数据分析方法

目录

如何做趋势分析，比如U型图 (2)

社会科学研究中样本容量问题 (4)

关于均值比较 (5)

共同方法偏差研究的背景 (6)

避免共同方法偏差的措施 (7)

Harman单因素检验 (8)

SCI-透视全新课题的窗口 (9)

如何做趋势分析，比如U型图

看了一篇论文，对其中的数据处理比较感兴趣。网络成瘾问卷得分（20-100）将被试分为四种类型：无使用者（0）、轻度使用（20-39）、中度使用（40-59）和过度使用者（60-100），因变量是SCL-90分量表得分（somatization躯体化；obessive-compusive强迫症状；人际关系敏感；抑郁；焦虑；敌对；恐恐怖；偏执；精神病性；）以及总体指标得分（严性指标；阳性指标；阳性症状苦恼指标）。首先用一元方差分析考察四组在所有指标上的差异，并使用Linear and quadratic analysis 考察分量表在组别差异的变化趋势。结果发现了方差分析中，除偏执分量表和阳性指标外，过度使用者显著高于最少使用者，而在无使用者、少使用者和中度使用者之间均无显著差异。进一步趋势分析发现，在冲动、人际敏感、焦虑以及阳性指标上呈U型，而抑郁、敌对、恐怖以及总体严重指标上倒U型，在阳性严重性苦恼指标上呈线型增长关系。

We made multiple comparisons and used the Bonfcrroni test when there was a significant difference among the groups. Linear and duadratic trend analysis were also examined to test the trends among the groups.

the subscaies Obsessive-Compulsive (F =5.72, P = 0.017), Interpersonal Sensitivity (F = 6.54, P =0.011), and Anxiety (F= 9.46, P = 0.002), as well as the PST(F= 3.93, P = 0.048), showed a U function. Conversely, thesubscaies Depression (F = 5.89, P = 0.016), Hostility (F

=6.02, P = 0.015), and Phobic Anxiety (F=4.07, P- 0.045), as well as the GSI (F= 0.90, P = 0.028) showed anoffset U function. The

PSDI (F= 8.79, /'=0.003) showed a linear increase.

问题是：趋势分析是怎么做出来的？如何检验的？

Contrast Types [u]Deviation.[/u] Compares the mean of each level (except a reference category) to the mean of all of the levels (grand mean). The levels of the factor can be in any order. [u]Simple.[/u] Compares the mean of each level to the mean of a specified level. This type of contrast is useful when there is a control group. You can choose the first or last category as the reference. [u]Difference.[/u] Compares the mean of each level (except the first) to the mean of previous levels. (Sometimes called reverse Helmert contrasts.) [u]Helmert.[/u] Compares the mean of each level of the factor (except the last) to the mean of subsequent levels. [u]Repeated.[/u] Compares the mean of each level (except the last) to the mean of the subsequent level. [u]Polynomial.[/u] Compares the linear effect, quadratic effect, cubic effect, and so on. The first degree of freedom contains the linear effect across all categories; the second degree of freedom, the quadratic effect; and so on. These contrasts are often used to estimate polynomial trends.

[emot]10[/emot][emot]10[/emot]

今天在网上查了一些资料，大体知道了一点点，结合辛老师的讲解，好理解有些．我用spss13.0考察师生关系、学业压力、秩序与纪律、同伴关系和发

展多样性五个维度在不同年级上的变化趋势。进入one-way

ANOVA,Contrasts 选项，选Polynomial,在degree中选Ｑuadratic ,OK! 或者程序语句就是：ONEWAY teast press order peers develop BY grade

/POLYNOMIAL= 2 /CONTRAST= 1 -1 0 /CONTRAST= 0 -1 1 /PLOT MEANS /MISSING ANALYSIS /POSTHOC = BONFERRONI ALPHA(.05). 最后的模型就是：y=b0+b1*x+b2*xx 如果b2不显著，b1显著，表明是线性关系，b０的符号代表正负走向．如果b1不显著，b2显著，表明是二项式关系（Ｕ型）关系，b2的符号代表正的或负的Ｕ型关系．具体结果及其解释将用图片呈现出来．

社会科学研究中样本容量问题

在验证性因子分析和结构方程模型的分析中,究竟样本(N)容量多大以及每个因子要包含多少个指标(Indicators)是研究实践中经常遇到的问题。不容置疑，样本容量越大、包含指标越多，会比较好有些。但是，我们需要了解的是，有没有一个最低可接受的标准可以参考？

Boomasa(1982)认为，无论从模型恰当解的百分率、参数估计的精确性还是卡方统计量的分布，N最少大于100，大于200更好。如果样本数量小于100，相关矩阵会不够稳定，结构方程模型分析的信度低。

如果将样本数量与指标数（P）或自由估计的自由度（t)结合起来，一般认为N/P或N/t大于10比较好。Nunally（1967）的建议经常为人引用，即被试人数是观测b变量的10倍。比如，10个题项的自尊问卷至少需要100个被