1统计分析模型（1）信度分析 文献[558]操作步骤：分析 —度量 —可靠性分析（R） —移动变量到项目（I）框内 —统计量—描述性（项+度量+如果 —项之间（相关性） —继续 —确定信度系数界限值：0．60—0．65 认为不可信；0．65—0．70 认为是最小可接受值：0．70～0．80 认为相当好；0．80—0．90 就是非常好因此，—份信度系数好的量表或问卷最好在 0．80 以上，0．70—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—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，应该考虑重新修订量表或增删题目案例处理汇总N %有效 102 100.0已排除 a 0 .0案例总计 102 100.0a. 在此程序中基于所有变量的列表方式删除可靠性统计量Cronbach's Alpha基于标准化项的 Cronbachs Alpha 项数.822 .830 7项总计统计量项已删除的刻度均值项已删除的刻度方差校正的项总计相关性 多相关性的平方项已删除的 Cronbach's Alpha 值经济因素 27.02 12.415 .088 .099 .872成长因素 26.89 10.058 .782 .669 .770删除任何题项后的 Cronbach’s α 系数也无显著提高。
可见核心知识性员工激励组合量表的内部一致性高，信度较好信度分析说明该问卷的整体结构设计具有较高的可信度由此可以认为，该问卷具有较好的内在信度，依此调查得到的数据是可信的，基于该问卷进行的数据统计分析结果也是比较可靠的2（2）效度分析 文献[560]每一个 r 值彼此都达到显著性水平的个数越多，就表示该分量表建构效度越好操作步骤：分析 —相关 —双变量（B） —移动变量到变量（V）框内 —相关系数（Spearman/Kendalltau-b(K)） —显著性检验（双侧检验） —标记显著性相关 —确定相关系数经济因素 成长因素 精神因素 领导因素 环境因素 工作因素 管理因素相关系数 1.000 .241* .183 .125 .266** .061 .144Sig.（双侧） . .015 .065 .210 .007 .544 .149经济因素N 102 102 102 102 102 102 102相关系数 .241* 1.000 .711** .691** .585** .487** .432**Sig.（双侧） .015 . .000 .000 .000 .000 .000Spearman 的 rho成长因素N 102 102 102 102 102 102 102*. 在置信度（双测）为 0.05 时，相关性是显著的。
在置信度（双测）为 0.01 时，相关性是显著的从工作满意度与员工参与的相关分析结果中可以看出，工作满意度的 6 个维度均与员工参与有相关关系，且都为正向相关，显著性水平均达到 0.05 的显著性水平，可证明薪酬激励量表具有较高的收敛效度，可以进行后续研究，他们之间的相关性也可以说明本文的研究具有一定的意义第二种方法（备用）：分析 —度量 —可靠性分析（R） —移动变量到项目（I）框内 —统计量 —项之间（相关性） —继续 —确定项间相关性矩阵经济因素 成长因素 精神因素 领导因素 环境因素 工作因素 管理因素经济因素 1.000 .108 .029 -.006 .239 -.009 .037成长因素 .108 1.000 .670 .720 .657 .570 .502精神因素 .029 .670 1.000 .660 .517 .477 .373领导因素 -.006 .720 .660 1.000 .566 .537 .481环境因素 .239 .657 .517 .566 1.000 .471 .387工作因素 -.009 .570 .477 .537 .471 1.000 .647管理因素 .037 .502 .373 .481 .387 .647 1.000对比上面相关系数表，项间相关性矩阵中相关系数判别标准：》=0.1(强相关)3（3）频数分析 P66 文献[558]操作步骤：分析 —描述统计 —（123）频率（F） —移动变量到变量（V）框内 —显示频率表格√ —统计量 —分布（偏度+峰度） —继续 —确定频率也称频数，就是一个变量在各个变量值上取值的个案数。
SPSS 中的频数分析过程可以方便地产生详细的频数分布表，即对数据按组进行归类整理，形成各变量的不同水平的频数分布表和常用的图形，以便对各变量的数据特征和观测量分布状况有一个概括的认识描述总体分布形态的统计量主要有偏度和峰度两种偏度(Skewness)是描述取值分布形态对称性的统计量，由 Pearson 在 1895 年提出偏度由样本的 3 阶中心矩与样本方差的 3／2 次方的比值而得，偏度的绝对值越大，表示数据分布的偏斜程度越高来自正态总体的样本偏度近似为 0偏度系数有两种测量方式，分别为皮尔逊偏度系数 1 和皮尔逊偏度系数 2偏度系数等于 0 的时候属于正态分布；偏度系数大于0 的时候是右偏分布，表明较低的值占多数；偏度系数小于 0 的时候为左偏分布，表明较高的值占多数峰度(Kutosis)是描述变量取值分布形态扁平程度的统计量，由Pearson 在 1905 年提出峰度等于 0 的时候表示数据分布的扁平程度适中，即正态分布；峰度大于 0 的时候表示数据呈扁平分布；峰度小于 0 表明数据呈尖峰分布统计量经济因素 成长因素 精神因素 领导因素 环境因素 工作因素 管理因素有效 102 102 102 102 102 102 102N缺失 0 0 0 0 0 0 0偏度 -1.776 -1.902 -2.168 -2.885 -1.795 -1.960 -1.671偏度的标准误 .239 .239 .239 .239 .239 .239 .239峰度 3.215 4.793 7.380 10.254 3.951 5.134 3.972峰度的标准误 .474 .474 .474 .474 .474 .474 .474经济因素频率 百分比 有效百分比 累积百分比有效 2 5 4.9 4.9 4.943 2 2.0 2.0 6.94 33 32.4 32.4 39.25 62 60.8 60.8 100.0合计 102 100.0 100.0操作步骤：数据（D） —拆分文件（F） —√比较组 —移动分组变量到分主方式（G）中（注意：一次移动一个分组变量+如果一次移动多个则成为组合频率分析） —确定 —分析 —描述统计 —（123）频率（F） —移动变量到变量（V）框内 —显示频率表格√ —确定统计量最高学历 经济因素 成长因素 精神因素 领导因素 环境因素 工作因素 管理因素有效 26 26 26 26 26 26 261 N缺失 0 0 0 0 0 0 0有效 26 26 26 26 26 26 262 N缺失 0 0 0 0 0 0 0有效 27 27 27 27 27 27 273 N缺失 0 0 0 0 0 0 0有效 23 23 23 23 23 23 234 N缺失 0 0 0 0 0 0 0经济因素最高学历 频率 百分比 有效百分比 累积百分比2 2 7.7 7.7 7.73 1 3.8 3.8 11.54 7 26.9 26.9 38.55 16 61.5 61.5 100.01 有效合计 26 100.0 100.02 1 3.8 3.8 3.84 12 46.2 46.2 50.05 13 50.0 50.0 100.02 有效合计 26 100.0 100.02 1 3.7 3.7 3.74 11 40.7 40.7 44.45 15 55.6 55.6 100.03 有效合计 27 100.0 100.05（4）描述性统计分析 P71 文献[558]操作步骤：分析 —描述统计 —描述（D） —移动变量到变量（V）框内 —选项 —均值、样本方差、样本标准差 —继续 —确定 离散系数另行计算描述性统计量是研究随机变量变化综合特征(参数)的重要工具，它们集中描述了变量变化的特征。
SPSS 提供的基本统计量大致可以分为 3 类：描述集中趋势的统计量、描述离散程度的统计量和描述总体分布形态的统计量统计学中的集中趋势统计量是由样本值确定的量，样本值有向这个数据集中的趋势测度集中趋势就是寻找数据一般水平的代表值或中心值，不同类型的数据用不同的集中趋势测度值，选择哪种测度值取决于数据的类型描述集中趋势的统计量有样本均值、中位数等均值(Mean)又称为“算术平均值”，指一组数的平均值样本均值反映了变量取值的集中趋势，或者平均水平，是最常用的基本统计量统计学中描述离散趋势的统计量是样本值远离集中趋势统计量程度的定量化描述，说明了集中趋势测度值的代表程度，不同的数据有不同的离散趋势测度值比较重要的离散趋势统计量有样本方差、样本标准差、离散系数等样本方差(Variance)是刻画样本数据关于均值的平均偏差平方的一个量，是描述样本离散趋势的最常用的统计量样本方差越大，表明样本值偏离样本平均值的可能性就越大由于样本方差的计算单位是样本值的平方，将样本方差开方后可以得到和样本值相同量纲的统计量，称为样本标准差(Std．deviation)样本标准差和样本方差一样，也是度量样本离散程度的重要统计量。
离散系数也称标准差系数，即标准差与相应均值之比，主要用于测量相对离散程度，对不同组别离散数据进行比较离散系数消除了数据水平高低和计量单位的影响均值、样本方差、样本标准差、离散系数描述统计量N 均值 标准差 方差经济因素 102 4.49 .767 .589成长因素 102 4.62 .614 .377精神因素 102 4.55 .684 .468有效的 N （列表状态） 1026（5）均值比较操作步骤：分析 —比较均值 —均值（M） —移动变量到因变量列表（D）框内 —移动分组变量到自变量列表（I）框内 —选项 —均值从统计量（S）框移动到单元格统计量（C） —继续 —确定Means 过程倾向于对样本进行描述，它可以对需要比较的各组计算描述指针，进行检验前的预先分析Means 过程的优势在于所有的描述性统计变量均按因变量的取值分组计算，无须先进行文件拆分过程，输出结果中各组的描述指标放在一起，便于相互比较分析Means 过程计算指定变量的综合描述统计量，包括均值、标准差、总和、观测量数、方差等一系列单变量描述统计量，当观测量按一个分类变量分组时，Means 过程可以进行分组计算Means 过程还可给出方差分析表和线性检验结果。
使用 Means 过程求若干组的描述统计量，目的在于比较，因此必须分组求均值案例处理摘要案例已包含 已排除 总计N 百分比 N 百分比 N 百分比经济因素 * 最高学历 102 100.0% 0 .0% 102 100.0%成长因素 * 最高学历 102 100.0% 0 .0% 102 100.0%精神因素 * 最高学历 102 100.0% 0 .0% 102 100.0%管理因素 * 现任职务 102 100.0% 0 .0% 102 100.0%经济因素 成长因素 精神因素 领导因素 环境因素 工作因素 管理因素 * 最高学历均值最高学历 经济因素 成长因素 精神因素 领导因素 环境因素 工作因素 管理因素1 4.42 4.42 4.42 4.46 4.19 4.50 4.382 4.42 4.54 4.58 4.62 4.35 4.35 4.353 4.48 4.70 4.48 4.74 4.56 4.37 4.264 4.65 4.83 4.74 4.87 4.43 4.52 。