首席数据官

Hi, 请登录

【SPSS】论文中数据分析与结果处理

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。

用SPSS分析的问卷必须是李克特五、七级量表,新研究者建议设计五级单因素的量表。问卷数据收集完成,第一步要剔除无效问卷,保证数据的准确性。

分析步骤如下:

01、录入信息

打开SPSS软件,在变量界面输入问题及值,一般值为1代表非常不同意,2代表不同意,3代表不一定,4代表同意,5代表非常同意。如下图:

大数据及数据可视化分析_发表的论文数据造假_数据分析论文

02、描述性分析

描述性分析是对被调查者的最基本的信息进行描述,如性别、学历、年龄、工等等。描述性分析主要对问卷的均值、标准差进行分析。

最后汇总了列成表格或图表,图表的项有频数、频率、均值、标准值等,加以文字说明,使结果清晰明了。

发表的论文数据造假_数据分析论文_大数据及数据可视化分析

03、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,是否具有良好的相关性进行分析,收集数据是否存在矛盾、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”

大数据及数据可视化分析_数据分析论文_发表的论文数据造假

结果如下:

发表的论文数据造假_数据分析论文_大数据及数据可视化分析

结果分析:问卷是否可靠关键在于:Alpha(a系数)

a

0.7

0.8

04、效度分析和因子分析

数据分析论文_发表的论文数据造假_大数据及数据可视化分析

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。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;

结构效度是指题项衡量所测变量的能力,实证分析着重分析结构效度,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:

数据分析论文_大数据及数据可视化分析_发表的论文数据造假

发表的论文数据造假_数据分析论文_大数据及数据可视化分析

发表的论文数据造假_数据分析论文_大数据及数据可视化分析

得出结果如下:

数据分析论文_大数据及数据可视化分析_发表的论文数据造假

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.

05、相关分析

相关分析前首先取各个因子的平均值。

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

发表的论文数据造假_数据分析论文_大数据及数据可视化分析

得出的结果如下:

数据分析论文_大数据及数据可视化分析_发表的论文数据造假

如图,假设前面两个为因子1、因子2(自变量),第三个为因变量

大数据及数据可视化分析_发表的论文数据造假_数据分析论文

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.

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。

06、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--继续--选择XY变量--继续--保存--继续--确定。

如下图:

大数据及数据可视化分析_数据分析论文_发表的论文数据造假

发表的论文数据造假_大数据及数据可视化分析_数据分析论文

结果为:

试看结束,如继续查看请付费↓↓↓↓
打赏0.5元才能查看本内容,立即打赏

来源【首席数据官】,更多内容/合作请关注「辉声辉语」公众号,送10G营销资料!

版权声明:本文内容来源互联网整理,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 jkhui22@126.com举报,一经查实,本站将立刻删除。

相关推荐

评论

  • 昵称 (必填)
  • 邮箱
  • 网址
二维码
评论