精华内容
下载资源
问答
  • SPSS分析
    千次阅读
    2022-06-15 17:39:59

    判别分析是在分组已知的情况下,根据已经确定分类的对象的某些观测指标和所属类别来判断未知对象所属类别的一种统计学方法。
    下面我们主要从下面四个方面来解说:
     

    • 实际应用
    • 理论思想
    • 建立模型
       
    • 分析结果


     

    一、实际应用


    判别分析最初应用于考古学, 例如要根据挖掘出来的人头盖骨的各种指标来判别其性别年龄等.。慢慢的成为一种常用的分类分析方法,其通过已知的分类情况,根据数据的特征对其他研究对象进行预测归类。

    在实际生活中,判别分析也被广泛用于预测事物的类别归属。


     

    企业营销中,营销人员可通过已有的客户特征数据(如消费金额、消费频次、购物时长、购买产品种类等),预测当前的消费者属于哪种类型的顾客(款式偏好型、偏重质量型、价格敏感型...),并根据其特点有针对性的采取有效的营销手段。或是根据各成分含量指标,判断白酒的品牌或水果的产地等。


    除此以外,判别分析还可与聚类分析结合使用。比如,银行的贷款部门想要在发放贷款之前,可通过此方法判断申请人是否具有良好的信用风险。



     

    二、理论思想

    判别分析首先需要对研究的对象进行分类,然后选择若干对观测对象能够较全面描述的变量,接着按照一定的判别标准建立一个或多个判别函数,使用研究对象的大量资料确定判别函数中的待定系数来计算判别指标。对一个未确定类别的个案只要将其代入判别函数就可以判断它属于哪一类总体。


     

    常用的判别分析方法有距离判别法、费舍尔判别法和贝叶斯判别法。


     

    费舍尔判别法:

    费舍尔判别法利用投影的方法使多维问题简化为一维问题来处理。其通过建立线性判别函数计算出各个观测量在各典型变量维度上的坐标并得出样本距离各个类中心的距离,以此作为分类依据。


     

    贝叶斯判别法:

    贝叶斯判别法通过计算待判定样品属于每个总体的条件概率并将样本归为条件概率最大的组。其主要思想如下:首先利用样本所属分类的先验概率通过贝叶斯法则求出样本所属分类后验概率,并依据该后验概率分布作出统计推断。


     

    距离判别法:

    距离判别思想是根据各样品与各母体之间的距离远近作出判别的。其通过建立关于各母体的距离判别函数式,得出各样品与各母体之间的距离值,判别样品属于距离值最小的那个母体。


     




     

    三、建立模型


     

    一般判别分析法的思路:

    • 首先建立判别函数;
    • 然后通过已知所属分类的观测量确定判别函数中的待定系数;
    • 最后通过该判别函数对未知分类的观测量进行归类。


    逐步判别分析法的思路:逐步判别分析分为两步

    • 首先根据自变量和因变量的相关性对自变量进行筛选,
    • 然后使用选定的变量进行判别分析。

    逐步判别分析是在判别分析的基础上采用有进有出的办法,把判别能力强的变量引入判别式的同时,将判别能力最差的变量别除。最终在判别式中只保留数量不多而判别能力强的变量。


    数据条件:

    • 用户使用的分组变量必须含有有限数目的不同类别,且编码为整数。名义自变量必须被重新编码为哑元变量或对比变量。
    • 个案独立的
    • 预测变量应有多变量正态分布,组内方差-协方差矩阵在组中应等同。
    • 组成员身份假设为互斥的(不存在属于多个组的个案),且全体为穷举的(所有个案均是组成员)。如果组成员身份为真正的分类变量时,则此过程最有效;如果组成员身份基于连续变量的值(如高智商与低智商),则用户需要考虑使用线性回归以利用由连续变量本身提供的更为丰富的信息。


    一般判别分析案例:
     

