用SPSS处理问卷

当我们的调查问卷在把调查数据拿回来后,我们该做的工作就是用相关的统计软件进行处理,在此,我们以spss为处理软件,来简要说明一下问卷的处理过程,它的过程大致可分为四个过程:定义变量﹑数据录入﹑统计分析和结果保存.下面将从这四个方面来对问卷的处理做详细的介绍.Spss处理:第一步:定义变量大多数情况下我们需要从头定义变量，在打开SPSS后，我们可以看到和excel相似的界面，在界面的左下方可以看到Data View, Variable View两个标签,只需单击左下方的Variable View标签就可以切换到变量定义界面开始定义新变量。

在表格上方可以看到一个变量要设置如下几项:name(变量名)、type(变量类型)、width(变量值的宽度)、decimals(小数位) 、label(变量标签) 、Values(定义具体变量值的标签)、Missing(定义变量缺失值)、Colomns(定义显示列宽)、Align(定义显示对齐方式)、Measure(定义变量类型是连续、有序分类还是无序分类).我们知道在spss中,我们可以把一份问卷上面的每一个问题设为一个变量,这样一份问卷有多少个问题就要有多少个变量与之对应,每一个问题的答案即为变量的取值.现在我们以问卷第一个问题为例来说明变量的设置.为了便于说明,可假设此题为:1.请问你的年龄属于下面哪一个年龄段( )?A:20—29 B:30—39 C:40—49 D:50--59那么我们的变量设置可如下: name即变量名为1，type即类型可根据答案的类型设置,答案我们可以用1、2、3、4来代替A、B、C、D,所以我们选择数字型的，即选择Numeric, width宽度为4，decimals即小数位数位为0（因为答案没有小数点），label即变量标签为“年龄段查询”。

Values用于定义具体变量值的标签,单击Value框右半部的省略号，会弹出变量值标签对话框,在第一个文本框里输入1,第二个输入20—29,然后单击添加即可.同样道理我们可做如下设置,即1=20—29、2=30—39、3=40—49、4=50--59；Missing，用于定义变量缺失值, 单击missing 框右侧的省略号，会弹出缺失值对话框, 界面上有一列三个单选钮，默认值为最上方的“无缺失值”；第二项为“不连续缺失值”，最多可以定义3个值；最后一项为“缺失值范围加可选的一个缺失值”，在此我们不设置缺省值,所以选中第一项如图；Colomns，定义显示列宽,可自己根据实际情况设置；Align，定义显示对齐方式,有居左、居右、居中三种方式；Measure，定义变量类型是连续、有序分类还是无序分类。

SPSS测量问卷信效度分析在社会科学研究中，问卷调查是一种常用的数据收集方法。

为了确保测量工具的有效性和可靠性，我们需要进行信效度分析。

本文将介绍如何使用SPSS软件对问卷进行信效度分析的步骤和方法。

一、信度分析信度是指测量工具在不同时间点或者多个观察者之间的一致性和稳定性。

常用的信度检验方法有重测法、分半法和内部一致性法。

在SPSS中，我们可以使用Cronbach's Alpha系数来计算问卷的内部一致性。

1. 导入数据首先，将收集到的问卷数据导入SPSS软件中。

确保每个问题都用不同的变量来表示，并且每个被试者的数据都在一行中。

2. 创建变量在菜单栏中选择"变量视图"，然后逐个输入每个问题的变量名和相关信息，比如问题的编号、内容和选项。

3. 计算Cronbach's Alpha系数在菜单栏中选择"分析" - "计算变量" - "反向"，对需要反向计分的问题进行操作。

然后，在菜单栏中选择"数据" - "描述性统计" - "可信度分析"，选择需要进行信度分析的变量，然后点击"统计值"，选择"Cronbach's Alpha系数"并点击"确定"。

