spss在调查问卷数据处理的应用(编辑修改稿)

spss在调查问卷数据处理的应用(编辑修改稿)内容摘要：

ons .541 .343 .734 .391 .021 4 实例结果及分析 （ 5）剔除某个评估项目以后的结果 表 1012的第一列显示了剔除某个评估项目以后的剩余项目的总平均分，例如剔除了科学素质的剩余其他三项的总平均分为 ，是第一列中最大的，这说明科学素质的得分影响比较大；第二列显示了剔除某个评估项目以后的剩余项目总分的样本方差，第三列是某评估项目与其余评估项目总分的简单相关系数，例如科学素质与剩余其他三项的总分之间的简单项系数为 ，这再一次说明科学素质的地位比较重要；第四列是某评估与其余评估项目的复相关系数，反映了该评估项目与其余评估项目的总体相关程度；最后一列是剔除某个评估项目以后的剩余项目计算得到克朗巴哈（ Cronbach）信度系数。 实例结果及分析 Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected ItemTotal Correlation Squared Multiple Correlation Cronbach39。 s Alpha if Item Deleted 科学素质 .750 .685 .710 文化素质 .622 .542 .777 经济素质 .718 .565 .740 道德素质 .506 .321 .840 实例进阶分析： 折半信度系数的分析 如果在实例操作的第二步中， 在 【 Model(模型 )】 的下拉框中选择的列表框中选择 【 Splithalf(半分 )】 ，其他不变，那么，所进行的信度分析就是折半信度法，其结果会出现在折半项目的前提下所得到克朗巴哈（ Cronbach）信度系数，和在折半项目的前提下得到评估项目的描述性统计，如下表所示。 （ 1） 折半项目的前提下得信度分析结果 表 1014是在折半项目的前提下得信度分析结果。 折半信度法将项目分成两部分， Part 1是关于科学素质与文化素质的， Part 2是关于经济素质与道德素质的，针对 Part 1计算得到克朗巴哈（ Cronbach）信度系数为 ，针对 Part 2计算得到克朗巴哈（ Cronbach）信度系数为 ，这说明想进一步改进调查问卷的质量，应针对经济素质与道德素质部分进行重新修订量表或增删题项。 两部分总分的简单相关系数为 ，说明两部分具有正相关性。 由于两部分的项目是一样的，都是两个项目，一般都应采用 SpearmanBrown修正方法对两部分总分的简单相关系数进行修正，修正的结果为 ，两部分的 Guttman SplitHalf Coefficient为 ，说明整个问卷是可行的一份问卷。 折半信度系数的分析 Cronbach39。 s Alpha Part 1 Value .837 N of Items 2a Part 2 Value .702 N of Items 2b Total N of Items 4 Correlation Between Forms .583 SpearmanBrown Coefficient Equal Length .736 Unequal Length .736 Guttman SplitHalf Coefficient .736 a. The items are: 科学素质 , 文化素质 . b. The items are: 经济素质 , 道德素质 . 折半信度系数的分析 （ 2） 折半项目的前提下得评估项目的描述性统计 下表显示了 30名员工在科学素质 , 文化素质这两个项目上总分的均值为 ，在经济素质 , 道德素质这两个项目上总分的均值为。 在科学素质 , 文化素质这 2个评估项目协方差的均值为 ，在经济素质 , 道德素质这两个项目上总分的均值为。 折半信度系数的分析 Mean Minimum Maximum Range Maximum / Minimum Variance N of Items Item Means Part 1 .567 .161 2a Part 2 .733 .269 2b Both Parts .812 4 Item Variances Part 1 .575 .461 .690 .229 .026 2a Part 2 .595 .437 .754 .317 .050 2b Both Parts .585 .437 .754 .317 .026 4 InterItem Covariances Part 1 .414 .414 .414 .000 .000 2a 折半信度系数的分析 Part 2 .322 .322 .322 .000 .000 2b Both Parts .308 .202 .414 .211 .006 4 InterItem Correlations Part 1 .734 .734 .734 .000 .000 2a Part 2 .561 .561 .561 .000 .000 2b Both Parts .541 .343 .734 .391 .021 4 a. The items are: 科学素质 , 文化素质 . b. The items are: 经济素质 , 道德素质 . 多重响应分析概述 使用目的 多重响应 （ Multiple Response）是指对同一个问题被调查者可能有多个答案，它是调查研究中十分常见的数据形式。 基本原理 多重响应资料因其特殊性，不方便应用传统的多元统计分析方法进行研究，利用多重二分法和多重分类法两种数据转换方式可以极大的丰富对其建模的方法。 多重二分法的分类编码 为 0和 1，即将每一个选项拆分为一个独立变量，如果选中的则录入 1，没有选择的则录入为 0。 有多少个选项则拆分出多少个变量来，因此选项异常多的情况下此种方法有点麻烦。 多重响应分析的 SPSS操作详解 Step01 ： 打开 【 Define Multiple Response Sets(定义多元响应集 )】 对话框 选择菜单栏中的 【 Analyze(分析 )】 → 【 Multiple Responses(多元响应 )】 → 【 Define Multiple Response Sets(定义多元响应集 )】 命令，弹出 【 Define Multiple Response Sets(定义多元响应集 )】 对话框。 