第二章 SPSS简单数据分析.docVIP

量表编制中的SPSS应用量表：一、我们建立一个SAV（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、、3、、分，而反向题的题项计分时，便要给予、、3、、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。要将题项计分的方式化为一致。是一个点量表，正向题的题项给予、、3、、分反向题、、3、、分计分的转换情形为： ????? ——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、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、因分析，构建量表结构效度 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。 Communalities Initial Extraction A1 1.000 .602 A2 1.000 .556 A3 1.000 .658 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 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。 Component Initial Eigenvalues 最初的特征值 Extraction Sums of Squared Loadings 提取后的平方和负荷量 Rotation Sums of Squared Loadings 旋转后的平方和负荷量 Total 特征值 % of Variance 此因子对全部观测数据变异的解释量 Cumulative % 累计变异解释量 Total % of Variance Cumulative % Total % of Variance Cumulative % 1 11.221 44.883 44.883 11.221 44.883 44.883 5.642 22.568 22.568 2 1.723 6.893 51.776 1.723 6.893 51.776 4.413 17.651 40.220 3 1.409 5.637 57.414 1.409 5.637 57.414 4.298 17.194 57.414 4 .946 3.784 61.198 5 .827 3.308 64.506 6 .740 2.961 67.467 7 .661 2.644 70.111 8 .649 2.596 72.707 9 .608 2.431 75.139 10 .577 2.309 77.448 11 .530 2.122 79.569 12 .508 2.033 81.603 13 .481 1.924 83.526 14 .446 1.782 85.308 15 .428 1.713 87.022 16 .404 1.615 88.636 17 .385 1.540 90.176 18 .361 1.443 91.619