SPSS数据分析流程经验总结
2017-08-22 14:05
351 查看
最近几日忙于在淘宝上接单做数据分析,从接单的情况来看,数据分析主要的对象是在校大学生和部分在职公职人员。
分析的主要问题包括对问卷的数据分析与简单的模型建立。
SPSS对于问卷的数据分析:
1.数据的录入:需要将问卷的选项编码成数字,主要存在的问题包括问卷的答案可能是A B C D你需要通过重新编码为不同变量,包括将数值型变量通过重新编码为不同变量,转换为分类型变量,如22岁的孩子被分入青年这个人群。通过计算变量这个菜单,将某些变量通过一定的公式转换为一个新的变量。
2.检查问卷的信度,要想取得可信度很高的统计分析结果,必须要有可信度很高的问卷。信度是判断问卷或考卷编制优劣的一个重要指标,通常,信度系数越高,说明问卷月科学合理,测试结果越可靠。spss信度指标有正常的a系数和标准化的a系数,如果问卷的测量单位不一致时,采用标准化的a系数较为合适。一般a值大于0.7表示可以接受
该表格包含了修改问卷的重要信息,是信度分析中重要的分析结果。这个表格中,最终要的就是最后两列的数值,这是对问卷题目进行删除或修改的依据。以第10题为例说明,第十题的“更正后与项目总数相关”为0.154,说明第10题与其它题目总分的相关系数是非常低的,这是对第10题进行修改的重要依据。可以观察其它题的该项数值,都比第10题高出不少。再看第10题的最后一项数值为0.938,表明如果将第10题删除,克朗巴哈系数将上升(根据公式可知,题目数越少,克朗巴哈系数越小),说明第10题与问卷其它题目的内部一致性较差,也就是相关性较差。因此,如果对问卷进行删除或修改,首先应该考虑第10题。但是,在该题中,卡朗巴哈系数已经非常高,所以再对问卷进行修改的意义不大。
4、Friedman卡方检验结果
卡方检验的显著性是0.000,说明样本在问卷的各题上的看法差异显著,也就是说受试者在各题项上的得分差异显著。样本对问卷的看法或观点越不一致,同时内部一致性越好,说明问卷的可信度越高。
分析的主要问题包括对问卷的数据分析与简单的模型建立。
SPSS对于问卷的数据分析:
1.数据的录入:需要将问卷的选项编码成数字,主要存在的问题包括问卷的答案可能是A B C D你需要通过重新编码为不同变量,包括将数值型变量通过重新编码为不同变量,转换为分类型变量,如22岁的孩子被分入青年这个人群。通过计算变量这个菜单,将某些变量通过一定的公式转换为一个新的变量。
2.检查问卷的信度,要想取得可信度很高的统计分析结果,必须要有可信度很高的问卷。信度是判断问卷或考卷编制优劣的一个重要指标,通常,信度系数越高,说明问卷月科学合理,测试结果越可靠。spss信度指标有正常的a系数和标准化的a系数,如果问卷的测量单位不一致时,采用标准化的a系数较为合适。一般a值大于0.7表示可以接受
该表格包含了修改问卷的重要信息,是信度分析中重要的分析结果。这个表格中,最终要的就是最后两列的数值,这是对问卷题目进行删除或修改的依据。以第10题为例说明,第十题的“更正后与项目总数相关”为0.154,说明第10题与其它题目总分的相关系数是非常低的,这是对第10题进行修改的重要依据。可以观察其它题的该项数值,都比第10题高出不少。再看第10题的最后一项数值为0.938,表明如果将第10题删除,克朗巴哈系数将上升(根据公式可知,题目数越少,克朗巴哈系数越小),说明第10题与问卷其它题目的内部一致性较差,也就是相关性较差。因此,如果对问卷进行删除或修改,首先应该考虑第10题。但是,在该题中,卡朗巴哈系数已经非常高,所以再对问卷进行修改的意义不大。
4、Friedman卡方检验结果
卡方检验的显著性是0.000,说明样本在问卷的各题上的看法差异显著,也就是说受试者在各题项上的得分差异显著。样本对问卷的看法或观点越不一致,同时内部一致性越好,说明问卷的可信度越高。
相关文章推荐
- 大数据分析经验总结
- MaxCompute读取分析OSS非结构化数据的实践经验总结
- SPSS数据分析中出现的常见问题总结
- SPSS数据分析流程
- 16s rDNA数据分析经验总结
- Atitit 数据分析存储位置的查找方法与流程attilax总结
- 数据分析经验总结(非专业分析人员)
- 数据科学求职过程中总结的四点经验
- 微软邹欣分析Scrum开发流程的问题和经验
- 离职了,总结的一些系统分析的经验
- Cassandra源代码分析:数据写入流程
- live555库的rtsp服务器源码分析总结,流程详解RTSPServer
- 实施行政审批流程系统程组件的经验总结,规范化电子化流程管理(有点儿长,准备好茶叶)
- 手机网上商城-项目经验总结(一)-项目开发流程
- (转)基于MVC4+EasyUI的Web开发框架经验总结(3)- 使用Json实体类构建菜单数据
- UWP中新加的数据绑定方式x:Bind分析总结
- [IOS经验总结]UIWebView与JS之间的数据交互
- Android应用内存泄露分析、改善经验总结
- LVS的DR模型工作流程从ip数据层的详细分析
- 《驾驭大数据》:跟大数据关系不大,讲数据分析的理论、工具、方法、团队建设经验