【正文】 hrough(到 )】 表示多重分類法的終值。 多重響應分析的 SPSS操作詳解 Step01 ： 打開 【 Define Multiple Response Sets(定義多元響應集 )】 對話框 選擇菜單欄中的 【 Analyze(分析 )】 → 【 Multiple Responses(多元響應 )】 → 【 Define Multiple Response Sets(定義多元響應集 )】 命令，彈出 【 Define Multiple Response Sets(定義多元響應集 )】 對話框。 折半信度系數的分析 Mean Minimum Maximum Range Maximum / Minimum Variance N of Items Item Means Part 1 .567 .161 2a Part 2 .733 .269 2b Both Parts .812 4 Item Variances Part 1 .575 .461 .690 .229 .026 2a Part 2 .595 .437 .754 .317 .050 2b Both Parts .585 .437 .754 .317 .026 4 InterItem Covariances Part 1 .414 .414 .414 .000 .000 2a 折半信度系數的分析 Part 2 .322 .322 .322 .000 .000 2b Both Parts .308 .202 .414 .211 .006 4 InterItem Correlations Part 1 .734 .734 .734 .000 .000 2a Part 2 .561 .561 .561 .000 .000 2b Both Parts .541 .343 .734 .391 .021 4 a. The items are: 科學素質 , 文化素質 . b. The items are: 經濟素質 , 道德素質 . 多重響應分析概述 使用目的 多重響應 （ Multiple Response）是指對同一個問題被調查者可能有多個答案，它是調查研究中十分常見的數據形式。由于兩部分的項目是一樣的，都是兩個項目，一般都應采用 SpearmanBrown修正方法對兩部分總分的簡單相關系數進行修正，修正的結果為 ，兩部分的 Guttman SplitHalf Coefficient為 ，說明整個問卷是可行的一份問卷。s Alpha if Item Deleted 科學素質 .750 .685 .710 文化素質 .622 .542 .777 經濟素質 .718 .565 .740 道德素質 .506 .321 .840 實例進階分析： 折半信度系數的分析 如果在實例操作的第二步中， 在 【 Model(模型 )】 的下拉框中選擇的列表框中選擇 【 Splithalf(半分 )】 ，其他不變，那么，所進行的信度分析就是折半信度法，其結果會出現在折半項目的前提下所得到克朗巴哈（ Cronbach）信度系數，和在折半項目的前提下得到評估項目的描述性統(tǒng)計，如下表所示。 第三行顯示 4個評估項目協(xié)方差的均值為 ，最大值為 0.414，最小值 ，全距 ，樣本方差的方差為 ；第四行顯示 4個評估項目相關系數的均值為 ，最大值為 ，最小值 ，全距 。 實例結果及分析 Cronbach39。 實例操作 實例結果及分析 （ 1） 信度分析進行過程的摘要 執(zhí)行完上面操作后，在 SPSS結果報告中首先給出的是信度分析進行過程的摘要，見下表所示。 實例操作 實例操作 Step02： 在左側的候選變量列表框中選擇 “ 科學素質 ” 、 “ 文化素質 ” 、 “ 經濟素質 ” 、 “ 道德素質 ” 進入 【 items(項 )】 列表框， 在 【 Model(模型 )】 下拉列表框中選擇 【 Alpha()】 選項，并單擊【 Statistics(統(tǒng)計量 )】 按鈕進入 【 Statistics(統(tǒng)計量 )】 對話框。 Step05：單擊 【 OK】 按鈕，結束操作， SPSS軟件自動輸出結果。 信度分析的 SPSS操作詳解 信度分析的 SPSS操作詳解 ● 【 InterItem】 選項組 :Covariances、 Correlations分別表示輸出各評估項目的協(xié)方差系數矩陣和相關系數矩陣。 ● Parallel：各題目變異數同質時的最大概率（ maximumlikelihood）信度。 信度分析的 SPSS操作詳解 信度分析的 SPSS操作詳解 Step03 ： 選擇信度分析的方法 在 【 Model(模型 )】 下拉列表框中選擇信度分析的信度系數，從而對變量進行信度分析。這種方法適用于態(tài)度、意見式問卷的信度分析，是目前最常用的信度系數，其公式為： 其中，為調查問卷中題項的總數，為個項目相關系數的均值。 折半信度法 是將調查項目分為兩半，計算兩半得分的相關系數，進而估計整個量表的信度。 信度分析概述 基本原理 重測信度法 是用同樣的問卷對同一組被調查者間隔一定時間重復施測，計算兩次施測結果的相關系數，適用于事實式問卷，如性別、出生年月等在兩次施測中不應有任何差異。 w1 w2 w1 .20205337 .30266749 w2 .20208339 .30283098 Mean of quantitative variable when other variable is present. 3 實例結果及分析 ③兩變量配對的樣本標準差 這里，變量 w1的樣本標準差是 ，變量 w2的樣本標準差為 ，變量 w1的 1940個數據在變量 w2都不缺失的情況下的均值為 ，變量 w2的 1900個數據在變量 w1都不缺失的情況下的均值為 w1 w2 w1 .198140912 .098699395 w2 .199486851 .098391053 Standard deviation of quantitative variable when other variable is present. 