spss学习系列14.量表的初步处理

14. 量表的初步处理

一、量表层面加总

调查问卷通常是针对某个考察因素设置几个子问题，这些具有共同属性的题项需要先做加总处理，以便后续进行相关的统计分析。

例如，如下的“知识管理”量表：

题“a1-a6”，都属于“知识获取”层面，即

“a1-a6”加总 = “知识获取”

题“a7-a10”都属于“知识流通”层面；

“知识获取”+“知识流通”再加总到“知识管理”层面。

数据文件为：

“知识获取”层面的加总

【转换】——【计算变量】，打开“计算变量”窗口，【目标变量】框输入“知识获取”，【数字表达式】框输入“SUM(a1 TO a6)”，点【确定】

注意：“SUM(a1 TO a6)”是“SUM(a1,a2,a3,a4,a5,a6)”的简写，需要变量规律化命名。

类似地操作，再对“知识流通”层面加总，“知识管理”量表加总。得到

二、层面的平均得分

层面的平均得分，即“层面总分”除以“层面题数”，能反映出该层面的平均程度。例如，“工作满意”层面，1-5分别代表“非常同意、同意、不知道、不同意、非常不同意”，若该层面平均得分为，则表示平均具有较高的工作满意度。

【转换】——【计算变量】，目标变量输入“获取平均”，数字表达式输入“知识获取/6”；

类似地，“流通平均”=“知识流通/4”；

“知识管理平均”=“知识管理/10”。

得到运行结果：

三、量表的描述统计

【分析】——【描述统计】——【描述】，打开“描述性”窗口，将变量“知识获取、知识流通、知识管理、获取平均、流通平均、知识管理平均”选入【变量】框，

【选项】，（默认）勾选“均值、标准差、最小值、最大值”，点【确定】，得到

注：层面加总的均值无参考意义，层面平均的“获取平均”的均值为，流通平均的均值为，说明两个层面的“同意程度”是有差异的，该差异是否在统计学有显著意义则需要做【分析】——【比较均值】

——【配对样本T检验】。

四、多选题量表初步处理

例如. 测试人格倾向的问卷，每种人格倾向设置9道问题，每选中一道“人格A”倾向的题项，该变量累积得分+1，最终得到“人格A”得分；类似地还有“人格B、人格C、人格D”得分，哪个得分最高即判定该人具有该种人格，若有两个相同最高得分，则无法判定其人格。

有数据文件：

判断每个个案的“人格类型”：1 = A类型；2 = B类型；3 = C 类型；4 = D类型； 0 = 不确定类型。

1.【转换】——【计算变量】，打开“计算变量”窗口，【目标变量】框输入“人格A标记”，【数字表达式】框输入逻辑表达式：(人格A > 人格B) & (人格A > 人格C) & (人格A > 人格D)

点【确定】，得到

注：“人格A标记”=1，表示“人格A”的值为四个人格中的最大值，否则“人格A标记”=0.

2.类似地，计算

“人格B标记”=(人格B > 人格A) & (人格B > 人格C) & (人格B > 人格D)“人格C标记”=(人格C > 人格A) & (人格C > 人格B) & (人格C > 人格D)“人格D标记”=(人格D > 人格A) & (人格D > 人格B) & (人格D > 人格C)得到

3. 计算“人格类型”

【转换】——【计算变量】，打开“计算变量”窗口，【目标变量】框输入“人格类型”，【数字表达式】框输入：

1*人格A标记+2*人格B标记+3*人格C标记+4*人格D标记

点【确定】得到

注：“人格标记”只是没用的临时变量，可以删除。

点【确定】，得到

注意：个案10的人格类型为7 > 4，原因是其“人格C、人格D”的值均为最大值9，该个案的人格类型应该是无法判定（=0）。

spss分析里克特量表

第一步：建立数据 1. 打开SPSS 2. 在左下角点”variable view” 3. 在左上角输入“调查问卷”——将“Type类型”调成“sting字符型”——“Decimals 小数点”位数改成“0” 4. 从第二行开始依次输入“问题1，问题2，问题N”，并在每个问题的“Values 变量值”在输入：变量值Values框中为“1”/标签Label框中“非常不同意”点“add 添加”；然后依次输入2不同意3不一定4同意5非常同意 5. 以同样的方式输完所有的问题 第二步：输入数据 1. 左下角选“Data View数据视图” 2. 将每份问卷每道题的结果输入对应的框中 3. 以同样的方式将150份问卷输入 第三步：分析数据 1．在标题栏选择“Analyze分析”——“Description statistics描述性统计”——“Frequencies频数分析” 2．在频数分析对话框中，从左框选择要分析的问题到右框中 3．选择“Statistics统计”出现对话框 4．选择对应输出项即可：Mean平均数Std. deviation标准差variance方差range极差max最大min最小 5．同时也可以用“charts图表”选择要输出的图形 6．点击“OK确定”即可 7．然后再Output表中读取分析结果 8．注：因为所要分析的比较简单，能够很直观的从结果中分析出来，所以结果分析就不多解释了 PS：当然Excel也可以完成这样的分析，但SPSS软件比起Excel来要更专业些，所以用spss 做出来的结果更容易得到认可，也容易得高分，并且对于更复杂的问题Excel就显的不够用了

SPSS教程：可靠性分析

SPSS教程：可靠性分析 2.1主要功能 在精神卫生与社会医学研究中，经常需要借助量表来了解对象的某一特性。如常用的症状自评量表（SCL-90）即用于评定对象精神病症状的表现形式与强度；又如生活事件量表（LES）即用于对精神刺激进行定性和定量分析。在完成一份量表的编制工作后，或在准备将一份已有的量表作实际应用前，需要对量表的信度进行考核。 量表的使用是为了了解被测对象的某一特征，因而在编制一份量表时，所设立的一系列项目是为了体现量表需要测定的这一特征。如果所设立的测定项目无法获得这一特征，则表示该量表可靠性差，即信度低。所以，研究者有时需要了解量表中各测定项目之间的一致性（同质信度考核），有时需要将量表的测定项目按原编号的奇、偶数分半后，对各自的测定结果进行相关性检验（分半信度考核），等等，这就是量表的可靠性分析，亦即信度研究。 量表的可靠性分析可通过调用Reliability过程完成。 12.2实例操作 ［例12.1］采用家庭环境量表（FES）研究30名女医师的家庭特征，测定结果按10个分量表的实际得分整理如下。请以此资料对FES的信度作评价。 12.2.1数据准备 激活数据管理窗口，定义变量名：亲密度、情感表达、矛盾性、独立性、成功性、知识性、娱乐性、道德宗教观、组织性、控制性等十个分量表的变量名依次是FES1、FES2、FES3、FES4、FES5、FES6、FES7、FES8、FES9、FES10，输入原始数据。 12.2.2统计分析 激活Statistics菜单选Scale中的Reliability Analysis...项，弹出Reliability

