Spss的基本方法使用步驟

由于一次的調研工作，我們的數據分析采用spss的統計分析工具，然后我是一個新人，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，就覺得應該把它保存下來，所以來到了這里，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

設置的地方：

描述—— kmo

抽取 —— 主成分，碎石圖

旋轉——最大方差法

得分——保存為變量

選項——大小為變量、刪除最小系數，特征值為0.6

kmo > 0.6 ——看是否有效，對原始數據的檢驗。

在SPSS軟件統計結果中，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”，后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（損失的數據，如果損失低于40%即滿意）

解釋總方差：可以分成幾類，然后提取主成分因子，累積方差貢獻率，累積特征值大于等于85%（放寬70%）.(損失率低于15%)

碎石圖：類似于解釋總方差，特征值大于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

旋轉后成分矩陣——成分1，成分2中大于0.6的歸為一類，載荷大于設置的值才會把得分顯示在視圖。

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：如果刪除后信度變大，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→導入變量→確定

中位數：比較均值→均值→導入變量→選項→導入中位數即可→確定

步驟：

分析→回歸→線性→因變量→自變量→

統計量：估計→模型擬合度→共線性診斷→DW

繪制：Y：ZRESID, X:ZPRED; 直方圖，正態概率圖

保存：不操作

選項： 默認

→確定

模型匯總表

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

多重響應，多重響應數據本質上屬于分類數據，但由于各選項均是對同一個問題的回答，之間存在一定的相關，將各選項單獨進行分析并不恰當。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，通過定義變量集的方式，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：可以通過設置分層變量來進行某個選項控制下的分析。

步驟：

分析→多重響應→定義變量集（把多選題變成一個變量）→設置定義把多選題的選項放進集合中的變量→將變量編碼設置為二分法，計數值為1→名稱標簽→添加 、

交叉表

行、列→定義范圍→確定