《SPSS简单数据分析》由会员分享，可在线阅读，更多相关《SPSS简单数据分析（17页珍藏版）》请在金锄头文库上搜索。
1、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
2、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： 51 42 33 24 15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
3、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
4、KMO和巴特莱球形检验分析。，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CommunalitiesInitialExtractionA1.602A2.556A3.658A4.699A5.686A6.479A7.639A8.632A9.449A10.618A11.579A12.527A13.494A14.609A15.486A16.455A17.583A18.616A19.609A20.603
5、A21.536A22.620A23.464A24.558A25.597Extraction 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。ComponentInitial 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
6、异的解释量Cumulative %累计变异解释量Total% of VarianceCumulative %Total% of Variance提取因子后因子1的特征值，而小于1的因子425则被去掉Cumulative %因子1的特征值123因子1能解释全部观测数据变异的44.883%4.9465.8276.7407.6618.649因子1和2共能解释全部观测数据变异的51.776%9.60810.57711.53012.50813.48114.44615.42816.40417.38518.36119.34420.33221.32822.31123.27724.26825.237.947Ex
7、traction Method: Principal Component Analysis.旋转后的成分（因子）矩阵Rotated Component MatrixaComponent123A1.760.081.133A10.732.205.199A7.717.160.315A12.702.125.137A17.697.233.207A8.681.324.252A2.617.236.346A25.616.369.286A23.476.452.182A15.469.439.269A11.053.758.028A24.218.713.044A16.078.630.229A20.292.593.40
8、8A9.275.574.209A22.263.551.497A21.223.525.459A18.451.523.373A13.424.455.328A5.179.179.789A4.211.186.788A3.355.181.707A14.252.230.702A19.382.442.517A6.484.071.489Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a. Rotation converged in 5 iterations.经
9、最大变异数转轴法旋转后，取因素负荷量(factor loading)绝对值大于0.5(或0.6)者，因素负荷量为变量所属因素间之相关。此处因在0.5-0.6间的问题（即变量）太多，如果都删除，问卷题项会变得太少，因此，我们选大于为标准。所以，我们删除A23 、A15、A13、A6四个问题。然后再进行一次因子分析。除了将A23 、A15、A13、A6四个问题拿出来不进行因子分析外，其他步骤如上，结果发现A18又变得小于0.5。Rotated Component MatrixaComponent123A1.771.149.042A10.738.177.223A7.717.294.164A12.71
10、3.158.098A17.707.229.207A8.683.258.314A2.626.360.192A25.619.322.330A5.186.795.127A4.227.794.137A3.372.707.134A14.255.706.199A22.266.549.497A19.393.546.388A21.228.521.467A11.071.054.797A24.229.070.747A16.091.265.630A9.285.241.573A20.288.473.524A18.463.425.475Extraction Method: Principal Component Ana
11、lysis. Rotation Method: Varimax with Kaiser Normalization.a. Rotation converged in 5 iterations.所以，我们进一步删除A18后再进行一次因子分析。除了将A23 、A15、A18、A13、A6五个问题拿出来不进行因子分析外，其他步骤如上，结果发现剩下的问题都满足大于0.5的条件。Rotated Component MatrixaComponent123A1.772.148.040A10.740.179.221A7.720.296.167A12.712.160.093A17.705.232.195A8.684.263.317A2.628.362.193A25.620.325.322A5.188.796.126A4.227.795.135A14.256.708.199A3.374.708.129A22.267.554.491A19.393.549.366A21.231.526.457A11.077.061.806A24.229.082.750A16.096.270.633A