Analysis对话框（如图12.1示）。从对话框左侧的变量列表中选fes1~fes10共十个变量，点击 钮使之进入Items框。点击Model处的下拉菜单，系统提供5种分析模型： Alpha：计算信度系数Cronbach α值； Split half：分半信度的分析； Guttman：真实可靠性的Guttman低界； Parallel：并行模型假定下的极大似然可靠性估计； Strict parallel：严格并行模型假定下的极大似然可靠性估计。 本例选用Alpha模型。 点击Statistics...钮，弹出Reliability Analysis: Statistics对话框（图12.2），该对话框内含如下选项： 在Descriptives for栏中选Item、Scale、Scale if item deleted项，以指定对各项目、测定得分情况和项目与量表总体特征关系进行描述性统计； 在Summaries处有四个选项：Means、V ariances、Covariances和Correlations，可分别要求系统计算在Descriptives for栏中指定对象的平均数、方差、协方差和相关系数，本例选Means、V ariances和Correlations三项； 在Inter-Item处有Correlations和Covariances两项，前者可计算项目间的两两相关系数，后者可计算项目间的两两协方差值，本例选Correlations项； 在ANOV A Table处有None、F test、Friedman chi-square、Cochran chi-square 四个选项，其意义分别是：不作方差分析、作重复度量的方差分析、计算Friedman 和Kendall谐和系数（适用于等级资料）、计算Cohran Q值（适用于所有项目均为二分变量），本例选F test项；

利用SPSS进行量表分析报告

第五节利用SPSS进行量表分析 在第五章调查研究中，我们介绍了量表得类型、编制得步骤及其应用,在本节将介绍利用ＳPS Ｓ软件对量表进行处理分析。 ?在获取原始数据后，我们利用ＳPＳS对量表可以作出三种分析，即项目分析、因素分析与信度分析。 项目分析,目得就是找出未达显著水准得题项并把它删除。它就是通过将获得得原始数据求出量表中题项得临界比率值——CR值来作出判断。通常,量表得制作就是要经过专家得设计与审查,因此,题项一般均具有鉴别度,能够鉴别不同受试者得反应程度。故往往在量表处理中可以省去这一步。 因素分析,目得就是在多变量系统中,把多个很难解释,而彼此有关得变量,转化成少数有概念化意义而彼此独立性大得因素,从而分析多个因素得关系。在具体应用时,大多数采用“主成份因素分析”法,它就是因素分析中最常使用得方法。 信度分析,目得就是对量表得可靠性与有效性进行检验。如果一个量表得信度愈高,代表量表愈稳定。也就表示受试者在不同时间测量得分得一致性,因而又称“稳定系数”。根据不同专家得观点,量表得信度系数如果在0、9以上,表示量表得信度甚佳。但就是对于可接受得最小信度系数值就是多少,许多专家得瞧法也不一致,有些专家定为0、8以上,也有得专家定位 0、7以上。通常认为,如果研究者编制得量表得信度过低,如在0、6以下,应以重新编制较为 适宜。 ?在本节中,主要介绍利用ＳＰSＳ软件对量表进行因素分析。 一、因素分析基本原理 因素分析就是通过求出量表得“结构效度”来对量表中因素关系作出判断。在多变量关系中,变量间线性组合对表现或解释每个层面变异数非常有用，主成份分析主要目得即在此。变量得第一个线性组合可以解释最大得变异量，排除前述层次,第二个线性组合可以解释次大得变异量，最后一个成份所能解释总变异量得部份会较少. ?主成份数据分析中,以较少成份解释原始变量变异量较大部份。成份变异量通常用“特征值”表示，有时也称“特性本质”或“潜在本质”。因素分析就是一种潜在结构分析法,其模式理论中，假定每个指针（外在变量或称题项)均由两部分所构成,一为“共同因素"、一为“唯一因素"。共同因素得数目会比指针数(原始变量数）还少,而每个指针或原始变量皆有一个唯一因素,亦即一份量表共有ｎ个题项数,则会有n个唯一因素。唯一因素性质有两个假定: ?（1）所有得唯一因素彼此间没有相关; ?(２）所有得唯一因素与所有得共同因素间也没有相关. 至于所有共同因素间彼此得关系，可能有相关或可能皆没有相关。在直交转轴状态下，所有得共同因素间彼此没有相关;在斜交转轴情况下,所有得共同因素间彼此就有相关.因素分析最常用 得理论模式如下：??? 其中 （1)为第i个变量得标准化分数。

