spss简单数据分析dn4c5lgt.docVIP

PAGE 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），通过预试获得数据，在数据的基础上对问卷中的每个题进行系统、标准的分析，最后确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： 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。 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 （2）产生一个新的分组变量 （3）独立样本T检验 五、因子分析，构建量表结构效度 首先进行因子分析适合度检验 然后提取因子 旋转 计算因子得分此处不予以考虑，跳过，直接点击options 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的显著性水平为.000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 问题A1与问题A2之间的相关系数为.625 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。 提取因子之后，即后面提取的4个因子，4个因子可以解释问题A1 60.2%的变异没有提取因子之前，即还是用25个因子，25个因子可以解释问题A1所有的变异 提取因子之后，即后面提取的4个因子，4个因子可以解释问题A1 60.2%的变异 没有提取因子之前，即还是用25个因子，25个因子可以解释问题A1所有的变异 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