SPSS使用说明书
- 格式:doc
- 大小:863.00 KB
- 文档页数:13
信度分析和效度分析数据计分方法说明类别小分类对应题项每题计分方法维度计分方法题项职业倦怠情感枯竭1-3题正向计分全部题项直接加总3 去个性化4-6题正向计分全部题项直接加总3 个人成就感7-10题逆向计分全部题项取倒数后加总4心理资本11-18题正向计分全部题项直接加总8组织气氛19-26题21题为逆向计分,其余题项正向计分21题取倒数后与其余题项加总8总体幸福感27-31题27题和31题为逆向计分,其余题项为正向计分27和31题取到术后与其余题项加总5整体问卷以上各个维度的总分直接加总31 讲问卷调查的数据进行如上表的数据预处理后,接下来再进行如下分析。
1 信度分析这里有63份问卷,首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和调查的意图,问卷中的各个问题是否测量了相同的内容和信息;同时,对于调查问卷所得到的数据是否具有可靠性,就必须在对问卷分析之前做信度分析。
信度本身与测量结果的正确与否无关,它的用途在于检测问卷本身的稳定性。
信度分析中常用Cronbach α系数的大小来衡量调查问卷的信度。
一般而言,如果问卷的信度系数达到0.9以上,该问卷调查的信度就较好;信度系数在0.8以上,是不错的;一般认为试卷信度在0.5至0.9以内是合理的,如果信度系数低于0.5,则此问卷的调查结果就不可信了。
将以上63份问卷的数据用SPSS21.0先进行标准化处理,再进行信度分析,其结果如表一所示:表一显示,整体问卷和问卷中的各个维度的Cronbach's Alpha系数值均大于0.6,所以可以推断此问卷的可信度一般,该评价问卷只具有很较高的内在一致性。
2 效度分析具备信度的问题不一定具备效度,因此做完信度分析,再用SPSS21.0对其进行效度分析。
2.1 因子模型适应性分析效度分析使用的是因子分析模型,在运用因子模型分析之前,首先要对问卷数据进行因子模型适应性分析,分析结果如下表所示:表二 KMO 和 Bartlett 的检验0.05的巴特利球型检验,说明问卷调查的数据非常适合做因子分析。
SPSS 22中文使用手册一、简介SPSS 22是一款功能强大的统计分析软件,它可以帮助用户收集、组织、分析和报告数据,并可以提供有关数据的有用信息。
SPSS 22支持多种文件格式,可以从多种数据源中获取数据,并可以使用多种统计分析方法来提取有用的信息。
SPSS 22提供了一系列的统计分析功能,可以帮助用户进行数据描述、回归分析、多元分析、分类统计分析、时间序列分析、假设检验、因子分析等,以及可视化工具,可以帮助用户更好地理解和探索数据。
SPSS 22也支持多种输出格式,可以将统计分析结果以图表和报告的形式输出,以便用户更好地理解和分析数据。
二、SPSS 22的安装1、下载SPSS 22首先,用户需要从IBM的官方网站上下载SPSS 22的安装程序,下载完成后双击安装程序,开始安装SPSS 22。
2、安装SPSS 22安装程序会自动检测用户的计算机系统,并提示用户安装SPSS 22。
用户需要按照提示完成安装,安装完成后,SPSS 22就可以使用了。
三、SPSS 22的基本使用1、新建数据文件打开SPSS 22,点击“文件”菜单,选择“新建”,即可创建一个新的数据文件。
在新建的数据文件中,用户可以输入数据,也可以从其他数据源中导入数据。
2、数据分析在SPSS 22中,用户可以使用多种统计分析方法来分析数据,比如数据描述、回归分析、多元分析、分类统计分析、时间序列分析、假设检验、因子分析等。
3、结果输出SPSS 22可以将统计分析结果以图表和报告的形式输出,以便用户更好地理解和分析数据。
用户可以使用SPSS 22的可视化工具来可视化统计分析结果,以便更好地理解和探索数据。
四、SPSS 22的高级使用1、数据处理SPSS 22提供了一系列的数据处理功能,可以帮助用户对数据进行清洗、转换、排序和合并等操作,以便更好地分析数据。
2、统计模型SPSS 22提供了一系列的统计模型,可以帮助用户建立复杂的统计模型,比如多元线性回归模型、Logistic回归模型、多项式回归模型等。
SPSS使用说明书
t检验
t检验主要是对两组类别,如性别等方面的差异进行分析的工具。
一、社会支持、工作压力、控制源、工作满意度的性别差异
1、进入analysis> campare means> independent-sample T test
2、输入变量名,其中结果变量(在本研究中主要是工作压力,工作满意度和控制源和社会支持)输入到test Variable(s)中,可以将所有结果变量同时输入,也可以将依次输入。
性别作为分类变量输入到Grouping V ariable 中,然后揿defeind groups键。
3、你再输入数据时如果男性输入为1,女性为2,则输入数据1、2分别代表男和女。
然后揿Continue键。
4、出现如下图形后,揿OK键,则出现统计结果
5、统计结果包括两个表格,第一个表格如下。
这个表格说明的是每个结果变量的数据信息,以时间应激为例,性别分别用1和2表示;N 表示调查的人数,其中男性67人,女性30人;Mean 表示在时间应激量表上的得分情况,其中男性的平均分为23.87,女性的平均分为21.63;Std. Deviation 表示标准差,男性得分的标准差为4.988。
女性的得分标准差为5.048。
Group Statistics
6723.87 4.988.6093021.63 5.048.9226714.97 4.000.4893014.17 3.887.71067 3.39 2.546.31130 3.97 2.659.48567 6.69 2.846.348307.37 2.834.5176712.15 2.009.2453012.43 2.096.3836733.1910.125 1.2373044.0714.326 2.6166719.259.697 1.1853019.17 5.299.9676758.4819.611 2.3963069.2319.372 3.5376711.21 4.956.60530
13.40
4.538
.829
性别121212121212121212
时间应激焦虑上司支持同事支持家人朋友内在满意外在满意整体满意内外倾向
N Mean Std. Deviation
Std. Error Mean
2、输入变量名,其中结果变量(在本研究中主要是工作压力,工作满意度和控制源和社会支持)输入到test Variable(s)中,可以将所有结果变量同时输入,也可以将依次输入。
年龄作为分类变量输入到Factor中,然后揿Post Hoc键。
