之平均数与标准差对于台北市高职设置中途学校的整体意见，大部份填答者较赞成设置「学园式中途学校」(平均数=3.82)，其次为「合作式中途学校」(平均数=3.67)、「独立式中途学校」(平均数=3.31)，最末为「资源式中途学校」(平均数=3.18)。
第十讲-SPSS统计课程-量表的数据处理PPT课件
.
1
量表分析的主要内容
➢ 质的分析与量的分析 ➢ 量表水平
信度—— 内部一致性、重测 效度—— 内容效度、结构效度
➢ 项目水平
分布形态、难度、区分度
.
2
➢ subject ➢1 ➢2 测试成绩 5 5 6 …
第二次成绩 6 5.5 5.5 …
.
3
Correla tions
Q1
Q2
Q1 Pearson Correlation
1
.964**
Sig. (2-tailed)
.
.000
N
40
40
Q2 Pearson Correlation .964**
1
Sig. (2-tailed)
.000
.
N
40
40
**. Correlation is significant at the 0. 01 level
.
15
➢ 通过因素之间的相关模式进行分析。 ➢ 因素之间的相关应为中等，大致为0.3-0.5，表明因素之间
既有聚合性，从属于一个更大的概念，又有分离性，表达 的是一个概念下不同方面的内容。 ➢ 因素与总分之间的相关稍高，约为0.6。
.
12
➢ 难度：
项目分析
➢ 对于二值计分的题目：通过率
➢ 连续计分的题目：平均值除以满分
.
13
➢ 区分度：
➢ 1.高分组通过率减去低分组通过率 ➢ 2.方差法 ➢ 3.项目与总分的相关
.
14
练习：
➢ 分析数据文件“self”与“各地区经济指标的 因素分析”
➢ 进行信效度检验（分半信度、内部一致性 、结构效度），以及项目分析（区分度） 。
- 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)。
9.1.2 量表分析的基本过程
•【例9-1】tv-survey. sav是社区工作者对某社区居民电视收视情 况进行的7项调查，要求分析该调查问卷的质量。首先，打开 自带数据文件“tv-survey. sav”，其有7个变量（收看该电视节 目的理由），每个变量仅有2个变量值，1表示用户基于该理由， 继续收看该节目，0表示该理由不能使他继续收看该节目。这 七项理由是any（Any reason，说不清的原因）、bored（No other popular shows on at that time，没有更合适节目）、critics （Critics still give the show good reviews，评论较好）、peers （Other people still watch the show，其他人在看）、writers （The original screenwriters stay，原作者保留未变）、director （The original directors stay，原导演保留未变）和cast（The original cast stays，原主要演员保留未变）。 •1）依次单击Analyze→Scale→Reliability Analyze命令，打开 Reliability Analyze主对话框，见图9.1。
第9章 量表分析
9.1 信度分析 9.1.1 基本概念9.1.2尺度分析的基本过程 9.1.3 结果及其分析 9.1.4 其他个例的分析 9.2多维尺度分析 9.2.1 基本原理 9.2.2 界面和操作步骤 9.2.3 度量MDS案例分析 9.2.4 非度量MDS个例分析
9.1 信度分析
• 量表是在经验层次上对现象连续统一体进行社会 研究的测量工具，一般有定类、定序、定距和定 比等四种尺度，衡量测量质量是信度。若单击主 菜单Analyze→Scale，就可打开量表分析基本功能 菜单。Scale的基本功能有4项，分别是信度分析 （Reliability Analysis）、多维量表分析 （Multidimensional Scaling（ALSCAL，MDS））等。 由于篇幅等缘故，本章主要讨论这两项分析技术 的原理及具体应用。
• 4）平行测验的信度估计
• 信度也可定义为两平行测验上观察分数间的相关， 即用一个平行测验上某被试的观察分数，去正确推论 另一平行测验上该被试观察分数的能力，用这种能力 值的大小来定义测验的信度。平行测验信度估计的条 件是方差具有齐次性，且两平行测验的均数相等。
• 2、数据要求与假设
• 1）数据要求：用于分析的数据可以是数值型的二 分数据、定序变量和定距变量。如果是二分变量、有 序变量，且为字符型时，必须定义为数值型变量。
•信度（reliability)分析或调查项目的可靠性分析，指 在社会测量中，采取同样的方法对同一对象重复进行 测量时，其获得结果的一致性程度。即信度是测量结 果的一致性或稳定性。如用同一份问卷测量人们对于 某项社会政策（比如城市居民养犬）的看法，若前后 测量几次的结果相同，就可以说明它的信度高；相反， 如果紧连着几次测出的结果都不同，就说明它的信度 低。如同用一标尺去量度某一物体的长度，如果测了 几次都得到相同的结果，则可以说这标尺的信度很高； 如果几次测量的结果都不相同，则可以说它的信度很 低，或者说这标尺是不可信的。
•式中的rhh为两半测验分数的相关系数，rxx为整个测验的信度 估计值。
•分半（折半）法的使用要求，两半测验的分数具有相同平均数 和标准差。当此条件不能满足时，就需要采用下面两个公式来 估计信度。
• ①弗朗那根公式：r=2*[1-(Sa2+Sb2)/Sx2]，其中Sa2和 Sb2分别为两半测验分数的方差，Sx2为测验总分的方 差，r为信度值。 • ②卢伦公式：r =1-Sd2/Sx2，其中Sd2为两半测验分数 之差的方差，Sx2为测验总分数的方差，r为信度值。 • 3）库德-理查逊(Cuttman)公式 • 若某测验全由二值 (1，0) 记分的项目所组成，α信 度系数公式中每个项目上的分数方差σ²，就等于该项 目通过率p与未通过率q二者的积。 • 库德-理查逊公式为：rkk= k*[1-/SX2]/（k-1），其中 k为构成测验的题目数，pi为通过第i题的人数比例，qi （=1-pi）为未通过第i题的人数比例，SX2为测验总分 的方差。
9.1.1 基本概念
•量表(type Scale)用以测量的尺度。量表是由一个具有单位和参 照点的连续体，将被测量的事物置于该连续体的适当位置，看 它离开参照点多少单位的测值。这种连续体就称为量表。
•1、信度估计的方法
• 信度估计主要是指同质性（一致性）信度、折半信度和再测 （复查）信度的估计，尤以前两类为主。由于测验分数的误差 来源不同，估计信度的方法也有所不同。这里仅针对SPSS中出 现的信度估计方法进行介绍。数据类型的不同，选择信度估计 方法也不同。
• 1）α信度系数
•这是目前最常用的信度系数：它表明量表中每一题得分间的一 致性。该方法适用于项目多重记分的测验数据或问卷数据，可 以用该系数测量累加李克特量表(Likert-type Scale)的信度。累加 李克特量表的数据格式见表9.1。
• 2）分半（折半）信度
• 任何测验只是所有可能题目中的一份取样，如果抽取不同的 部分，则可编制很多平行的等值测验，叫做复本(内容、形式相 等的测验)。例如教师给学生出的A、B试卷。如果一种测验有 两个以上的复本，根据一群被试接受两个复本测验的得分计算 相关系数，即可得到复本信度，做可靠性分析，但建立复本是 相当困难的。因此，在测验没有复本且只能实施一次的情况下， 通常采用分半法估计信度，即测验题目分成对等的两半，根据 各人在这两半测验的分数，计算其相关系数作为信度指标。其 计算公式为：rxx=（2*rhh）/（1+ rhh）