Spss进行问卷分析的步骤.pdf

如何用spss软件处理问卷 (2007-07-02 19:30:04) 转载▼ 标签： 分类：电脑/科技 spss教程 spss软件 spss问卷处理 当我们的调查问卷在把调查数据拿回来后,我们该做的工作就是用相关的统计软件进行处理,在此,我们以spss为处理软件,来简要说明一下问卷的处理过程,它的过程大致可分为四个过 程:定义变量﹑数据录入﹑统计分析和结果保存.下面将从这四个方面来对问卷的处理做详细 的介绍. Spss处理: 第一步:定义变量 大多数情况下我们需要从头定义变量，在打开SPSS后，我们可以看到和excel相似的界面，在界面的左下方可以看到Data View, Variable View两个标签,只需单击左下方的Variable View 标签就可以切换到变量定义界面开始定义新变量。在表格上方可以看到一个变量要设置如下 几项:name(变量名)、type(变量类型)、width(变量值的宽度)、decimals(小数位) 、label(变量标签) 、Values(定义具体变量值的标签)、Missing(定义变量缺失值)、Colomns(定义显示列宽)、Align(定义显示对齐方式)、Measure(定义变量类型是连续、有序分类还是无序分类). 我们知道在spss中,我们可以把一份问卷上面的每一个问题设为一个变量,这样一份问卷有多 少个问题就要有多少个变量与之对应,每一个问题的答案即为变量的取值.现在我们以问卷第 一个问题为例来说明变量的设置.为了便于说明,可假设此题为: 1.请问你的年龄属于下面哪一个年龄段( )? A:20—29 B:30—39 C:40—49 D:50--59

多维尺度分析-SPSS例析资料讲解

多维尺度分析 多维尺度分析（multidimensional scaling ,MDS ）又称ALSCALE(alternative least-square SCALing),还有人称之为多维量表分析；它是将一组个体间的相异数据经过MDS 转换成空间构图，且保留原始数据的相对关系。 1多维尺度分析的目的 假设给你一张中国台湾省地图，要你算出基隆，台北，新竹，台中，台南，嘉义，高雄，花莲，台东，枋寮，苏澳，恒春等地间的距离，你可以用一把刻度尺根据比例测算出一个12x12de 距离矩阵；反之，如果给你一份12个城市间的距离矩阵，要你画出12个城市相对位置的二维台湾地图，且要他们与现实尽量保持一致，那就是一件不容易的工作了，多为尺度分析就为此工作提供了一个有效地分析手段。 2多为尺度分析与因子分析和聚类分析的异同 多为尺度分析和因子分析都是维度缩减技术，但是因子分析一般使用相关系数进行分析，使用的是相似性矩阵；而多为尺度分析采用的是不相似的评分数据或者说相异性数据来进行分析；与因子分析不同，多为尺度分析中维度或因素的含义不是分析的中心，各数据点在空间中的位置才是分析解释的核心内容； 多为尺度分析与聚类分析也有相似之处，两者都可以检验样品或者变量之间的近似性或距离，但聚类分析中样品通常是按质分组的；多维分析不是将分组或聚类作为最终结果，而是以一个多维尺度图作为最终结果，比较直观。 若你的目的是要把一组变量缩减成几个因素来代表，可考虑使用因素分析；若目的是变量缩减后以呈现在空间图上，则可以使用MDS 。如果你是想要却仍相似观测值得组别，请考虑以聚类分析来补充多为尺度分析，聚类分析虽可以确认组别，但无法在空间图中标示出观测。 3.定性的和定量的MDS MDS 分析测量的尺度不可以是nominal 的，但可以是顺序的ordinal,等距的interval,比率的ratio 。顺序量表只可以用于质的分析，又称为定性多维量表分析；它以个体间距离排序为主；而interval 和ratio 量表称为定量多维量表分析（定量多维尺度分析）。 定性的多维量表分析是目前比较常用的MDS 法，因为他可以使用使用量表要求比较宽的顺序量表，但可以得到量表比较严的数值空间图，也就是说，输入的是分类数据，输出的是数值结果。 4.MDS 分析的各种类型 定性MDS 分析------------------------------------------------------------------------------------例1 定量MDS 分析------------------------------------------------------------------------------------例2 不对称方阵MDS 分析--------------------------------------------------------------------------例3 从数据中创建距离对称矩阵MDS-----------------------------------------------------------例4 个体差异模型MDS------------------------------------------------------------------------------例6 5多维量表分析的运算原理 对定量MDS 而言，输入的距离矩阵()rs n n D d ?=是欧氏距离，如果能在某个P 维空间上 找到坐标点，是其点间的距离2' ()()rs r s r s d x x x x =--所形成的矩阵刚好等于D,即可求得 MDS 的最佳解。其求解是一个迭代过程，不在此细述。 6.拟合度的测量-------Stress 拟合的好坏的指标称为压力系数（stress 应力），系数越小拟合越好；所绘图与原数据

(完整版)SPSS测量问卷信效度分析(最新整理)

测量问卷信效度分析 信度和效度分析是问卷分析的第一步，也是检验该问卷是否合格的标准之一，所以，我们在做问卷调查的时候第一步就要进行信度和效度的分析，才能确保我们的问卷有意义。 信度（Reliability）即可靠性，是指使用相同指标或测量工具重复测量相同事物时，得到相同结果的一致性程度。一个好的测量工具，对同一事物反复多次测量，其结果应该始终保持不变才可信。例如，我们用一把尺子测量一张桌子的高度，今天测量得高度与明天测量的高度不同，那么我们就会对这把尺子产生怀疑。因此，一张设计合理的调查问卷应该具有它的可靠性和稳定性。 目前最常用的是Alpha信度系数，一般情况下我们主要考虑量表的内在信度——项目之间是否具有较高的内在一致性。通常认为，信度系数应该在0～1之间，如果量表的信度系数在0.9以上，表示量表的信度很好；如果量表的信度系数在0.8～0.9之间，表示量表的信度可以接受；如果量表的信度系数在0.7～0.8之间，表示量表有些项目需要修订；如果量表的信度系数在0.7以下，表示量表有些项目需要抛弃。 信度分析是：“分析”——“度量”——“可靠性分析”，把所有主观题选到：“项目”中，确定即可,得出总的信度。把统一维度的题目选中，得出先关维度的信度。 具体步骤：分析——度量——可靠性分析 模型选择a，点击确定即可。 结果分析： 分析各个维度和总量的信度后，将它们列出一个表格，其中每个维度的a信度系数都大于0.7，说明该量表信度较好，符合问卷调查。