Step02 ： 选择多重响应分析变量 在 【 Set Definition(定义集 )】 列表框列出所有的需要设置的变量，其中包括多选题的变量，将候选变量中选择一个或几个变量，将其移入 【 Variables in Set(集合中的变量 )】 (集合中的变量 )列表框中，选择进入多重响应分析的变量。 多重响应分析的 SPSS操作详解 Step03 ： 设置多重响应集 然后在下方的 【 Variables Are Coded As(将变量编码为 )】 (将变量编码 )中选择编码的方法。 【 Dichotomies(二分法 )】 为多重二分法， 【 Counted Value(计数值 )】输入需要统计的变量值，例如计数值输入 “ 1”，意思是统计变量值为 1的频率。 【 Categories(类别 )】 为多重分类法， 【 Range(范围 )】 表示多重分类法的起点值， 【 Through(到 )】 表示多重分类法的终值。 【 Label(标签 )】 为多重二分法或多重分类法的值标签的定义。 【 name(名称 )】 为输入该多选题的题目名称。 在 【 name(名称 )】 中输入该多选题的题目名称，在 【 Label(标签 )】中输入分类法的值标签的定义之后，点击 【 add(添加 )】 到 【 Multiple Responses Sets(多元响应集 )】 ，点击 【 Close(关闭 )】 ，就设置好多重响应集。 多重响应分析的 SPSS操作详解 多重响应分析的 SPSS操作详解 Step04 ： 设置多重响应分析方法 点击 【 Close(关闭 )】 ，设置好多重响应集，再选择菜单栏中的 【 Analyze(分析 )】 → 【 Multiple Responses(多元响应 )】 命令，可以看到，多出两个菜单选项。 多重响应分析的 SPSS操作详解 多重响应分析的 SPSS操作详解 选择菜单栏中的 【 Analyze(分析 )】 → 【 Multiple Responses(多元响应 )】 → 【 Frequencies(频率 )】 命令 , 弹出 【 Multiple Response Frequencies(多元响应频率 )】 对话框。 多重响应分析的 SPSS操作详解 多重响应分析的 SPSS操作详解 • 【 Multiple Responses Sets(多元响应集 )】 ：显示设置好的多重响应集的名称。 • 【 Table(s) for(列表为 )】 ：表示对选入的多重响应集进行列表分析。 • 【 Missing Value(缺失值 )】 ：表示对缺失值的处理方法。 Exclude cases listwise with in dichotomies表示对多重二分法的变量进行缺失值的处理。 Exclude cases listwise with in categories dicho表示对多重分类法的变量进行缺失值的处理。 缺失值处理方法都是将缺失值排除在样本外进行频率分析。 选择菜单栏中的 【 Analyze(分析 )】 → 【 Multiple Responses(多元响应 )】→ 【 Crosstabs(交叉表 )】 命令 , 进入 【 Multiple Response Crosstabs(多元响应交叉表 )】 对话框。 多重响应分析的 SPSS操作详解 多重响应分析的 SPSS操作详解 ● 【 Multiple Responses Sets(多元响应集 )】 ：显示设置好的多重响应集的名称。 ● 【 Row(s)(行 )】 ：显示交叉分析的行变量。 ● 【 Column(s)(列 )】 ：显示交叉分析的列变量。 ● 【 Layer(s)(层 )】 ：显示交叉分析的分层变量。 ● 【 Define Ranges(定义范围 )】 ：定义行变量、或列表里、或层变量的取值范围。 ● 【 Options(选项 )】 ：交叉分析的一些选项，包括单元百分比（行的、列的、总的）、基于哪种百分比（基于个案的、基于响应的）、缺失值的处理 (基于多重二分法的变量的、基于多重分类法的变量的 )。 多重响应分析的 SPSS操作详解 实例图文分析： 手机市场情况分析 1. 实例内容 为调查关于手机市场情况，设计了一份调查问卷，问卷内容包括性别，年龄，当前使用手机的品牌，在过去三年内曾经使用过的手机品牌等。 随机对 30名路人进行了测试，现利用这些数据进行多重相应分析分析。 其中品牌 1为三星，品牌 2为摩托罗拉，品牌 3为诺基亚，品牌4为 LG，品牌 5为苹果，品牌 6为创维，和其他品牌，使用二分编码。 定义 7个变量，变量名分别为 sumsung、 MOTO、 NOKIA、 LG、 Apple、 Skyworth、 other， 值标签分别定义为 0=“未选 ” ， 1=“选中 ”。 定义了性别变量，值标签分别定义为 0=“女 ” ， 1=“男 ”。 实例内容 实例操作 Step01： 打开对话框 打开 SPSS软件，选择菜单栏中的 【 Analyze(分析 )】→ 【 Multiple Responses(多元响应 )】 → 【 Define Multiple Response Sets(定义多元响应集 )】 命令，弹出 【 Define Multiple Response Sets(定义多元响应集 )】 对话框。 实例操作 实例操作 Step02： 在 【 Set Definition(定义集 )】 列表框中选择 sumsung、MOTO、 NOKIA、 LG、 Apple、 Skyworth、 other进入 【 Variables in Set】 框，在 【 Variables Are Coded As(变量编码为 )】 选项组中选择编码的方法为 【 Dichotomies(二分法 )】 ，并在 【 Counted Value(计数值 )】 文本框输入 “ 1”，在 【 name(名称 )】 文本框中输入该多选题的题目名称为“ 品牌 ”。 实例操作 实例操作 Step03： 单击 【 Add(添加 )】 按钮将所选选项添加到 【 Multiple Responses Sets(多元响应集 )】 列表框，然后再单击。