    题目:以下3种不同种类豇豆豆荚的质量、宽度和长度的统计表,每种类型都为20个样本,共60个样本。根据不同种类豇豆豆荚的特征,建立鉴别不同种类豇豆的判别方程。


    一、数据输入

    二、操作步骤1、进入SPSS,打开相关数据文件,选择分析”|“分类 ”|“判别式命令2选择进行判别分析的变量。在“判别分析”对话框的左侧列表框中,选择“类型”进入“分组变量”列表框。单击“定义范围”按钮,在“最小值”和“最大值”中分别输入1和3,单击“继续”按钮返回“判别分析”对话框。分别选择“质量”“宽度”“长度”3个变量进入“自变量”列表框,选中“使用步进法”单选按钮。

    3设置判别分析的统计输出结果。

    单击判别分析对话框中的统计按钮。在函数系数选项组中,选中费希尔未标准化复选框;在矩阵选项组中,选中组内协方差复选框。设置完毕后,单击继续按钮返回判别分析对话框。

    4、设置输出到数据编辑窗口的结果。单击保存按钮,选中预测组成员复选框。

    5、其余设置采用系统默认值即可。单击确定按钮,等待输出结果。





     

    四、结果分析



    1、组统计量表可以看出,每一种豇豆豆荚的质量、宽度和长度的均值和标准差,也可以知道总样本的均值和标准差。

    2、汇聚的组内矩阵表可以知道,各因素之间的协方差和相关系数。可以发现,各因素之间的相关性都较小,因此在判别方程中不需要剔除变量。


    3、输入和删除变量情况统计表可以知道,第一步纳入的变量是质量,到第三步所有变量全部纳入,且从显著性值均为0可以看出,逐步判别没有剔除变量。

    4、典型判别方程的特征值可以知道,特征根数为2,其中第一个特征根为77.318,能够解释所有变异的89.4%

    5、判别方程的有效性检验可以看出,显著性均为0,因此两个典型方程的判别能力都是显著的。

    6、标准化的典型判别方程可以知道,本例中的两个标准化的典型判别方程表达式分别为:Y1=0.681*质量-0.674*宽度+0.612*长度Y2=0.363*质量+0.777*宽度+0.302*长度

    7、未标准化的典型判别方程可以知道,本例中的两个未标准化的典型判别方程表达式为:Y1=-11.528+0.210*质量-1.950*宽度+0.186*长度Y2=-15.935+0.112*质量+2.246*宽度+0.092*长度

    8、贝叶斯的费希尔线性判别方程可以得到3个分类方程。在这里我们只写出第一个分类方程。Y1=-90.708+2.557*质量+18.166*宽度+1.922*长度9、判别分析在数据编辑窗口的输出结果新产生的变量记录是每一样品的判别分类结果,可以看出,样品判别分类结果与实际类别是一致的。


    分析结论:
     

    通过判别分析可以知道,在本案例中,3种豇豆豆荚的样品判别分类结果与实际类别是一致的。另外,我们可以得到不同的判别方程,分别包括标准化的典型判别方程、未标准化的典型判别方程和贝叶斯的费希尔线性判别方程,方程的表达式见上面的结果分析。



     

    参考案例数据:
     

    1spss统计分析与行业应用案例详解(第四版杨维忠,张甜,王国平  清华大学出版社

    (获取更多知识,前往gz号程式解说)

    原文来自https://mp.weixin.qq.com/s/Yapg-5jwMK6cITG_FZsfVA

     

    更多相关内容
  • 在线分析处理Online Analytical ProcessingOLAP发展背景60年代关系数据库之父E.F.Codd提出了关系模型促进了联机事务处理(OLTP)的发展(数据以表格的形式而非文件方式存储)1993年E.F.Codd提出了OLAP概念认为OLTP已不能...
  • 关于男女大学生日常消费情况与差异的调研报告(附详细数据SPSS分析).pdf
  • 现在可以对SPSS分析资产轻松地进行修改,以便连接到不同的大数据来源,它们还可以在不同的部署模式(批处理或实时模式)下运行。SPSS平台的组件现在可与IBMNetezza、InfoSphere?BigInsights?和InfoSphereStreams结合...
  • 超详细的电影数据分析与利用SVD方法设计的推荐系统代码
  • 为了发展褐煤综合利用技术和优化利用方法,应用正交筛选实验设计与均匀实验设计方法对霍林河褐煤进行了热水干燥的实验研究,并对正交筛选实验设计与均匀实验设计的结果应用SPSS11.5软件进行分析.确定了影响霍林河褐煤...
  • 拉丁方设计的spss分析.pdf
  • 3-spss分析案例.pdf

