spss课程作业第二部分机试题介绍.docVIP

第二部分 机试题 题目：试对重庆交通运输集团汽车客运站总站客运服务质量进行总体满意度的影响因素分析，要求找出关键影响因素，并说明提升满意度的主要措施。 1.数据修正及处理 打开软件变量视图页面，如图1所示。 图1. 变量视图部分截图 通过spss软件对数据进行简单的描述统计分析之后，得部分结果如图2所示。 图2. 描述统计量部分结果 由图中第二列可以看出，大多是N 201，表明这些变量是存在缺失值的，但是由于未给缺失值定义，会影响后续的分析研究。因此，此处更正如下： Spss中主要提供了三种方式处理缺失值，这里采用Replace?Missing?Analysis?过程。此处为了提高其后问题的分析精度，采用平均值代替缺失值。具体操作过程如图3所示。 图3 缺失值替代对话框 其输出结果如图4所示。 图4 缺失值替代部分结果 由图4中第三列可以看出，整体满意度一栏中缺失值被替换的个数为8个，票务信息获知性缺失值被替换2个。此步骤后，可得到完整的问卷调查数据，为后续满意程度的影响因素分析提供了数据基础。 变量视图年龄一栏中，数值9代表的为“缺失：未填的数据”，如图5所示。 图5 年龄值设置 但是，数据视图显示，年龄和性别、职业、月收入一样，缺失值均是用0值代替的，如图6所示，此处将年龄的缺失值设置更正为0值。 图6 部分数据视图 2.数据分析 2.1因子分析 因子分析法是将现实生活中众多相关、重叠的信息进行合并和综合，将原始的多个变量和指标变成较少的几个综合变量和综合指标，以利于分析判定。 由于调查问卷中含有31个问题，分析研究问题之间的相关性，可采用因子分析法在31个变量中提取公因子。 因子分析法在spss中实现步骤如下：择菜单栏中的【分析】—【降维】—【因子分析】命令，其对话框如图7所示。 图7 因子分析对话框 在【抽取】一栏中固定选择公因子的个数，为7个，为了使原有31个变量的大部分信息能被公因子解释，所以旋转提取7个变量。在【旋转】选项中勾选【最大方差法】。在【得分】一栏中勾选【保存为变量】，即表示采用回归法计算因子得分并保持在原文件中；勾选【显示因子得分系数矩阵】，表示输出因子得分系数矩阵。在【选项】一栏中勾选【按大小排序】，即将载荷系数按其大小排列构成矩阵。 因子分析法的输出结果及分析包括以下几个部分。 （1）指标效度检验 效度分内容效度准确效度和架构效度，大部分研究主要对架构效度进行检验架构效度主要是用来检验量表是否可以真正度量出所要的度量结果，常常采用探索性因子分析对问卷的架构效度进行检验。本次采用spss软件得出效度检验指标KMO适当性检验值，本文KMO值为0.958，结果如图8所示。表示问卷的效度较好，可以采用因子分析法进行分析。 图8 KMO检验值 （2）因子分析的共同度 软件输出了公因子方差表格，即表示了因子分析的共同度，显示了所有变量的共同度数据。 图9部分因子分析的共同度 如图11中第二列所示，表示了按指定条件提取特征根时的共同度。由此可以看出，绝对多数变量70%以上的信息可被因子解释，这些变量信息丢失较少。 （3）因子分析的总方差解释 软件输出的结果其中包括的解释的总方差表格，即因子分析的总方差解释，其中显示了计算得到的相关系数矩阵的特征值、方差贡献率及累计方差贡献率。如图10所示。 图10因子分析的总方差解释 由图12中可以看出，由于抽取时限定了提取公因子的个数，即特征值大小排在前7个的主成分为初始因子，其解释了数据中总方差的75.499%，能概括和解释原有数据31个变量的大部分信息。 （4）旋转后的因子载荷矩阵 由于本次研究仅选取一个因子就能解释原有数据的大部分信息，因此，此处原因子载荷矩阵也能清晰的表示因子的得分大小顺序，不需再将其旋转。因子载荷矩阵如表1所示。 表1 旋转后的因子矩阵 成份 1 2 3 4 5 6 7 SMEAN 票务信息获知性 .116 .173 .155 .628 .191 .430 .186 SMEAN 订票便利性 .182 .246 .080 .763 .132 .082 .093 SMEAN 安检服务 .185 .155 .271 .533 .490 .186 .002 SMEAN 前台咨询服务 .233 .327 .413 .617 .157 .020 .098 SMEAN 引导标志 .213 .221 .367 .576 .245 .142 .218 SMEAN 座椅 .281 .187 .711 .197 .191 .031 .098 SMEAN 温度与空气 .365 .119 .571 .389 .260 -.051 -.183 SMEAN 卫生间 .223 .162 .732 .108 .040 .205 .204 S