SPSS简单数据分析

量表（或问卷）编制中的SPSS应用

所谓量表（或问卷）编制就是将初步设计的问卷（或者其他人的问卷），通过预试获得数据，在数据的基础上对问卷中的每个题进行系统、标准的分析，最后确定是否需要将此题剔除，或者保留在问卷中。最后形成一个信效度较好的问卷。

举例量表（或问卷）：青少年偏差行为问卷

一、我们建立一个SAV文件（SPSS数据文件），把预试中得到的结果输入到数据文件中。

二、通过升、降序等方式剔除异常数据。

次数分布 sav、txt、excel

三、先对问卷中的反向题进行处理（本问卷没有设计反向题，感兴趣的同学可以先根据操作图示，并参阅其他资料先行学习）

所谓反向题是指：问卷中常有反向计分的题项，以李克特5点量表而言，正向题的题项通常给予1、2、3、4、5分，而反向题的题项计分时，便要给予5、4、3、2、1分；以4点量表而言，正向题通常给予1、2、3、4分，而反向题计分时则分别要给予4、3、2、1分。因此，我们在这一阶段要将题项计分的方式化为一致。本青少年偏差行为问卷是一个5点量表，正向题的题项是给予1、2、3、4、5分，如果有反向题（当然实际上本问卷没有）则本来的实际计分为5、4、3、2、1分，需要进行转化，具体计分的转换情形为：

5——1

4——2

3——3

2——4

1——5

这样就和正向题保持一致了。

spss操作如下：

四、计算量表的总分total，并剔除异常数据

五、进行项目分析

（一）题总相关的计算：使用皮尔逊积差相关（一般要求达0.4以上）

（二）计算题项区分度：使用高低分组T检验（独立样本），假设检验要达到显著水平。

1、进行高低分组

（1）对记录进行排序，找到高低分组的临界分数点。（一般为27％或者33％）

32 62

（2）产生一个新的分组变量

（3）独立样本T检验

五、因子分析，构建量表结构效度

首先进行因子分析适合度检验

然后提取因子

旋转

计算因子得分此处不予以考虑，跳过，直接点击options

结果分析：

各问题之间的相关系数矩阵

如果相关矩阵中的相关系数大都小于 0.3 ，而且未达到显著性水平，则说

明变量间的相关性普遍较低，它们存在潜在共同因子的可能性较小，就不再

适合于做因子分析；如果相关系数都较大，则进一步通过KMO 和巴特莱球形检验分析。

KMO

检验结果为.960>=0.5，巴特莱球形检验结果sig.=0.000，差异显著，说明此两项检验都表明此观测数据适合做因子分析。

(factor loading)绝对值大于0.5(或0.6)者，因素负荷量为变量所属因素间之相关。此处因在0.5-0.6间的问题（即变量）太多，如果都删除，问卷题项会变得太少，因此，我们选大于0.5为标准。所以，我们删除A23 、A15、A13、A6四个问题。然后再进行一次因子分析。

除了将A23 、A15、A13、A6四个问题拿出来不进行因子分析外，其他步骤如上，

所以，我们进一步删除A18后再进行一次因子分析。

除了将A23 、A15、A18、A13、A6五个问题拿出来不进行因子分析外，其他步骤如上，结果发现剩下的问题都满足大于0.5的条件。

至此，我们把问题A23 、A15、A18、A13、A6排除后，剩下的问题保留在量表中，效度分析结束，我们可以报告说，所有问题的因子负荷值都大于0.5。

六、信度分析：使用内部一致性系数（克隆巴赫）

一般来说，问卷（或一个问卷因素，本例中偏差行为问卷只有一个因素，就是偏

差行为的严重程度，有的问卷可能包括若干因素，例如16pf就是16个因素，则是看每个因素的Alpha系数）Alpha系数（上图中.9040）大于0.80是比较满意的，而大于0.70是可以接受的，那么问卷中的每一题目都可以保留。如果连0.70都达不到，就要看每个题目的被删除后Alpha的变化情况，就是，把那些题目被删除后Alpha值会大大提高的题目逐个删除，直到总体Alpha达到0.80或0.70。记住一定要逐一删除，因为只要一个题目变化了，整个结果都会随之变化。

至此，一个信效度较好的问卷就产生了，我们可以放心地进行正式使用，再收集数据，再进行描述统计或推论统计，所得结果就比较可靠了。