效度（Validity）即有效性，是衡量综合评价体系是否能够准确反映评价目的和要求。是指测量工具能够测出其所要测量的特征的正确性程度。效度越高，即表示测量结果越能显示其所 要测量的特征，反之，则效度越低。常用于调查问卷效度分析的方法主要有以下几种。1、单项与总和相关效度分析 这种方法用于测量量表的内容效度。内容效度又称表面效度或逻辑效度，它是指所设计的题项能否代表所要测量的内容或主题。对内容效度常采用逻辑分析与统计分析相结合的方法进行评价。逻辑分析一般由研究者或专家评判所选题项是否“看上去”符合测量的目的和要求。统计分析主要采用单项与总和相关分析法获得评价结果，即计算每个题项得分与题项总分的相关系数，根据相关是否显著判断是否有效。若量表中有反意题项，应将其逆向处理后再计算总分。 2、准则效度分析 准则效度又称为效标效度或预测效度。准则效度分析是根据已经得到确定的某种理论，选择一种指标或测量工具作为准则（效标），分析问卷题项与准则的联系，若二者相关显著，或者问卷题项对准则的不同取值、特性表现出显著差异，则为有效的题项。评价准则效度的方法是相关分析或差异显著性检验。在调查问卷的效度分析中，选择一个合适的准则往往十分困难，使这种方法的应用受到一定限制。 3、结构效度分析 结构效度是指测量结果体现出来的某种结构与测值之间的对应程度。结构效度分析所采用的方法是因子分析。有的学者认为，效度分析最理想的方法是利用因子分析测量量表或整个问卷的结构效度。因子分析的主要功能是从量表全部变量（题项）中提取一些公因子，各公因子分别与某一群特定变量高度关联，这些公因子即代表了量表的基本结构。通过因子分析可以考察问卷是否能够测量出研究者设计问卷时假设的某种结构。在因子分析的结果中，用于评价结构效度的主要指标有累积贡献率、共同度和因子负荷。累积贡献率反映公因子对量表或问卷的累积有效程度，共同度反映由公因子解释原变量的有效程度，因子负荷反映原变量与某个公因子的相关程度。在结束本文时应再次强调，为了提高调查问卷的质量，进而提高整个研究的价值，问卷的信度和效度分析绝非赘疣蛇足，而是研究过程中必不可少的重要环节。 其中因子分析是：分析——降维——因子分析，把所有主观题选到：“项目”中，点击描述，选择KMO和Bartlett’s检验。点击旋转，选择最大方差法。点击选项，按大小排序。其中，KMO值大于0.7，说明问卷的结构效度良好。 具体步骤： “分析”——“降维”——“因子分析”

SPSS学习系列14. 量表的初步处理

14. 量表的初步处理 一、量表层面加总 调查问卷通常是针对某个考察因素设置几个子问题，这些具有共同属性的题项需要先做加总处理，以便后续进行相关的统计分析。 例如，如下的“知识管理”量表： 题“a1-a6”，都属于“知识获取”层面，即 “a1-a6”加总= “知识获取” 题“a7-a10”都属于“知识流通”层面； “知识获取”+“知识流通”再加总到“知识管理”层面。 数据文件为：

“知识获取”层面的加总 【转换】——【计算变量】，打开“计算变量”窗口，【目标变量】框输入“知识获取”，【数字表达式】框输入“SUM(a1 TO a6)”，点【确定】 注意：“SUM(a1 TO a6)”是“SUM(a1,a2,a3,a4,a5,a6)”的简写，需要变量规律化命名。 类似地操作，再对“知识流通”层面加总，“知识管理”量表加总。得到

二、层面的平均得分 层面的平均得分，即“层面总分”除以“层面题数”，能反映出该层面的平均程度。例如，“工作满意”层面，1-5分别代表“非常同意、同意、不知道、不同意、非常不同意”，若该层面平均得分为4.30，则表示平均具有较高的工作满意度。 【转换】——【计算变量】，目标变量输入“获取平均”，数字表达式输入“知识获取/6”； 类似地，“流通平均”=“知识流通/4”； “知识管理平均”=“知识管理/10”。

得到运行结果：

三、量表的描述统计 【分析】——【描述统计】——【描述】，打开“描述性”窗口，将变量“知识获取、知识流通、知识管理、获取平均、流通平均、知识管理平均”选入【变量】框， 【选项】，（默认）勾选“均值、标准差、最小值、最大值”，点【确定】，得到 注：层面加总的均值无参考意义，层面平均的“获取平均”的均值为3.0000，流通平均的均值为3.4182，说明两个层面的“同意程度”是有差异的，该差异是否在统计学有显著意义？则需要做【分析】——【比较均值】——【配对样本T检验】。

利用SPSS做数据分析报告

【本文中采用SPSS18】 首先，要把问卷中的答案都输进SPSS中，强烈建议直接在SPSS中输入，不要在EXCEL 中输入，再导入SPSS，这样可能会出问题……在输数据之前先要到变量视图中定义变量……如下图 所有类型都是数值，宽度默认，小数点看个人喜好，标签自定，其他默认……除了值……讲讲值的设定…… 点一下有三点的蓝色小框框……会跳出一个对话框，如果你的变量是性别，学历，那么就如下图

如果是五点维度的量表，那么就是 记住，每一题都是一个变量，可以取名Q1，Q2……设定好所有问卷上有的变量之后，就可以到数据视图中输入数据啦……如下图

都输完后……还有要做的就是计算你的每个维度的平均得分……如果你的问卷Q1-Q8是一个维度，那么就把Q1-Q8的得分加起来除以题目数8……那么得到的维度1分数会显示在数据视图中的最后……具体操作如下…… 转换——计算变量

点确定，就会在数据视图的最后一列出现计算后的变量……如果你的满意度有3个维度，那么就要计算3个维度，外加满意度这个总维度，满意度=3个维度的平均分=满意度量表的所有题目的平均分…………把你所有的维度变量都计算好之后就可以分析数据啦……1.描述性统计

将你要统计的变量都放到变量栏中，直接点确定……

如果你要统计男女的人数比例，各个学历或者各个年级的比例，就要用描述统计中的频率……如果要统计男女中的年级分布，比如大一男的有几个，大二女的有几个，就用交叉表……不细说了……地球人都懂的………… 2.差异性分析 差异性分析主要做的就是人口学变量的差异影响，男女是否有差异，年级是否有差异，不做的就跳过…… 对于性别来说，差异分析采用独立样本T检验，也可以采用单因素ANOVA分析，下面以T检验为例……

