测量自编问卷的数据处理.pptVIP

自编问卷的数据处理 一、收集数据 样本具有代表性 预试样本量为包括最多题项的分量表的3-5倍 若做因素分析（希望因素分析稳定的话），每个题项数与预试样本量的比例为1:5~1:10，样本量300以上可不考虑此比例。 二、整理问卷与编号 对每一份问卷进行检查，剔除无效问卷。 对问卷加以编号。 三、数据的输入 名称 类型 批注：中文名字 数值的设定 遗漏值的设定 四、检查数据的正确性 适用描述统计 五、项目分析 方法：高分组在某项目的得分与低分组差异显著 步骤： 求出量表总分【transform】→【compute…】 按总分高低排序【data】→【sort case】 高低分组【transform】→【recode】 →【into different variables】 检验高低分组差异【analyze】 →【compare mean】 →【independent－samples T test】 考虑剔除差异不显著的题项 六、因素分析（探索性） 1.因素分析的各种功能键 【analyze】→【data reduction】→【factor】 Descriptive描述按钮： initial solution方差累计百分比 KMO抽样适当性检验 Extraction萃取按钮： Principal components主成分分析法 Correlation matrix相关矩阵 Screet plot陡坡图 Eigenvalues over（选1）或number of factors（自己指定） Rotation旋转按钮 因素独立：varimax最大变异法 因素相关： direct oblimin直接斜交旋转法 Display显示按钮 Rotated solution旋转后的相关信息 Scores分数按钮 Save as variables作为变量保存因素 Regression 回归法计算因素分数 Options（选择）按钮 Sort by size按因素负荷量大小排列 Supress absolute values less than因素负荷量小于某值不显示 六、因素分析（探索性） 2.因素分析判断指标的信息 是否适合做因素分析：KMO取样适当性参数和Bartletts的球形检验 0.6以上，勉强可以进行因素分析 0.7以上，尚可进行因素分析 0.8以上，适合进行因素分析 因素抽取的数目 Kaiser准则，选取特征值大于1的因素 Cattell的陡坡图上，变得平坦时的因素数目 3.几种因素抽取法 未限定抽取因素法 限定抽取因素法 二阶因素分析法（层面题项加总分析法） 先要计算因素分，并把它作为一个变量 几个常见问题 因素分析结果报错？ 有无的数据变量 Kmo不出来？ Case是否为变量的5倍 只看见红色三角箭头，无数据表 需折叠左边的目录显示 Spss有没有z检验？ 没有。但execel有 七、信度分析 1.信度分析的功能键 【analyze】→【scale】→【reliability】 统计按钮 Tiem Scale Scale if tiem deleted correlations 2.计算因子和量表的信度 因子的信度： 将各因子所包含的题项选入item 量表的信度： 将所有题项选入item 3.题项删除对信度的影响 在自编问卷中，如果某题项删除后分量表的信度值降低，表明该题项不宜被删除 4.信度指标 总量表的信度系数 0.7～0.8，可接受 0.8以上，较好 分量表的信度系数 0.6～0.7，可接受 0.7以上，较好 七、各样本平均数差异检验 自变量为二分变量 【analyze】→ 【compare mean】 → 【independent－samples T test】 自变量为三分变量以上 【analyze】→ 【compare mean】 → 【 one-way ANOVA】 Post hoc 事后比较按钮 LSD或scheffe 九、用图形呈现数据 报表可生成图形 将需要的数据拖黑，按右键 作业 1.自编问卷 题目 指导语 人口统计学变量（个人信息） 问卷正文 问卷的（因素）结构 小组成员名字、学号 2.SPSS 数据表 编制测验（或量表）的小组，： 项目分析报表 因素分析报表 编制调查表的小组： 描述性统计报表 平均数差异显著性检验报表（至少一个差异比较） * *