Spss的基本方法使用步骤
由于一次的调研工作,我们的数据分析采用spss的统计分析工具,然后我是一个新人,全都是一步一步从零开始操作的。在学习的过程中简单记录了一点笔记,既然写了,就觉得应该把它保存下来,所以来到了这里,为我的第一次spss操作做个马克。
因子分析方法:指标非常多,反映相同事情的进行聚合
设置的地方:
描述—— kmo
抽取 —— 主成分,碎石图
旋转——最大方差法
得分——保存为变量
选项——大小为变量、删除最小系数,特征值为0.6
kmo > 0.6 ——看是否有效,对原始数据的检验。
在SPSS软件统计结果中,不管是回归分析还是其它分析,都会看到“SIG”,SIG=significance,意为“显著性”,后面的值就是统计出的P值,如果P值0.01<P<0.05,则为差异显著,如果P<0.01,则差异极显著。
公因子方差——提取程度(损失的数据,如果损失低于40%即满意)
解释总方差:可以分成几类,然后提取主成分因子,累积方差贡献率,累积特征值大于等于85%(放宽70%).(损失率低于15%)
碎石图:类似于解释总方差,特征值大于1的就是主成分,对解释方差的解释和完善
成分矩阵——一般不考虑,不够充分,只是中间步骤
旋转后成分矩阵——成分1,成分2中大于0.6的归为一类,载荷大于设置的值才会把得分显示在视图。
可靠性分析(问卷问题分类正确的前提下)
步骤:
分析→度量→可靠性分析→统计量→描述性(如果项已删除则进行度量)→继续(模型α)→确定
分析:可靠性统计量:0.7以上有效
可删除的分析:如果删除后信度变大,则可以考虑把这个因素删除
平均数:反应数量的中点
中位数:全体样本的中点
步骤:
均值:描述性统计分析→描述→导入变量→确定
中位数:比较均值→均值→导入变量→选项→导入中位数即可→确定
线性回归
步骤:
分析→回归→线性→因变量→自变量→
统计量:估计→模型拟合度→共线性诊断→DW
绘制:Y:ZRESID, X:ZPRED; 直方图,正态概率图
保存:不操作
选项: 默认
→确定
模型汇总表
DW统计量代表自相关
DW = 2不存在为伪回归
DW < 2 正自相关
DW > 2 负相关
多选题可以考虑使用多重响应
多重响应,多重响应数据本质上属于分类数据,但由于各选项均是对同一个问题的回答,之间存在一定的相关,将各选项单独进行分析并不恰当。因此对多选题最常见的分析方法是使用SPSS中的“多重响应”命令,通过定义变量集的方式,对选项进行简单的频数分析和交叉分析
作用1:进行简单的频数分析:可以直观明了的比较一道多选题的各个选项被选比例。
作用2:进行交叉分析:可以通过设置分层变量来进行某个选项控制下的分析。
步骤:
分析→多重响应→定义变量集(把多选题变成一个变量)→设置定义把多选题的选项放进集合中的变量→将变量编码设置为二分法,计数值为1→名称标签→添加 、
交叉表
行、列→定义范围→确定