SPSS问卷数据处理步骤

**

**

一. 准备——界面与数据准备工作 1）先处理显示界面问题，改成中文输出，优化操作过程：编辑→选项→ 2）数据字典：定义变量属性（几个代表性的）——复制数据属性：数据→定义变量属性（设好以后）→数据→复制数据属性（把几个代表性的数据属性复制给其他） 3）数据验证： ①定义验证规则 数据→验证→定义规则（可以改名称然后之后加入到数据字典里） 性别只有1、2两种编码（→单变量规则【有效值：在列表中】） 年龄规定取值范围（→单变量规则【有效值：在范围内】） 关键题目取值逻辑：哪几个题目不应当同时选择9，否则作为废卷处理（→交叉变量规则→文本框中输入逻辑表达式【A1=9&B6=9&C5=9】 ②进行数据验证：数据→验证→验证数据 4）标识异常个案：数据→标识异常个案（可设定异常的个数） NOTE： ① 原理：建模（两步聚类分析，按照相似程度自动分为对等组）——评分（每个案例与其所属类别的异常度是多少，并计算相应的异常索引，接着降序排列，索引值最高的一部分被标识为异常个案）——列出原因（异常个案的偏差度指标，该指标最大的变量、数值以及对应的标准值会被作为原因列出） ② 不要迷信，这只是一个强有力的辅助工具而已，并不是绝对正确和完全符合需求的 二. 数据录入 １）数据直接从SPSS录入。（暂时不采用） ２）EXCEL数据文件汇入（文件→打开→数据） NOTES： １、类型－数值，标签－题目 2、“从第一行读取变量名”＆范围 3.EXCEL录入数据：第一行变量名称，每行一份问卷，用1，2，3，4，5等代替答案，最后在SPSS汇入后把标签以及各种属性改了。（数据字典） 三. 计算变量 1、变量的加总和平均，把三个问卷的各个维度以及总的均值（使用MEAN函数）计算出来 2、反向题编码（转换→重新编码） NOTES：1、“如果”更改旧值与新值 2、在输出数据部分取新变量名称按更改 四. 缺失值的侦测与插补 变量缺失值：分析→描述统计→频率表（描述统计部分） 样本缺失值：转换→计算变量→函数中点选NMISS（选变量取新名字） 插补：转换→替换缺失值（不同缺失值插补法效果不同） 五. 选择与分割观察值 1、数据→选择个案 2、数据→拆分文件 NOTES： ③ 拆分文件后各种分析将会拆成几组做（“比较组”与“分组方式”），不拆文件后记得要回来选择“分析所有个案”。 ④ 之后描述性统计分析只用做一次就好了（人口统计学变量部分）。 六. 描述性统计分析 对于连续变量： 分析→描述统计→频率→将类别变量选入对话框→统计量（选中峰度和偏度） NOTE：记得勾选“将标准化值另存为变量” 对于类别变量： 频率：（对性别、年龄、不同生源地等）或者绘制饼图 交叉表：分析→描述统计→交叉表格（变量选入）→统计量 ⑤ 检查两个以上类别变量交叉所占比例 ⑥ 检查两个类别之间有无关系（独立性卡方检验、Phi and Cramer s V） NOTE：卡方检验只告诉我们有没有关系，但是P&C告诉我们关系有多大（0-1） ⑦ 同质性检定（检查不同变量所占比例是否相同） 七. 推论统计 1、差异性描述 1）独立样本T检验 分析→比较均值→独立样本T检验 NOTE： 检验变量框：三个变量总均值及其各维度（一次只做一个变量） 分组变量：性别、是否独生子女 定义组：性别和生源地都是只有两个编码：1和2，组1：1，组2：2 2）单因素方差分析 分析→比较均值→单因素方差分析 因变量：三个总变量均值及其各维度（一次只做一个变量） 因子：父母婚姻状况、不同生源地（一次只能做一个） 选项→方差同质性检验和均值图 八. 相关分析 分析→相关→（先做三个总变量之间的相关4，再做维度之间的相关，一共3*2【父母教养方式】+4【同一性】+2【生命意义感】=12） 结果出来是相关系数矩阵。 九. 回归分析 1、之前已经检验了正态分布（描述统计时）以及方差齐性检验（T／F时） 2、对数据进行标准化处理：在描述统计部分就已经完成 3、预分析用散点图矩阵先查看趋势：之前相关分析已经做了，用的就是标准化的值这一步就省略了。 4、回归分析，分析→回归→线性回归（→统计→选中共线性诊断）做三次 R方也就是拟合度（百分之六十以上），自变量能解释多少的因变量 系数：看显著性，能不能显著预测它，影响系数看正负 多元线性回归（1个方程）除了看系数和R放还要看ANOVA。 共线性诊断：特征根（约为0）和条件指数（＞10）可能存在共线性问题→看相关系数矩阵，数值接近1说明可能存在多重共线性。 十. 路径分析[待定] 把维度当作显变量，三个自变量看作潜变量，画图。测量模型是他们大佬每个量表修订分析就做过的因子分析，但是这里并没有用到，否则就变成二阶模型了，那个过于复杂。 0 先绘制潜在和观察变量 1 放资料档 2 抓资料放进图里面 3 存档 4 算盘计算（默认只有非标准化） 5 标准化（在资料旁边有分析属性→OUTPUT→勾选标准化和SMC多元相关平方R方） 非标准化主要看:1、估计值有没有违反估计？2、系数估计有没有显著？ NOTE： 1、⚪上是残差值（必须是正的），观察变量□上是自己的变异数，回归估计主要看显著值(viewtext→output，主要看Estimates and Model Fit[模型配适度摘要：CMIN卡方差异值越小越好、DF越大越好表示模型越精简、P最好不显著与CMIN/DF理想值3-1之间][配适度指标：IFI、TLI、CFI，理想值＞0.9甚至0.95]，C.R=critical residual临界残差也就是等于spss里的P值，只要＞1.96就是显著，相当于p＜0.05) C.R的计算方法是Estimates 除以标准误S.E 2、显著性与标准化的值无关，非标准化看显著性，标准化看重要性。 3、残差值是正的，看Variances p显著，没有出现不可接受的值。 • 标准化系数 (-1~1之间) – 因素负荷量 (测量权重)值为正数并且理想上>0.7, 0.6可接受 – SMC (R方)多元相关平方 • 测量变量的SMC>0.5 • 潜在变量的SMC= 0.19 (small), 0.33 (medium), 0.67(large) – 误差 (1-SMC) – 变异数值为1 – 回归系数值愈大表示自变量影响力愈大 十一. 在SPSS如何绘制表格？（在此步骤之前已经定义了变量属性） 分析→表→设定表格（表格拖动类似于EXCEL数据透视表的旧对话框）→单击画布上的变量→摘要统计量→ 一般来讲，单击或者双击表格内容就可以对其进行元素选择或者编辑 选中相应表格后右击，编辑内容→在阅读器中（嵌套）或者在单个窗口中（新） 工具栏是否出现：视图→工具栏 列宽的更改：视图→网络线 格式→表格外观（另存为可以存储自定义格式） （改完格式后用）预设模板：系统→编辑→选项→枢轴表→（Academic[三线表模板] ）