SPSS在调查问卷数据处理的应用.docxVIP

10.1 调查问卷数据处理概述 第10章SPSS在调查问卷数据处理的应用??6?11、使用目的 调查问卷收集以后需要先对调查问卷的结果进行一些整理如对文字型的问题进行事前或事后编码按变量分组、合并、加权、重新定义或计算新变量等为最终的统计分析做准备。这些功能集中在Data和Transform菜单项中下面将以了解高校毕业生就业意愿情况进行调查而获得的一份问卷为例介绍一些常用的功能。 您的性别■男 □B 女 您所学专业名称 年级 1.你在班级里的学习成绩排名 ■前10 □11—30 □31—70 □最后30 2.您参加了今年的考研 □参加了 ■未参加 跳答一题 3.您参加考研是否有本科毕业就业难方面的原因 □主要是 □有一些 □没有 4.本科毕业以后 您选择 ■参加工作 □考研 □边工作边考研 □到国外 □自主创业 □暂时什么都不做 5.您一般通过哪些途径获取招聘信息 ■招聘会 ■互联网 ■同学、朋友、熟人 ■报刊杂志 □职介机构 □其他 6.对您而言选择职业时哪些因素影响较大请选三项并排序 1单位类型及规模 □就业地区选择 □工资水平及福利 2有利于个人发展及晋升 3对工作本身的兴趣 工作稳定性 □工作的环境及舒适性 □父母意见 □学校老师影响 □其他 7. 您求职要求的工资底线 2000 元 。 8. 你认为最理想的签约时间是 大四第一学期末 。 ?6?12、基本原理 ⑴单项选择题的编码 ⑵多项选择题的编码 ⑶排序题的编码 ⑷开放式问题的编码 ⑸缺失值的编码 ⑹“不适用情况”的编码 ⑺数据转换 ?6?13、其他注意事项 用户缺失值与系统缺失值System Missing的含义不同。系统缺失值主要是指计算机默认的缺失方式如果在输入数据时空缺了某些数据或输入了非法的字符计算机就把其界定为缺失值这时的数据标记为“·”而用户界定的缺失值则不会在数据显示时出现“·”。 问卷调查数据的整理与转换的操作主要由以下几个模块来实现。 1【Transform→Compute Variable转换→计算变量】对原始数据进行四则运算等进而派生出新的变量。 2【Transform→Recode into some Variable转换→重新编码为相同变量】和【Transform→Recode into Different Variable转换→重新编码为不同变量】重新编码数据重新安排次序。 3 【Transform→Count Occurrences of Value within Cases转换→对个案内的值计数】创建一个新变量用以计算某些变量共同发生的频次即计数。 10.2.1 缺失值的类型与处理方法 缺失值的类型 :完全随机缺失随机缺失 完全非随机缺失 缺失值的处理方法 :删除法和插补法 ?6?1Step01打开【Replace Missing Values替换缺失值】对话框 选择菜单栏中的【Transform转换】→【Replace Missing Values替换缺失值】命令弹出【Replace Missing Values替换缺失值】对话框. Step02选择检验变量 在该对话框左侧的候选变量列表框中选择一个或几个变量将其移入【New Variables新变量】列表框中 这时系统自动产生用于替代缺失值的新变量用户也可在【name名称】框处自己定义替代缺失值的新变量名。 Step03 选择替换缺失值的方法 在【Method方法】下拉下箭头选择缺失值的替代方式。 ●Series mean用该变量的所有非缺失值的均数做替代。 ●Mean of nearby points用缺失值相邻点的非缺失值的均数做替代取多少个相邻点可任意定义。 ●Median of nearby points用缺失值相邻点的非缺失值的中位数做替代取多少个相邻点可任意定义。 Linear interpolation线性插值法填补缺失值。用该列数据缺失值前一个数据和后一个数据建立插值直线然后用缺失点在线性插值函数的函数值填充该缺失值。 Linear trend at point缺失点处的线性趋势法。应用缺失值所在的整个序列建立线性回归方程然后用该回归方程在缺失点的预测值填充缺失值 Step04 其他选项设置 当选择的替换缺失值的方法为【Mean of nearby points临界点的均值】或【Median of nearby points临界点的中位数】时选项【Span of nearby points临界点的跨度】处于激活状态可以选择取相邻点的跨度。 Step05 单击【OK】按钮结束操作SPSS软件自动输出结果。 如果分析中没有用到含缺失值的变量可以不用关心缺失值问题。在SPSS相关的分析过程中选择按对排除个案P这时如果没有用到含缺失值的变量缺失值对分析没有影响如果选择按列