    2019-08-24 11:09:00
    该案例集不仅适合SPSS初学者使用,也适合有一定基础的人员。可作为一本易学易练的必备参考书和教材使用,便于供相关专业本科生、研究生、... 本资源提供了图书里面的SPSS统计分析的案例,方便大家进行深入的学习交流。
  • SPSS分析上-大学生手机游戏使用情况报告.doc
  • SPSS分析.rar

    2020-04-28 08:22:18
    这是课程资源,有需要的可以学习,免费共享 ...2 利用SPSS软件对含有季节变动因素的时间序列数据进行季节解构,求出季节指数;3 利用Matlab软件对马尔可夫过程进行K步状态概率预测及终极状态概率预测。
  • 大数据时代的到来,各领域都需要处理大量的信息。SPSS 作为统计软件为高效的处理各种信息...本文主要用 SPSS 软件分析实时荧光定量数据。(以本人数据为例,每个月份包括三个个体「生物学重复」,每个个体又有三个技...

    大数据时代的到来,各领域都需要处理大量的信息。SPSS 作为统计软件为高效的处理各种信息提供了便利。作为一名非专业分析数据的学生,我认为无需将某软件的前因后果刨根问底,只要掌握最基本的使用过程足以。掌握了使用步骤,如果想再深入了解,在返回来看一些课程理论介绍,个人认为会轻松许多。

    本文主要用 SPSS 软件分析实时荧光定量数据。

    (以本人数据为例,每个月份包括三个个体「生物学重复」,每个个体又有三个技术重复)

    1首先对数据进行整理,如下格式

    2打开 SPSS 软件界面

    3单击左下角变量视图

    4填写内容与之前整理的数据表头顺序一致

    5填写完之后显示如下

    6然后单击左下角数据视图

    7将数据粘贴进去

    8分析

    9设定右侧模型

    设定前如下:

    设定后如下:

    10单击「继续」,设定右侧「两两比较」

    设定前页面如下:

    设定后页面如下:

    11单击「继续」,设定右侧「选项」

    设定前页面如下:

    设定后页面如下:

    单击继续,设置完毕,查看分析结果。

    今天就先介绍到这里啦,没有说清楚的地方希望大家留言交流。你的支持就是我最大的动力。

    更多统计知识

    SPSS 之两独立样本非参数检验

    SPSS 重复测量的多因素方差分析

    SPSS 多相关样本的非参数检验

    作者:文静

    展开全文
  • 本次分析的数据为某公司474名职工状况统计表,其中共包含...通过运用spss统计软件,对变量进行频数分析、描述性统计、方差分析、相关分析、以了解该公司职工上述方面的综合状况,并分析个变量的分布特点及相互间的关系
  • SPSS分析

    2015-08-18 22:37:35
    SPSS学习笔记
  • 零基础快速学会用spss分析问卷

    千次阅读 2020-06-02 23:49:09
    打开spss,进入分析->降维->因子。 选择巴特利特球形度检验,一般在0.7以上才能进行分析。 提取部分,如果要分析的话可以选择碎石图帮助判断。默认是特征值大于1的作为因子。 进行旋转。 然后得到输出结果...

    导入问卷

    用问卷星制作并收集问卷。选择导入spss。注意:必须为量表格式。
    在这里插入图片描述

    项目区分度分析

    方法:
    在这里插入图片描述
    首先将总分项进行排序,用计算器计算出前27%与后27%的人数,再建立分组变量。将高分组命名为1,低分组命名为2。(填充方法就是excel式填充)
    在这里插入图片描述
    选择如下的独立样本T检验。
    在这里插入图片描述
    在这里插入图片描述
    分析选择的题项:分析方法如图。
    去掉相关性较弱的题项。
    在这里插入图片描述

