SPSS简单数据分析

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)，通过预进行系统、标准的分析，最后确试获得数据，在数据的基础上对问卷中的每个题

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:

1

2

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。

3

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

4

(2)产生一个新的分组变量

5

(3)独立样本T检验6

7

分析，构建量表结构效度五、因子

8

首先进行因子分析适合度检验

然后提取因子9

旋转

计算因子得分此处不予以考虑，跳过，直接点击options 10

结果分析:

各问题之间的相关系数矩阵

问题A1与

问题A2之

间的相关系

数为.625

问题A1与

问题A2之

间的相关系

数为.625的

显著性水平

为.000

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11

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。

没有提取因提取因子之后，Communalities 子之前，即即后面提取的

Initial Extraction 还是用25个4个因子，4个

因子，25个因子可以解释A1 1.000 .602

因子可以解问题A1 60.2%A2 1.000 .556 的变异释问题A1A3 1.000 .658 所有的变异 A4 1.000 .699

A5 1.000 .686

A6 1.000 .479

A7 1.000 .639

A8 1.000 .632

A9 1.000 .449

A10 1.000 .618

A11 1.000 .579

A12 1.000 .527

A13 1.000 .494

A14 1.000 .609

A15 1.000 .486

A16 1.000 .455

A17 1.000 .583

A18 1.000 .616

A19 1.000 .609

A20 1.000 .603

A21 1.000 .536

A22 1.000 .620

A23 1.000 .464

12

A24 1.000 .558

A25 1.000 .597

Extraction Method: Principal

Component Analysis.

Total Variance Explained

解说总变异量:因子的特征值(eigenvalue)须大于1，方决定选取之成份。Extraction Sums of Squared Rotation Sums of Squared

Initial Eigenvalues Loadings Loadings

最初的特征值提取后的平方和负荷量旋转后的平方和负荷量

% of Cumulative

Varianc%

e 提取因子后

此因子因子1的特

对全部征值，而小

观测数Cumulative 于1的因子

据变异Total % % of % of 4—25则被

特征的解释累计变异解释ComponenVariancCumulative Varianc去掉

值量量 t Total e % Total e

1 11.2244.883 44.883 11.2244.883 44.883 5.6422.568 22.568

1 1

2 因子1的特

征值 2 1.723 6.893 51.776 1.723 6.893 51.776 4.4117.651 40.220 3

3 1.409 5.637 57.41

4 1.409 5.637 57.414 4.2917.194 57.414

8

4 .946 3.784 61.198

因子1能解5 .827 3.308 64.506

释全部观测 6 .740 2.961 67.467

数据变异的 7 .661 2.644 70.111 44.883% 8 .649 2.596 72.707

9 .608 2.431 75.139 因子1和2

共能解释 10 .577 2.309 77.448

全部观测 11 .530 2.122 79.569 数据变异 12 .508 2.033 81.603 的

13 .481 1.924 83.526 51.776%

14 .446 1.782 85.308

15 .428 1.713 87.022

13

16 .404 1.615 88.636

17 .385 1.540 90.176

18 .361 1.443 91.619

19 .344 1.374 92.993

20 .332 1.327 94.320