Spss的基本方法使用步驟

spss的基本方法使用步驟

由於一次的調研工作，我們的資料分析採用spss的統計分析工具，然後我是乙個新人，全都是一步一步從零開始操作的。在學習的過程中簡單記錄了一點筆記，既然寫了，就覺得應該把它儲存下來，所以來到了這裡，為我的第一次spss操作做個馬克。

因子分析方法：指標非常多，反映相同事情的進行聚合

設定的地方：

描述—— kmo

抽取 —— 主成分，碎石圖

旋轉——最大方差法

得分——儲存為變數

選項——大小為變數、刪除最小係數，特徵值為0.6

kmo > 0.6 ——看是否有效，對原始資料的檢驗。

在spss軟體統計結果中，不管是回歸分析還是其它分析，都會看到「sig」，sig=significance，意為「顯著性」，後面的值就是統計出的p值，如果p值0.01公因子方差——提取程度（損失的資料，如果損失低於40%即滿意）

解釋總方差：可以分成幾類，然後提取主成分因子，累積方差貢獻率，累積特徵值大於等於85%（放寬70%）.(損失率低於15%)

碎石圖：類似於解釋總方差，特徵值大於1的就是主成分，對解釋方差的解釋和完善

成分矩陣——一般不考慮，不夠充分，只是中間步驟

旋轉後成分矩陣——成分1，成分2中大於0.6的歸為一類，載荷大於設定的值才會把得分顯示在檢視。

可靠性分析（問卷問題分類正確的前提下）

步驟：分析→度量→可靠性分析→統計量→描述性（如果項已刪除則進行度量）→繼續（模型α）→確定

分析：可靠性統計量：0.7以上有效

可刪除的分析：如果刪除後信度變大，則可以考慮把這個因素刪除

平均數：反應數量的中點

中位數：全體樣本的中點

步驟：均值：描述性統計分析→描述→匯入變數→確定

中位數：比較均值→均值→匯入變數→選項→匯入中位數即可→確定

線性回歸

步驟：分析→回歸→線性→因變數→自變數→

統計量：估計→模型擬合度→共線性診斷→dw

繪製：y：zresid, x:zpred; 直方圖，正態概率圖

儲存：不操作

選項：預設

→確定模型彙總表

dw統計量代表自相關

dw = 2不存在為偽回歸

dw < 2 正自相關

dw > 2 負相關

多選題可以考慮使用多重響應

多重響應，多重響應資料本質上屬於分類資料，但由於各選項均是對同乙個問題的回答，之間存在一定的相關，將各選項單獨進行分析並不恰當。因此對多選題最常見的分析方法是使用spss中的「多重響應」命令，通過定義變數集的方式，對選項進行簡單的頻數分析和交叉分析

作用1：進行簡單的頻數分析：可以直觀明了的比較一道多選題的各個選項被選比例。

作用2：進行交叉分析：可以通過設定分層變數來進行某個選項控制下的分析。

步驟：

分析→多重響應→定義變數集（把多選題變成乙個變數）→設定定義把多選題的選項放進集合中的變數→將變數編碼設定為二分法，計數值為1→名稱標籤→新增、

交叉錶行、列→定義範圍→確定