    效度分析

    探索性因子分析为主。(结构效度的一种)
    打开spss,进入分析->降维->因子。
    在这里插入图片描述
    在这里插入图片描述
    选择巴特利特球形度检验,一般在0.7以上才能进行分析。
    在这里插入图片描述
    提取部分,如果要分析的话可以选择碎石图帮助判断。默认是特征值大于1的作为因子。
    在这里插入图片描述
    进行旋转。
    然后得到输出结果:
    由图可见,存在多个因子。结合碎石图的走势选择较陡峭的几个因子作为分析对象,重新设置因子个数。
    在这里插入图片描述
    在这里插入图片描述
    由碎石图,这里抽取四个因子。
    在这里插入图片描述
    观察旋转后成分矩阵,值代表每个因子决定的负荷。去掉每个因子决定的负荷都<0.4的题项。
    在这里插入图片描述
    去掉不佳的题项后,将题项进行归类。
    对于单个题项而言,哪个因子负荷高就归在哪一类。
    得出结果:
    在这里插入图片描述
    对每个因子进行命名。

    信度分析

    一般采用α信度系数分析,即内部一致性系数。
    α信度系数一般针对各个维度内部的题项,α系数最好在0.8以上,0.7~0.8之间属于可以接受范围,而分量表的α信度系数希望在0.7以上, 0.6~0.7之间可以接受。如果α信度系数低于0.6则考虑修改量表。
    位置在:
    在这里插入图片描述

    展开全文
  • 如何用 SPSS 分析调节效应 用回归 用回归 回归也有两种方法来检验调节效应 看下面的两个方程 y 是因变量 x 是自变量 m 是调节变量 mx 是调节变量和自变量的交互项系数是 a b c c'检验两个方程的 R方该变量如果该变量...
  • 利用SPSS分析调查问卷数据.ppt
  • 毕业大半年了,现在还清晰的记得当时毕业论文不会用SPSS的痛苦,每天挣扎把度娘、知乎、知网、优酷、某宝等各大网站都逛了个遍,依然没有找到用SPSS完整的分析一份问卷的流程,几乎都是零零散散的一些知识,又或是几...

    毕业大半年了,现在还清晰的记得当时毕业论文不会用SPSS的痛苦,每天挣扎把度娘、知乎、知网、优酷、某宝等各大网站都逛了个遍,依然没有找到用SPSS完整的分析一份问卷的流程,几乎都是零零散散的一些知识,又或是几十个视频的解说却总是听不到自己想听的部分,眼看论文上交时间到却毫无头绪的紧张感使自己完全静不下心从头学到尾。从一个完全是SPSS小白到基本能完整分析一份问卷数据(当然也仅仅是单因素的分析,多元分析并未接触,这篇文章主要希望能帮助之前从未接触过SPSS却因论文不得不用的小伙伴)。

    实证分析主要包括描述性分析、信度效度分析、相关分析、假设检验(回归分析)。在分析之前我们首先要懂得SPSS的分析原理。学过高数的基本都知道假设检验的原理,SPSS软件的基本原理就是假设检验,即先假设H0:A对B没有影响条件成立,分析得出的结果P(sig.)<0.001/0.01/0.05,则假设不成立,即A对B具有显著性影响。

    用SPSS分析的问卷必须是李克特五级量表或七级量表,生手建议设计五级单因素的量表。问卷数据收集完成后,首先要剔除无效问卷(所有问题答案全选一种选项的或存在矛盾的答案等问卷),保证数据的准确性。分析步骤如下:

    1. 录入问题及数据

    打开SPSS软件,在变量视图界面内输入问题及设置值,一般设置值为1非常不同意,2不同意,3不一定,4同意,5非常同意。同理输完一篇问卷即可。如下图:

    a149a62e-0e12-eb11-8da9-e4434bdf6706.png

    二、描述性分析

    描述性分析主要是对被调查者的基本信息进行描述,如性别、学历、年龄、工作年限、居住地等等,这类问题一般放置在一份问卷的开头(也有放置在结尾,个人设计问卷时比较喜欢放置于开头)。描述性分析主要对问卷的均值、标准差进行分析,均值相同时,比较标准差,标准差越小,表示越稳定。