问卷调查设计spss

4.3问卷调查 4.3.1问卷设计的原则 为了使用户访谈获得所需要的数据，保证数据的准确性和一致性，以及所得到的数据能够有效地被处理和分析，本次调查问卷的设计遵循一下基本原则：（1）问卷必须准确反映模型变量的含义 用户培训满意度调查问卷是测评模型的具体化。在设计问卷的过程中，必须淮确把握测评模型中各个变量的含义，并据此提出相关的调查问卷题项。只有这样，调查结果才有可能比较准确地反映测评模型拟达到的目标。在这一点上，应特别注意如何把相对抽象的观测变量准确地转换成问卷题项。 （2）问题必须易于用户理解 用户培训指数所调查和测评的内容主要是用户对公司提供的培训服务质量问题的主观评价，即用户对这些问题的感知和态度。对于用户感知和态度的调查和测评涉及到经济学、心理学、统计学、消费行为学等多方面的知识，其难度远远高于传统意义上对技术指标的调查。如何通过调查问卷的设计，将复杂的、抽象的调查内容和指标转化为容易使被调查者理解并做出准确回答的具体问题，这是调查问卷设计环节的核心问题，也是保证用户培训满意度调查质量的关键。 （3）问题排列次序要有利于回答 合理的问题排列次序对用户准确地回答问题也是重要的。合理的排列次序包括两个方面，一是指哪些问题应该先问，哪些问题应该后问；二是指哪些问题应该连续问，哪些问题应该分开问。一般情况下，用户愿意回答的问题应该放在前面，用户不愿意问答的问题应该放在后面；用户容易回答的问题应该放在前面，用户不容易回答的问题放在后面；在模型因果关系中，原因的问题应该放在前面，结果的问题应该放在后向。至于问题应该连续提问还是分开提问，主要取决于问题之间的逻辑关系，也包括思维的连续性。按照结构变量的逻辑关系排列问题，有助于被访问用户一步一步作答；将结构变量所包含的观测变量问题放在一起，能够使被访问用户较少地产生时空的跳跃，准确地回答问题。 （4）调查问卷应该加入人口统计问题 在用户培训指数的调查问卷中，除了要对测评模型中的所有观测变量设计访谈问题，还应有必要的人口统计问题，如被访问者的年龄、学历、组织性质、组织规模和组织行业等。这是因为在对用户培训满意指数进行分析时，这些人口统计数据将帮助提供详细的分析结论。 （5）尽量采用便于数据处理的封闭式问题 开放式问题更适合探索性研究，而非判断性研究。用户培训满意指数的调查与分析总体上说是判断性研究，用户培训满意度指数的调查范围很大，数据处理

利用SPSS对五点式量表进行差异性分析

v1.0可编辑可修改利用SPSS寸五点式量表进行差异性分析（两个变项）

町* E 粧山』'L 峠：氐間护P) JJ 各日g.tL 居和出 ：' 田口 TM 習第」?：」雋即I 删程式 1:U 1 鯉 biK+4J5r.*'^> ?| 中卑擞世0 ftl * 沾 -岷疋址事玛JU * 116 317 *11 ? 19 ui24 曲 :g 渤 3 la R 丁任疋山 1 J 12 i 5 1 flsnxaj 戍为搏*:極生0. J i d 4 巧 、 J ■1 J ?1 41 4 2 2 o ] 】L 2 1 d 护陨评件(2) ■ 1 & 5 5 ( 3 色 2 ? 2 J 4 $ J IO 1 5 L 1 d ? ? ■1 3 2 5 $ 2 2 \ x : 3 i J 2 2 S J J 4 njt ] II 1 1 1 ■ 2 1 2 1 L * > X A q d 4 』 g 2 2 * 5 如 J 11 1 r 1 Brtfipt 列 G ? 4 4 4 斗 < i t \ 、： a A 4 d i d 3 6 do & ] 山 1 j 2 t 4 4 3 2 2 1 5 % u a 4 4 4 4 2 i 10? 11 4 4 < .1A d 7 1 2 5 1 齿咽址廿03 4 4 4- 4 1 5 i ￡ ]L? ] 11] 2 JI 2 3 2 3 3 5 4 3 5 i 5 i 卜卜检苹+ 勺魏沖 4 5 ? 曲 1 1.2 : J 2 5 3 J 3 4 3 & 5 & 1 i 4 & 110 j L 2 ￡ 5 5 土 i J ￡ 1 1(* 1 1 1 1 7 5 力中\/化匕/k 临缶 11 111 1 11 1 r J j 1 3 2 2 3 i J < J J J % -j 4 i 11 L ： ] 11 . i 1 1 3 2 5 4 4 4 J 2 1 L ： 厂 a 茁 J 4 4 B iu ] 1 1 j 1 1 1 3 5 L L 4 扌 4 4 i i Q 4 a a A J 4 4 4 < 14 叮& ] B 1 i 1 1 L 2 2 4 2 4 4 3 3 3 4 扌 4 4 d 4 』 i 15 115 1 1J 2 3 2 1 1 2 3 4 2 4 3 & i i i 圍 4 3 J 4 < 百 4 4 16 11* 1 |l) 1 3： 9 1 2 7 4 j 4 4 3 4 1 i 片 4 4 a 4 4 4 4 4 i 17 117 1 11 2 j 2 j 1 3 2 ■ 1 4 4 4； 3 2 2 t ! 4 打 3 n J 4 百 4 百 5 ~~1? l]t ] II 4 1 J 4 2 4 3 J # 4 2 2 4 1 4 3 黄 4 4 4 4 4 卡 1? 119 1 11 1 1 1 1 L 2 j 2 5 4 i S & 4 ￡ S 4 r ■1 ■1 i S 4 J 20 1 9 a J 斗 1 J J i J 2 4 3 J 、 J J J 讥 4 4 贯 2 J J 3 :- * 21 血 2 & i L a J 2 L 2 二 4 J 1 1 2 I Q : 电 J i 2 1 2 5 4 i 22 w? 2 7 1 J 1 1. 1 3 3 L 1 4 5 5 3 2 i i 3 5 j 1 ■1 4 3 5 5 2 2 12 L 1 2 1 3 3 3 2 J 5 3 1 4 J 5 5 ? 4 J .1 4 5 J 4 ■A 丄 .| 菊逗册晦.-￡离 ww SEPUMimi ITffh* 1 1』曲M 竺；'0 召?』￡ 15下平网「 -r Grt* 1 瀰訂丁丁甘児 lg: I. Q 二 H >