3、选中LSD,然后揿Continue:
4、揿Options,选中Descriptive,然后揿Continue:
5、揿OK则出现统计结果。
统计结果包括三个表格,第一个表格如下。
这个表格说明的是每个结果变量的数据信息,以时间应激为例,20表示20到30岁这组人,N表示人数,Mean表示平均数,Std. Deviation表示标准差。
则时间应激的第一行表示的是20-30岁这组人的人数是34人。
在时间应激上得分为21.18,标准差
外在满意20 30 8.32(*) 1.296 .000 5.74 10.89
40 -8.42(*) 1.591 .000 -11.58 -5.26
30 20 -8.32(*) 1.296 .000 -10.89 -5.74
40 -16.74(*) 1.528 .000 -19.77 -13.71
40 20 8.42(*) 1.591 .000 5.26 11.58
30 16.74(*) 1.528 .000 13.71 19.77 整体满意20 30 20.75(*) 2.539 .000 15.71 25.79
40 -22.99(*) 3.118 .000 -29.18 -16.79
30 20 -20.75(*) 2.539 .000 -25.79 -15.71
40 -43.74(*) 2.995 .000 -49.68 -37.79
40 20 22.99(*) 3.118 .000 16.79 29.18
30 43.74(*) 2.995 .000 37.79 49.68 * The mean difference is significant at the .05 level.
相关分析
相关分析表示的是两组数据之间的相互关系
三、社会支持、工作压力、控制源与工作满意度的关系
1、选择Analysis > Correlate > Bivariate
2、将需要分析的内容放进来,然后揿OK键:
2、输出结果只有一项:
Correlations
时间应激焦虑上司支持同事支持家人朋友内在满意外在满意整体满意内外倾向
时间应激Pearson
Correlation
1 .839(**) -.866(**) -.853(**) -.721(**) -.516(**) -.423(**) -.503(**) -.466(**) Sig.
(2-tailed)
. .000 .000 .000 .000 .000 .000 .000 .000 N 97 97 97 97 97 97 97 97 97
焦虑Pearson
Correlation
.839(**) 1 -.893(**) -.907(**) -.787(**) -.553(**) -.496(**) -.558(**) -.511(**) Sig.
(2-tailed)
.000 . .000 .000 .000 .000 .000 .000 .000 N 97 97 97 97 97 97 97 97 97
上司支持Pearson
Correlation
-.866(**) -.893(**) 1 .930(**) .847(**) .529(**) .465(**) .530(**) .511(**) Sig.
(2-tailed)
.000 .000 . .000 .000 .000 .000 .000 .000 N 97 97 97 97 97 97 97 97 97
同事支持Pearson
Correlation
-.853(**) -.907(**) .930(**) 1 .857(**) .518(**) .465(**) .523(**) .503(**) Sig.
(2-tailed)
.000 .000 .000 . .000 .000 .000 .000 .000 N 97 97 97 97 97 97 97 97 97
家人朋友Pearson
Correlation
-.721(**) -.787(**) .847(**) .857(**) 1 .446(**) .411(**) .454(**) .452(**) Sig.
(2-tailed)
.000 .000 .000 .000 . .000 .000 .000 .000 N 97 97 97 97 97 97 97 97 97
内在满意Pearson
Correlation
-.516(**) -.553(**) .529(**) .518(**) .446(**) 1 .802(**) .967(**) .908(**) Sig.
(2-tailed)
.000 .000 .000 .000 .000 . .000 .000 .000 N 97 97 97 97 97 97 97 97 97
外在满意Pearson
Correlation
-.423(**) -.496(**) .465(**) .465(**) .411(**) .802(**) 1 .927(**) .911(**) Sig.
(2-tailed)
.000 .000 .000 .000 .000 .000 . .000 .000 N 97 97 97 97 97 97 97 97 97
整体满意Pearson
Correlation
-.503(**) -.558(**) .530(**) .523(**) .454(**) .967(**) .927(**) 1 .956(**) Sig.
(2-tailed)
.000 .000 .000 .000 .000 .000 .000 . .000 N 97 97 97 97 97 97 97 97 97
** Correlation is significant at the 0.01 level (2-tailed).
每一结果变量有三行,其中Pearson Correlation表示相关系数高低,Sig表示结果的显著性,N表示人数。
在Pearson Correlation的数值的右上角有不同的星号(这个星号在显示时不太正常,因此你要自己画,你可以根据sig的得分来画星号,如果得分小于0.05就画一个星号,如果小于0.01就画两个星号,小于0.001就画三个星号。
如果sig的得分大于0.05就表示相关不显著。
我们看到,时间应激和上司支持的相关系数为-.866,表示上司支持的得分越高,则员工的时间应激得分越低,注意:统计结果只是反应得分情况,得分高低具体代表的意思要根据量表的具体内容。
上司支持和总体满意度的相关系数为.530,表示上司支持得分越高,则总体满意度得分越高(根据量表可知,总体满意度量表的得分越高,满意度水平越高,上司支持的量表得分越高,上司支持水平越高,因此我们可以说,如果员工获得的社会支持越多,则满意度越高)。