    步骤如下图:1、点击分析-----描述统计----描述----选择变量----点击选项----选择你需要描述的项(平均值、方差…..)。

    2、分析----描述统计----频率---选择项,则可以得出频率频数。

    a449a62e-0e12-eb11-8da9-e4434bdf6706.png

    最后将自己需要的数据进行汇总了列成表格或图表(饼图/柱形图等)的表示,图表的项有频数、频率、均值、标准值等,并辅以文字说明,使结果一目了然。(注:以下图表及数据仅作为案例解释说明,数据不具有准确性和真实性)

    aa49a62e-0e12-eb11-8da9-e4434bdf6706.png

    二、信度分析

    信度分析主要是通过SPSS分析验证设计的问卷是否可靠,问卷题目之间是否具有良好的相关性进行分析,被调查者的答案是否存在矛盾,是否可靠等等。

    问卷分析的步骤如下:点击分析----标度----可靠性分析-----选择项----确定即可

    ae49a62e-0e12-eb11-8da9-e4434bdf6706.png

    得出的结果如下:

    b049a62e-0e12-eb11-8da9-e4434bdf6706.png

    b149a62e-0e12-eb11-8da9-e4434bdf6706.png

    结果分析:一般来说,问卷是否可靠主要看Alpha(a系数),a<0.7则表示设计的问卷信度不可靠,0.7<a<0.8则说明问卷具有一定的可靠性,0.8<a<0.9则说明问卷信度很好。上面的项数则是选择分析的问卷题目的数目。

    在进行下面分析时先说一下问卷的设计。实证分析的论文中比较简单的模型大概可能是:研究对象的影响因素(自变量)会影响研究对象的效果(因变量),A H B ; 即论文假设H为自变量A对因变量B会产生一定的影响。一般可以找出四五个影响因素设计为自变量,每一个影响因素可以设计3—7个问题进行调查。所以在进行可靠性分析的时候可以对每一个影响因素(自变量)的题目数(项数)分析一次,看是否每一个自变量的设计的问题都具有较好的信度。(若某一因素项数信度不够好,首先可以通过调整题目中的表达措词、修改或增加关键词来提高信度,若某道题目修改调整后信度仍然过低则可以删除这一道题目达到提高整篇文章的信度)。

    三、效度分析和因子分析

    通俗来说,效度分析是检验问卷题目与研究目的是否相一致,即不能研究顾客对某产品的满意度,问卷设计的问题则是调查某产品的市场覆盖率。一般分为内容效度和结构效度,内容效度是指题项与所测变量的适合性和逻辑相符性(我们在设计问卷时一般都要参考或引用前人的问卷,因此内容效度不存在问题,当然如果设计的一份全新的问卷则需要重点分析内容效度)。结构效度是指题项衡量所测变量的能力,实证分析一般着重分析结构效度,可以通过进行探索性因素分析(Exploratory factor analysis,EFA)检验来证明量表的结构有效性。

    分析步骤如下:分析----降维----因子----将左边所有变量选到右边变量框中----描述---选择初始解和KMO---点击继续-----提取-----在提取里选择主成份和碎石图---继续----旋转----选择最大方差法。如下图:

    b649a62e-0e12-eb11-8da9-e4434bdf6706.png

    b849a62e-0e12-eb11-8da9-e4434bdf6706.png

    bb49a62e-0e12-eb11-8da9-e4434bdf6706.png

    得出结果如下:

    be49a62e-0e12-eb11-8da9-e4434bdf6706.png

    结果分析:效度分析结果主要看KMO值和sig.(显著性),若KMO>0.7,则说明问卷中设计的自变量之间具有一定的联系,问卷是有效的;sig.<0.001说明该问卷符合做因子分析,下一步则可以进行因子分析(EFA)。