SPSS调查问卷的数据分析

SPSS调查问卷的数据分析 调查分析问卷回收，在经过核实和清理后就要用SPSS做数据分析，首先的第一步就是把问题编码录入。 SPSS的问卷分析中一份问卷是一个案，首先要根据问卷问题的不同定义变量。定义变量值得注意的两点：一区分变量的度量，Measure 的值，其中Scale是定量、Ordinal是定序、Nominal是指定类；二注意定义不同的数据类型Type。 各色各样的问卷题目的类型大致可以分为单选、多选、排序、开放题目四种类型，他们的变量的定义和处理的方法各有不同，我们详细举例介绍如下： 1 、单选题：答案只能有一个选项 例一当前贵组织机构是否设有面向组织的职业生涯规划系统？ A有 B 正在开创C没有D曾经有过但已中断 编码：只定义一个变量，Value值1、2、3、4分别代表A、B、C、D 四个选项。 录入：录入选项对应值，如选C则录入3 2 、多选题：答案可以有多个选项，其中又有项数不定多选和项数定多选。 （1）方法一（二分法）： 例二贵处的职业生涯规划系统工作涵盖哪些组群？画钩时请把所有提示考虑在内。

A月薪员工B日薪员工C钟点工 编码：把每一个相应选项定义为一个变量，每一个变量Value值均如下定义：“0”未选，“1”选。 录入：被调查者选了的选项录入1、没选录入0，如选择被调查者选AC，则三个变量分别录入为1、0、1。 （2）方法二： 例三你认为开展保持党员先进性教育活动的最重要的目标是那三项： 1（） 2 （）3（） A、提高党员素质 B、加强基层组织 C、坚持发扬民主 D、激发创业热情 E、服务人民群众 F、促进各项工作 编码：定义三个变量分别代表题目中的1、2、3三个括号，三个变量Value值均同样的以对应的选项定义，即：“1” A，“2” B，“3” C，“4” D，“5” E，“6” F 录入：录入的数值1、2、3、4、5、6分别代表选项ABCDEF，相应录入到每个括号对应的变量下。如被调查者三个括号分别选ACF，则在三个变量下分别录入1、3、6。 [注：能用方法二编码的多选题也能用方法编码，但是项数不定的多选只能用二分法，即方法一是多选题一般处理方法。］ 3 、排序题：对选项重要性进行排序 例四您购买商品时在①品牌②流行③质量④实用⑤价格中对它们的关注程度先后顺序是（请填代号重新排列）

在SPSS中问卷信度分析

在SPSS中，专门用来进行测验信度分析的模块为Scale下的Reliability Analysis 一、信度分析 Reliability Analysis模块主要功能是检验测验的信度，主要用来检验折半信度、库李及a系数以及Hoyt信度系数值。至于重测信度和复本信度，只需将样本在二次（份）测验的分数的数据合并到同一数据文件之后，利用Correlate 之下的Bivariate求其相关系数，即为重测或复本信度； 一、概念 信度是指根据测验工具所得到的结果的一致性或稳定性，反映被测特征真实程度的指标。一般而言，两次或两个测验的结果愈是一致，则误差愈小，所得的信度愈高，它具有以下特性 信度是指测验所得到结果的一致性或稳定性，而非测验或量表本身； 信度值是指在某一特定类型下的一致性，非泛指一般的一致性，信度系数会因不同时间、不同受试者或不同评分者而出现不同的结果； 信度是效度的必要条件，非充分条件。信度低效度一定低，但信度高未必表示效度也高 信度检验完全依赖于统计方法。 信度可分为：内在信度：对一组问题是否测量同一个概念，同时组成量表题项的内在一致性程度如何；常用的检测方法是Cronbach’s alpha系数。外在信度：对相同的测试者在不同时间测得的结果是否一致，再测信度是外在信度最常用的检验法 二、信度指标 1. 用信度系数来表示信度的大小。信度系数越大，表明测量的可信程度越大。究竟信度系数要多少才算有高的信度。学者DeVellis(1991)认为， 0.60～0.65（最好不要）；0.65～0.70（最小可接受值）；0.70～0.80（相当好）； 0.80～0.90（非常好）。由此，一份信度系数好的量表或问卷，最好在0.80 以上，0.70至0.80之间还算是可以接受的范围；分量表最好在0.70以上，0.60至0.70之间可以接受。若分量表的内部一致性系数在0.60以下或者总量表的信度系数在0.80以下，应考虑重新修订量表或增删题项。 2. 信度指标多以相关系数来表示：大致可分为三类：稳定系数（跨时间的一致性）、等值系数（跨形式的一致性）和内在一致性系数（跨项目的一致性）