3 實例結果及分析 ? （ 4） 兩變量配對的樣本協(xié)方差 這里，變量 w1的樣本方差是 ，變量 w2的樣本方差為 ，配對的變量 w1與變量 w2的樣本協(xié)方差為 。此時，軟件輸出結果出現在結果瀏覽窗口中。 缺失值分析的 SPSS操作詳解 實例圖文分析： 二維正態(tài)隨機數的缺失分析 1. 實例內容 相關系數為 2020個觀測值，其邊緣分布分別為均值為 ，標準差為 w1，和均值為 ，標準差為 w2，隨機刪除變量 w1中的 3%數據，隨機刪除變量 w2中的 5%數據，現在進行缺失值分析。 ● t tests with groups formed by indicator variable： 使用有指示變量形成的分；組進行的 T檢驗。 缺失值分析的 SPSS操作詳解 缺失值分析的 SPSS操作詳解 【 Descriptives(描述 )】 主要對單變量統(tǒng)計量和指示變量統(tǒng)計量、忽略缺失值占總個案數的比例三部分。 （ 4） Sort by:排序依據。 ● Cases with missing value ,sorted by missing value patterns： 按照缺失值排序的個案模式。 ● Regression： 用線性回歸的方法對對缺失值進行修補。 Step03 ： 選擇缺失值估計的方法 在 【 Estimation(估計 )】 列表框中選擇缺失值的處理，從而對參數進行方式。此時，原數據文件新增加了 “ ine1”變量。 實例操作 實例操作 Step02： 在左側的候選變量列表框中選擇 “ 工資底線 ” 變量進入 【 New Variable(s)(新變量 )】 列表框， 這時系統(tǒng)自動產生用于替代缺失值的新變量，用戶也可在 Name框處自己定義替代缺失值的新變量名。 實例圖文分析：高校畢業(yè)生就業(yè)意愿調查 1 .實例內容 就業(yè)意愿描述的是大學生尋找工作之前的設想，這種設想與現實的匹配程度會影響其能否實現就業(yè)。應用缺失值所在的整個序列建立線性回歸方程，然后用該回歸方程在缺失點的預測值填充缺失值 替換缺失值的 SPSS操作詳解 Step04 ： 其他選項設置 當選擇的替換缺失值的方法為 【 Mean of nearby points(臨界點的均值 )】 或 【 Median of nearby points(臨界點的中位數 )】 時，選項 【 Span of nearby points(臨界點的跨度 )】 處于激活狀態(tài)，可以選擇取相鄰點的跨度。 ● Median of nearby points： 用缺失值相鄰點的非缺失值的中位數做替代，取多少個相鄰點可任意定義。完全非隨機缺失 缺失值的處理方法 :刪除法和插補法 替換缺失值的 SPSS操作詳解 ? Step01： 打開 【 Replace Missing Values(替換缺失值 )】 對話框 選擇菜單欄中的 【 Transform(轉換 )】 → 【 Replace Missing Values(替換缺失值 )】 命令，彈出 【 Replace Missing Values(替換缺失值 )】對話框 . 替換缺失值的 SPSS操作詳解 Step02： 選擇檢驗變量 在該對話框左側的候選變量列表框中選擇一個或幾個變量，將其移入 【 New Variable(s)(新變量 )】 列表框中 , 這時系統(tǒng)自動產生用于替代缺失值的新變量，用戶也可在 【 name(名稱 )】 框處自己定義替代缺失值的新變量名。 (2)【 Transform→Recode into some Variable (轉換 → 重新編碼為相同變量 )】 和 【 Transform→Recode into Different Variable (轉換 →重新編碼為不同變量 )】 ，重新編碼數據，重新安排次序?！?，而用戶界定的缺失值則不會在數據顯示時出現 “ 數據整理與轉換 您的性別：■男 □ B 女 您所學專業(yè)名稱 ： 年級： ： ■前 10% □ 11%—30% □ 31%—70% □ 最后 30% ： □參加了 ■未參加 (跳答一題 ) ： □主要是 □有一些 □沒有 您選擇 ■參加工作 □考研 □邊工作邊考研 □到國外 □自主創(chuàng)業(yè) □暫時什么都不做 數據整理與轉換 ？ ■招聘會 ■互聯網 ■同學、朋友、熟人 ■報刊雜志 □職介機構 □其他 ，選擇職業(yè)時哪些因素影響較大（請選三項并排序）： 1單位類型及規(guī)模 □就業(yè)地區(qū)選擇 □工資水平及福利 2有利于個人發(fā)展及晉升 3對工作本身的興趣 工作穩(wěn)定性 □工作的環(huán)境及舒適性 □父母意見 □學校老師影響 □其他 7. 您求職要求的工資底線 2020 元 。這些功能集中在 Data和 Transform菜單項中，下面將以了解高校畢業(yè)生就業(yè)意愿情況進行調查而獲得的一份問卷為例，介紹一些常用的功能。系統(tǒng)缺失值主要是指計算機默認的缺失方式，如果在輸入數據時空缺了某些數據或輸入了非法的字符，計算機就把其界定為缺失值，這時的數據標記為 “ (1)【 Transform→Compute Variable (轉換 → 計算變量 )】 對原始數據進行四則運算等，進而派生出新的變量。隨機缺失 。 ● Mean of nearby points： 用缺失值相鄰點的非缺失值的均數做替代，取多少個相鄰點可任意定義。 Linear trend at point： 缺失點處的線性趨勢法。在 SPSS相關的分析過程中，選擇 按對排除個案（ P） ，這時如果沒有用到含缺失值的變量，缺失值對分析沒有影響；如果選擇 按列表排除個案 （ L） ，含有缺失值的個案將不會用于分析，可能會造成信息損失。 實例操作 Step01： 打開對話框 打開 SPSS軟件，選擇菜單欄中的 【 Transform(轉換 )】→ 【