    因子分析结果如下(仅抽取部分比较重要的图解释):

    c149a62e-0e12-eb11-8da9-e4434bdf6706.png

    看碎石图的关键就是找拐点,也就是找图中陡坡和缓坡的临界点(特征值明显较大的因子),趋于平缓前的点有几个则说明这份问卷可以分为几个因子(当然还要结合特征值、总方差解释等图考察)。如上图看出从第7个点开始趋于平缓,即前面有6个点属于陡坡上的点,初步可以说明这份问卷设计的因素可以分为6个因子。

    c249a62e-0e12-eb11-8da9-e4434bdf6706.png

    旋转后的成分矩阵的作用是知道那几道题可以归为一个因子,上面截取一部分作为说明(左侧的数字为问卷中的题项,题目内容已删除)。上图可以看到一共6个成分因子,其中问卷题目5、6、7、8、9、10、26可以第一个因子(成分1对下的数字0.769、0.571、0.714…….均大于0.5,即各个测量题项的最大因素负荷均大于0.5,且交叉载荷均小于0.4则可作为一个因子);同理题目27、28则可以作为一个因子,成为4对下的数字为0.797、0.793…….。

    c549a62e-0e12-eb11-8da9-e4434bdf6706.png

    总方差解释图主要看累计百分比的项。如上图6个因子在整份问卷中的总解释能力(累计百分比)达到了72.938%(总解释能力>50%可以说明筛选出来的因子有良好的代表性,当然实际操作中一般>80%的问卷因子解释能力比较好)。所以整份问卷基本可以提取出6个因子作为主要变量,其余的为次要变量。

    通过上面三个图的分析,可以确定这一份问卷一共可以提取出6个因子(6个自变量)。

    五、相关分析

    在进行相关分析前首先要取各个因子的平均值(如上面7道题目作为因子1,因子1的平均值就是取7道题目的维度平均。得出6个因子的维度平均值后进行相关分析。

    步骤如下:分析----相关----双变量-----将左边的变量选到右边-----在皮尔逊和双变量前打勾----确定。如下图

    c749a62e-0e12-eb11-8da9-e4434bdf6706.png

    得出的结果如下:

    c949a62e-0e12-eb11-8da9-e4434bdf6706.png

    上图中,假设前面两个为因子1、因子2(自变量),第三个为因变量。相关性是检验自变量与因变量的关系。可以看出因子1与因变量的相关系数为0.779,且sig.<0.001,说明自变量(因子1)与因变量呈正相关。(相关系数的取值范围介于-1~1之间,绝对值越大,表明变量之间的相关越为紧密)。

    六、回归分析

    回归分析需要看的图有模型摘要图、ANOVA、系数图等等

    步骤如下:分析----回归----线性-----选择自变量和因变量----点击统计----选择德、共线性等(看自己需要知道什么就选什么,不一定要选共线性诊断等)---继续----图----选择XY变量-----继续---保存----继续---确定。如下图:

    cb49a62e-0e12-eb11-8da9-e4434bdf6706.png

    d149a62e-0e12-eb11-8da9-e4434bdf6706.png

    d349a62e-0e12-eb11-8da9-e4434bdf6706.png

    得出结果为:

    d849a62e-0e12-eb11-8da9-e4434bdf6706.png

    模型摘要图主要看R方和德宾值(D-W),调整后的R方为0.684说明自变量对因变量的可解释程度为68.4%(R方代表的是自变量对因变量的解释能力,R方与调整后的R方越接近说明数据越稳定)。D-W值是检验自变量之间是否存在自相关,上图中D-W>2表示问卷中的几个自变量无自相关性,(D-W值的范围记得不是很清楚了,见谅…..)。

    db49a62e-0e12-eb11-8da9-e4434bdf6706.png

    即方差分析表,ANOVA表的一个作用就是验证假设(A对B不产生影响)是否成立,一般只看sig.值即可,上图sig.<0.01,说明拒绝原假设,至少有一个对因变量产生显著性影响。

    下一步看系数表,系数表则说明有几个自变量对因变量产生显著性影响。如下图:

    e349a62e-0e12-eb11-8da9-e4434bdf6706.png

    上图中回归系数b是通过样本及回归模型通过SPSS计算得出的,是反映当自变量x的变动引起因变量y变动的量。主要看显著性,因子1、2、3的sig.<0.05,说明3个因子均对因变量产生显著性影响。

    从上面可以看出,相关性分析是检验自变量与因变量之间是否具有相关性(正向或反向相关),回归分析则说明了自变量对因变量是否具有显著性影响。

    当然上面提到的步骤和图大部分是我感觉论文需要用的,还有很多像散点图等一些小细节很多也没有写,一个是因为篇幅有限,一个也是因为时间也过去大半年了,有很多也记得不是很清楚了,上面写的内容基本是我去年写论文后学到的,很多都是个人的理解,仅供参考。希望大家毕业季顺利!