SPSS教程2： 利用SPSS进行量表分析

SPSS教程2：利用SPSS进行量表分析 2006-9-5 18:40:12信息来源：生物谷 SPSS教程2：利用SPSS进行量表分析 https://www.wendangku.net/doc/8d12757576.html, 生物谷网站 本节将介绍利用SPSS软件对量表进行处理分析。 在获取原始数据后，我们利用SPSS对量表可以作出三种分析，即项目分析、因素分析和信度分析。 项目分析，目的是找出未达显著水准的题项并把它删除。它是通过将获得的原始数据求出量表中题项的临界比率值——CR值来作出判断。通常，量表的制作是要经过专家的设计与审查，因此，题项一般均具有鉴别度，能够鉴别不同受试者的反应程度。故往往在量表处理中可以省去这一步。 因素分析，目的是在多变量系统中，把多个很难解释，而彼此有关的变量，转化成少数有概念化意义而彼此独立性大的因素，从而分析多个因素的关系。在具体应用时，大多数采用“主成份因素分析” 法，它是因素分析中最常使用的方法。 信度分析，目的是对量表的可靠性与有效性进行检验。如果一个量表的信度愈高，代表量表愈稳定。 也就表示受试者在不同时间测量得分的一致性，因而又称“稳定系数”。根据不同专家的观点，量表的信度系数如果在0.9以上，表示量表的信度甚佳。但是对于可接受的最小信度系数值是多少，许多专家的看法也不一致，有些专家定为0.8以上，也有的专家定位0.7以上。通常认为，如果研究者编制 的量表的信度过低，如在0.6以下，应以重新编制较为适宜。 在本节中，主要介绍利用SPSS软件对量表进行因素分析。 一、因素分析基本原理 因素分析是通过求出量表的“结构效度”来对量表中因素关系作出判断。在多变量关系中，变量间线性组合对表现或解释每个层面变异数非常有用，主成份分析主要目的即在此。变量的第一个线性组合可以解释最大的变异量，排除前述层次，第二个线性组合可以解释次大的变异量，最后一个成份所能解释总变异量的部份会较少。 主成份数据分析中，以较少成份解释原始变量变异量较大部份。成份变异量通常用“特征值”表示，有时也称“特性本质”或“潜在本质”。因素分析是一种潜在结构分析法，其模式

spss问卷处理方法

s p s s问卷处理方法https://www.wendangku.net/doc/8d12757576.html,work Information Technology Company.2020YEAR

论文中要用到的SPSS基础分析……给大家讲一下……不会SPSS的伤不起！！！……(转)作者：林彬 大家现在都要写论文的数据分析了……很多同学都一点不会……所以把我知道的跟大家分享一下……下面以PASW18.0为例，也就是SPSS18.0…………什么？不是18.0，好吧……差不多的，凑合着看吧……要不去装个……= =……下面图片看不清的请右键查看图片…… 首先，要把问卷中的答案都输进SPSS中，强烈建议直接在SPSS中输入，不要在EXCEL中输入，再导入SPSS，这样可能会出问题……在输数据之前先要到变量视图中定义变量……如下图 所有类型都是数值，宽度默认，小数点看个人喜好，标签自定，其他默认……除了值…… 讲讲值的设定…… 点一下有三点的蓝色小框框……会跳出一个对话框，如果你的变量是性别，学历，那么就如下图

如果是五点维度的量表，那么就是

记住，每一题都是一个变量，可以取名Q1，Q2……设定好所有问卷上有的变量之后，就可以到数据视图中输入数据啦……如下图 都输完后……还有要做的就是计算你的每个维度的平均得分……如果你的问卷Q1-Q8是一个维度，那么就把Q1-Q8的得分加起来除以题目数8……那么得到的维度1分数会显示在数据视图中的最后……具体操作如下…… 转换——计算变量

点确定，就会在数据视图的最后一列出现计算后的变量……如果你的满意度有3个维度，那么就要计算3个维度，外加满意度这个总维度，满意度=3个维度的平均分=满意度量表的所有题目的平均分…………把你所有的维度变量都计算好之后就可以分析数据啦…… 1.描述性统计

利用SPSS软件对量表进行因素分析

本节将介绍利用SPSS软件对量表进行处理分析。 在获取原始数据后，我们利用SPSS对量表可以作出三种分析，即项目分析、因素分析和信度分析。 项目分析，目的是找出未达显著水准的题项并把它删除。它是通过将获得的原始数据求出量表中题项的 临界比率值——CR值来作出判断。通常，量表的制作是要经过专家的设计与审查，因此，题项一般均 具有鉴别度，能够鉴别不同受试者的反应程度。故往往在量表处理中可以省去这一步。 因素分析，目的是在多变量系统中，把多个很难解释，而彼此有关的变量，转化成少数有概念化意义而 彼此独立性大的因素，从而分析多个因素的关系。在具体应用时，大多数采用“主成份因素分析”法，它 是因素分析中最常使用的方法。 信度分析，目的是对量表的可靠性与有效性进行检验。如果一个量表的信度愈高，代表量表愈稳定。也 就表示受试者在不同时间测量得分的一致性，因而又称“稳定系数”。根据不同专家的观点，量表的信度 系数如果在0.9以上，表示量表的信度甚佳。但是对于可接受的最小信度系数值是多少，许多专家的看 法也不一致，有些专家定为0.8以上，也有的专家定位0.7以上。通常认为，如果研究者编制的量表的 信度过低，如在0.6以下，应以重新编制较为适宜。 在本节中，主要介绍利用SPSS软件对量表进行因素分析。 一、因素分析基本原理 因素分析是通过求出量表的“结构效度”来对量表中因素关系作出判断。在多变量关系中，变量间线性组合对表现或解释每个层面变异数非常有用，主成份分析主要目的即在此。变量的第一个线性组合可以解释最大的变异量，排除前述层次，第二个线性组合可以解释次大的变异量，最后一个成份所能解释总变异量的部份会较少。 主成份数据分析中，以较少成份解释原始变量变异量较大部份。成份变异量通常用“特征值”表示，有时也称“特性本质”或“潜在本质”。因素分析是一种潜在结构分析法，其模式 理论中，假定每个指针（外在变量或称题项）均由两部分所构成，一为“共同因素”、一为“唯一因素”。共同因素的数目会比指针数（原始变量数）还少，而每个指针或原始变量皆有一个唯一因素，亦即一份量表共有n个题项数，则会有n个唯一因素。唯一因素性质有两个假定： （1）所有的唯一因素彼此间没有相关； （2）所有的唯一因素与所有的共同因素间也没有相关。 至于所有共同因素间彼此的关系，可能有相关或可能皆没有相关。在直交转轴状态下，

