Spss的基本方法使用步骤

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 *** 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 *** 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06

kmo > 06 ——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001<P<005,则为差异显著，如果P<001,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06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：07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 *** 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

像1-6这样赋值的可以根据这样的变量属性之间是否是有内在的大小或者等级顺序，如果有就是有序度量，如果能够进行进行简单的运算的就是尺度度量。0-1只有两个选项的就是名义度量，还有字符型的变量都将设为名义型。只要这个变量有两个属性，就可以设置为名义。。以上仅供参考。。。

通过因子分析和共线性分析。
维度太多可以通过因子分析和共线性分析，合并同类型变量，减少维度。
SPSS是世界上最早的统计分析软件，由美国斯坦福大学的三位研究生于1968年研究开发成功。

1、首先选择分析-度量-信度分析，如图所示。

2、然后打开对话框，如下图所示。

3、然后再将问卷题目选入变量框中，如图所示。

4、这时候还需要选择右边的统计量打开，如图所示。

5、接着选择其中的几个选项，如图所示。

6、最后点击确定，生成结果。然后看那些不降反升的题目，就可以考虑剔除。

添加错误造成的，解决方法如下：

1、首先在SPSS的变量视图中能够找到“值”的选项，如下图所示。

2、点击值后面的小方块进入——值的设置窗口，如下图所示。

3、然后在打开的窗口中，输入值在1的时候代表男，点击下面的——添加按钮。

4、接着将2添加为标签女，然后点击确定。

5、这样在——值的选项中就出现了这样的标签，点击——数据视图。

6、这个时候就可以在数据视图中输入1和2，就知道1指的男性，2指的女性了，如果忘了回到变量视图能够看到标签。

在 SPSS 中，如果你想将一个量表弄成一个自变量，可以通过以下步骤实现：
1 打开你的 SPSS 数据文件，并选中需要 *** 作的变量。
2 选择 "转换" 菜单，并选择 "重编码变量" 选项。这将打开 "重编码变量" 对话框。
3 在 "重编码变量" 对话框中，选择你想要转换的变量，并将其拖动到 "输出变量" 区域中。
4 在 "新变量名称" 栏中输入一个新的变量名称，并在 "取值" 区域中设置变量的取值范围。例如，如果你想将量表分为三个等级，可以将取值范围分别设置为 1、2 和 3。
5 点击 "确定" 按钮，将新变量添加到数据文件中。
6 将新变量添加到回归模型中，作为自变量进行分析。
需要注意的是，将量表转换为一个自变量可能会丢失某些信息，因此需要谨慎选择合适的转换方法。此外，你还需要确认转换后的变量是否符合正态分布，以及是否具有可比性，以确保分析结果的准确性。

---