    ——————————————-—— 更新一下——————————————————

    最近电脑借给别人了,本来想等拿回电脑再跟新一下,想想还是趁着这两天闲一点回答一下各位的问题。

    在写这一篇文章的时候我想我已经说得很清楚了,本人非SPSS专业,大学期间也没有开设过这门课程,仅仅是写论文的时候涉及了单因素分析的一点皮毛,多因素及多元回归分析并未涉及,可以说我会的基本已经在文章中写出来了。我的毕业论文也仅仅是构建简单的模型和简单相关回归分析得出简单的结论。所以说毕业涉及关联分析,卡方检验,中介变量和多元回归分析,数据有问题等比较深入的知识的小伙伴也不要为难我了,不是不想回答,实在是问了我也不懂啊。

    以下整理了一些简单的问题回答一下:

    一、录入问卷数据的具体步骤:

    第一种方法:打开SPSS软件,可以看到SPSS左下角有两个视图界面----数据视图和变量视图,点击变量视图,可以看到“名称、类型、宽度、值”等一些列,在“名称”那一列输入问卷题目,“类型”那一列设置为数值、在“值”的那一列赋值,具体怎么赋值看个人问卷的设计,一般情况下可以设置为1非常不同意,2不同意,3不一定,4同意,5非常同意。(具体能不能反方向设置,我觉得要看分析结果,怎么设置能得出有效的信度效度分析结果数据就怎么来,论文答辩也不可能要你用电脑一步一步来操作,并且像赋值这么简单的问题也不可能会问,只要能把一篇论文从头到尾圆润起来,其他的细节没必要那么较真)。

    第二种方法:现在问卷数据收集一般是在问卷星或其他网站上发布,数据收集完成后可以在问卷星或别的网站上将自己的问卷下载成excel格式的文件,打开SPSS直接导入excel文件(点击文件---打开---数据---选择excel数据类型--导入)。

    二、如何求每个维度的平均?

    在做相关性分析前首先求维度平均,打开Spss,在窗口栏点击“转换--计算变量”,在里面输入每个因子对应的题目和公式就可以得出维度对应的均值平均。如下图:比如说维度1对应的题目有3道题,在目标变量的框中填上维度1,在数字表达式的框中写上公式:=(题目1+题目2+题目3)/3。

    求出各个维度的均值,然后就可以进行相关分析了,直接将均值得分的各个维度选到相关分析的变量框中就可以,接下来的步骤看以上文章。

    三、对自变量进行效度分析,这个时候是不是在抽取里应该选特征值大于4的,然后才能出来4个公因子?

    不是,特征值选大于1就行了。因子分析的目的是降维,筛选出能解释题目数量比较多的因子。这就是说明为什么一个因子维度能对应几道题目。如果一个因子只能解释一题目甚至连1道题目的方差都不能解释,那么这个因子在这份问卷中也没有什么意义了,可以直接忽视。所以说提取特征值大于几和公因子的数量没有很大的关系,一般来说,提取特征值大于1是比较公认的标准。特征值大于1的意思是提取出的因子能解释1道题以上的方差,如果选大于4的话则说明接下来提取出的因子则可以解释4道题以上的方差。

    e749a62e-0e12-eb11-8da9-e4434bdf6706.png

    四、在信度分析时,那个值该怎么写,问卷信度总是0.5多 ,不懂那个值怎么写?

    信度分析主要看Alpha(a系数),a<0.7则表示设计的问卷信度不可靠,0.7<a<0.8则说明问卷具有一定的可靠性,0.8<a<0.9则说明问卷信度很好。0.5小于0.7说明问卷信度不可靠,接下来的分析也用不到了,建议调改问卷或数据。

    五、如果两个变量的sig值为0.531,说明了什么?

    SPSS的原理是假设A对B不产生影响,分析得出的结果P(sig.)<0.001/0.01/0.05,则假设不成立,即A对B具有显著性影响。如果sig.=0.531大于>0.05,说明假设成立,A对B(或B对A)不产生影响,任何一方变动都不会影响另一方。

    六、如果要做多个因素对一个结果的影响程度,应该使用什么分析?