SPSS进行量表分析

利用SPSS进行量表分析 2006-9-5 18:40:12 信息来源：生物谷 SPSS教程2：利用SPSS进行量表分析 https://www.wendangku.net/doc/8d12757576.html,生物谷网站 本节将介绍利用SPSS软件对量表进行处理分析。 在获取原始数据后，我们利用SPSS对量表可以作出三种分析，即项目分析、因素分析和信度分析。 项目分析，目的是找出未达显著水准的题项并把它删除。它是通过将获得 的原始数据求出量表中题项的临界比率值——CR值来作出判断。通常，量 表的制作是要经过专家的设计与审查，因此，题项一般均具有鉴别度，能够 鉴别不同受试者的反应程度。故往往在量表处理中可以省去这一步。 因素分析，目的是在多变量系统中，把多个很难解释，而彼此有关的变量，转化成少数有概念化意义而彼此独立性大的因素，从而分析多个因素的关 系。在具体应用时，大多数采用“主成份因素分析”法，它是因素分析中最 常使用的方法。 信度分析，目的是对量表的可靠性与有效性进行检验。如果一个量表的信 度愈高，代表量表愈稳定。也就表示受试者在不同时间测量得分的一致性，因而又称“稳定系数”。根据不同专家的观点，量表的信度系数如果在0.9 以上，表示量表的信度甚佳。但是对于可接受的最小信度系数值是多少， 许多专家的看法也不一致，有些专家定为0.8以上，也有的专家定位0.7以上。通常认为，如果研究者编制的量表的信度过低，如在0.6以下，应以 重新编制较为适宜。 在本节中，主要介绍利用SPSS软件对量表进行因素分析。 一、因素分析基本原理 因素分析是通过求出量表的“结构效度”来对量表中因素关系作出判断。在多变量关系中，变量间线性组合对表现或解释每个层面变异数非常有用，主成份分析主要目的即在此。变量的第一个线性组合可以解释最大的变异量，排除前述层次，第二个线性组合可以解释次大的变异量，最后一个成份所能解释总变异量的部份会较少。 主成份数据分析中，以较少成份解释原始变量变异量较大部份。成份变异量通常用“特征值”表示，有时也称“特性本质”或“ 潜在本质”。因素分析是一种潜在结构分析法，其模式理论中，假定每个指针（外在变量或称题项）均由两部分所构成，一为“共同因素”、一为“唯一因素”。共同因素的数目会比指针数（原始变量数）还少，而每个指针或原始变量皆有一个唯一因素，亦即一

如何使用spss进行问卷效度和信度分析

如何使用spss软件进行效度和信度分析 如果一个问卷设计出来无法有效地考察问卷中所涉及的各个因素，那么我们为调查问卷所作的抽样、调查、分析、结论等一系列的工作也就白做了。那么，我们如何来检验设计好的调查问卷是否有效呢？信度分析是评价调查问卷是否具有稳定性和可靠性的有效的分析方法。 二、信度分析的提出及分析方法 信度，又叫可靠性，是指问卷的可信程度。它主要表现检验结果的一贯性、一致性、再现性和稳定性。一个好的测量工具，对同一事物反复多次测量，其结果应该始终保持不变才可信[1]。例如，我们用一把尺子测量一张桌子的高度，今天测量得高度与明天测量的高度不同，那么我们就会对这把尺子产生怀疑。因此，一张设计合理的调查问卷应该具有它的可靠性和稳定性。 调查问卷的评价体系是以量表形式来体现的，编制的合理性决定着评价结果的可用性和可信性。问卷的信度分析包括内在信度分析和外在信度分析。内在信度重在考察一组评价项目是否测量同一个概念，这些项目之间是否具有较高的内在一致性。一致性程度越高，评价项目就越有意义，其评价结果的可信度就越强。外在信度是指在不同时间对同批被调查者实施重复调查时，评价结果是否具有一致性。如果两次评价结果相关性较强，说明项目的概念和内容是清晰的，因而评价的结果是可信的。信度分析的方法有多种，有Alpha信度和分半信度等，都是通过不同的方法来计算信度系数，再对信度系数进行分析[2]。 目前最常用的是Alpha信度系数法，一般情况下我们主要考虑量表的内在信度——项目之间是否具有较高的内在一致性。通常认为，信度系数应该在0～1之间，如果量表的信度系数在0.9以上，表示量表的信度很好；如果量表的信度系数在0.8～0.9之间，表示量表的信度可以接受；如果量表的信度系数在0.7～0.8之间，表示量表有些项目需要修订；如果量表的信度系数在0.7以下，表示量表有些项目需要抛弃。我们可以通过目前比较流行的SPSS软件对调查问卷进行信度分析，这样我们就可以判断一个调查问卷是否具有稳定性和可靠性。 三、利用SPSS软件进行信度分析 下面就以兵团广播电视大学“人才培养模式改革和开放教育试点”毕业生追踪调查[3]中《电大教学效果评价》（毕业生用）这一调查量表进行分析。量表见下图。 （一）对量表进行纬度划分，将量表分为知识、能力、业绩三个纬度。其中，第1～4题划分到知识纬度，第5～12题划分到能力纬度；第13～15题划分到业绩纬度。通过每一纬度的Alpha系数来考察每一项得分间的一致性。 1、打开SPSS软件，调入930条记录的数据文件，进入SPSS主界面。 2、在知识纬度中，对项目（1）专业知识的掌握；（2）所学知识与工作岗位的实际需要；（3）知识面的拓宽；（4）专业水平的提高；进行内部一致性分析。 ①单击“分析”菜单中的“尺度分析”，再在“尺度分析”的子菜单中点击“可靠性”分析，打开“可靠性分析”的主对话框。 ②在左侧的源变量框中选择上述四个项目所对应的变量c1，c2，c3，c4加入到对话框右边的“项目”中，作为分析变量，再在对话框下面的“模型”中选择“Alpha”，进行Alpha 信度分析。 ③点击对话框中的“统计量”按钮，打开相应的对话框，选择要输出的统计量、变量描述、方差分析，总结等。在这个例题中为了看的清楚，我们用默认方式，即只输出样本个数、项目个数和信度系数。 ④点击“继续”按钮，回到“可靠性分析”的主对话框，勾选“列出项目标签”，再单击“确