Spss的基本方法使用步驟 | spss步驟
![Spss的基本方法使用步驟](https://i.imgur.com/axBPWDg.jpg)
Spss的基本方法使用步驟[1]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,然後我是一個新人,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、刪除最小系數,特徵值為0.6kmo>0.6——看是否有效,對原始資料的檢驗。在SPSS軟體統計結果中,不管是迴歸分析還是其它...
![Spss的基本方法使用步驟](https://i.imgur.com/H8YKUrg.jpg)
Spss的基本方法使用步驟[1]
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,然後我是一個新人,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、刪除最小系數,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,不管是迴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<P<0.05,則為差異顯著,如果P<0.01,則差異極顯著。
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
線性迴歸步驟:
分析→迴歸→線性→因變數→自變數→
統計量:估計→...