    多个自变量对一个因变量的影响分析,参考我的文章,一般信度效度分析,相关分析,线性回归分析即可。

    七、为什么我的相关性分析出来没有星号?

    有没有星号这个什么原因我也不清楚,你可以看一下你使用的版本,我用SPSS24.,相关分析有星号,回归分析没有星号。星号对数据有什么影响我也不清楚,去年我写论文的时候也没有关注个这个问题。

    八、这些数据得出来了,怎么运用到论文中呢?

    这个问题我真不知道怎么回答......数据得出来了,就说明你的实证分析那一章也写好了。结论建议那一章就可以根据分析结果提出来。前面的绪论、文献综述这些纯理论性的也不用说了,数据分析前模型假设/问卷设计这一章写完了才可以进行实证分析也不用考虑了......

    九、一个维度至少3-7个题目是在哪本书上看?

    没有在哪本书看到的,大概是在知网的期刊和论文上看到的,参考的论文一般也是3到7个问题,维度对应的4、5个问题的居多。

    十、中文版在哪下载:

    去年我是在淘宝花的十几块钱买下载的,现在很多人反映已经安装不了了,大家可以在微信搜索安装包,很多公众号可以免费领取噢

    更新更新更新更新!!!!!!!!

    还是有很多小伙伴问维度平均怎么求,今天特意用SPSS操作了一遍,回答一下之前的问题。

    第一:有人问维度是什么,怎么来的,简单的说,维度就是因子,一个因子就代表一个维度,在做因子分析的时候,我们就能把问卷的所有问题归类,哪几道题归为一个因子,就说明这几道题属于一个维度,一份问卷有几个因子就说明有几个维度。所以维度就是做因子分析得出来的结果。

    第二:维度平均的操作步骤

    上面也多多少少说过怎么算,不过还是有很多小伙伴算不出,今天我就具体说一下。

    1.在SPSS的窗口栏上点击转换----计算变量,如下图:

    ef49a62e-0e12-eb11-8da9-e4434bdf6706.png

    f549a62e-0e12-eb11-8da9-e4434bdf6706.png

    2.在计算变量界面上命名目标变量和输入公式,公式之间点击界面键盘上的数字及符号输入,如下图:

    f949a62e-0e12-eb11-8da9-e4434bdf6706.png

    3.点击确定后SPSS输出界面如下:

    004aa62e-0e12-eb11-8da9-e4434bdf6706.png

    4.返回SPSS数据视图和变量视图在问卷数据旁边会增加一列均值数据,如下图:

    044aa62e-0e12-eb11-8da9-e4434bdf6706.png

    且在计算变量界面下的类型和标签框中也会增加维度平均的标签,如下图:

    0a4aa62e-0e12-eb11-8da9-e4434bdf6706.png

    这样一个维度平均值就算出来了,每个维度平均算出来之后,就可以进行相关分析和回归分析了。

    希望大家都能顺利!

    展开全文
  • SPSS分析基础——方差分析

    千次阅读 2019-10-16 18:03:47
    SPSS分析基础——方差分析单因素ANOVA分析数据介绍数据分析单变量方差分析数据介绍(grocery_1month.sav)数据分析 t检验应用于研究单样本均值的比较和两个均值的比较,当遇到比较三个或三个以上样本均值的差异问题...
  • SPSS分析技术简介.pptx

    2021-10-11 11:39:12
    SPSS分析技术简介.pptx
  • SPSS分析中学生成绩.doc
  • 本科生就业分析实施报告基于SPSS分析.doc
  • 基于SPSS分析的电子信息类高职学生就业心态的调查与分析.pdf
  • 【064期】如何用SPSS分析调查问卷和撰写调查报告?.docx
  • spss分析方法-聚类分析

    千次阅读 2022-06-14 16:42:02
    聚类分析是根据研究对象的特征,按照一定标准对研究对象进行分类的一种分析方法。 下面我们主要从下面四个方面来解说: 一、实际应用 聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域,包括...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 20,575
精华内容 8,230
关键字:

SPSS分析