Cronbach's Alpha系数的取值范围为0到1，数值越大表示问卷的内部一致性越高。

通常，如果Cronbach's Alpha系数大于0.7，可以认为问卷具有较好的内部一致性。

二、效度分析效度是指问卷是否能够真实地反映出所要测量的概念或者特征。

常用的效度检验方法包括内容效度、构效度和准则效度。

在SPSS中，我们可以通过因子分析和相关系数来进行效度分析。

1. 因子分析因子分析可以用来确定问卷中的维度或者潜在变量。

在菜单栏中选择"分析" - "数据降维" - "因子"，选择需要进行因子分析的变量，然后点击"提取"，选择主成分分析或者最大似然法，并选择因子的数量。

如何使用spss进行问卷效度和信度分析哎呀，这可是个大问题啊！让我们一起来看看如何使用SPSS进行问卷效度和信度分析吧！我们需要了解一下什么是效度和信度。

效度是指问卷能否准确地测量我们想要研究的概念，而信度则是指问卷的稳定性和一致性，即同一人在不同时间或环境下回答相同的问题时，答案是否一致。

那么，我们该如何使用SPSS来进行这些分析呢？我们需要导入数据。

这里啊，数据就像是我们的钱财，需要妥善保管。

在SPSS中，我们可以通过“文件”->“打开”来导入我们的数据。

记得把数据放在一个合适的文件夹里，这样我们才能轻松找到它哦！接下来，我们需要对数据进行预处理。

这个过程就像是给我们的数据洗个澡，让它变得更加整洁。

在SPSS中，我们可以通过“数据”->“清洗”来进行预处理。

这里有一些常见的数据清洗任务，比如缺失值处理、异常值处理等。

通过这些任务，我们可以让数据变得更加规范，便于后续的分析。

好了，现在我们的数据已经准备好了。

接下来，我们就可以开始进行效度和信度分析了。

在SPSS中，我们可以通过“分析”->“可靠性”来进行这些分析。

在这里，我们可以选择不同的分析方法，比如Cronbach's alpha系数、KMO和Bartlett's球形检验等。

这些方法可以帮助我们了解问卷的效度和信度情况。

在进行效度和信度分析时，我们需要注意以下几点：1. 我们需要确保我们的问卷设计是合理的。

一个好的问卷设计应该能够准确地反映我们想要研究的概念，同时避免引导受访者给出特定答案的问题。

2. 我们需要选择合适的分析方法。

不同的问卷可能适用于不同的分析方法，所以我们需要根据具体情况来选择。

3. 我们需要关注分析结果。

如果分析结果显示我们的问卷效度和信度较低，那么我们就需要重新审视我们的问卷设计，看看是否有需要改进的地方。

使用SPSS进行问卷效度和信度分析是一个相当有趣的过程。

通过这个过程，我们可以更好地了解我们的问卷质量，从而提高研究的质量。

使用SPSS进行问卷调查数据分析一、数据收集和预处理1.1 问卷设计与发放在进行问卷调查之前，首先需要设计好问卷内容和结构。

问卷设计应该具有明确的目的和清晰的问题表达，以便获取有效的数据。

设计好的问卷可以通过线上平台或者线下发放的方式进行分发。

1.2 数据收集在问卷发放完成后，需要对收集到的数据进行整理和归档。

将收集到的问卷数据进行编码和录入，确保数据的准确性和一致性。

1.3 数据清洗在进行数据分析之前，需要对收集到的数据进行清洗。

这一步包括检查和处理异常值、缺失值和重复值。

通过SPSS软件可以方便地进行数据清洗和处理。

二、描述性统计分析2.1 频数分析频数分析可以帮助我们了解样本中各变量的分布情况。

通过SPSS的频数分析功能，可以计算出每个选项的选择人数和所占比例，并生成频数表和频数图。

2.2 中心趋势测量中心趋势测量主要包括均值、中位数和众数的计算。

通过SPSS的描述性统计功能，可以得到各个变量的均值、标准差、最小值和最大值等统计指标。

同时，还可以绘制盒须图以描述数据的分布情况。

2.3 分类变量分析对于分类变量，可以通过计算各类别的百分比和绘制饼图或条形图来展示数据。

SPSS的交叉表功能可以帮助我们对分类变量进行交叉分析，比较不同类别之间的差异。

三、相关性分析相关性分析可以帮助我们了解变量之间的相关关系。

通过SPSS的相关分析功能，可以计算出两个变量之间的相关系数，并进行显著性检验。

相关系数的取值范围为-1到1，接近1表示正向相关，接近-1表示负向相关，接近0表示无相关。

四、多变量分析4.1 回归分析回归分析可以用来探究自变量与因变量之间的关系，并预测因变量的取值。

SPSS的回归分析功能可以通过计算回归方程和检验回归系数的显著性来评估自变量对因变量的解释程度。

4.2 方差分析方差分析用于比较多个样本的均值是否存在差异。

SPSS的方差分析功能可以通过计算组间平方和、组内平方和和总平方和来判断差异的显著性。

如何使用spss进行问卷效度和信度分析如何使用 SPSS 进行问卷效度和信度分析在社会科学研究中，问卷是一种常用的数据收集工具。

然而，为了确保问卷所收集的数据具有可靠性和有效性，我们需要进行效度和信度分析。

SPSS 是一款功能强大的统计分析软件，能够帮助我们轻松完成这些分析任务。

接下来，让我们详细了解如何使用 SPSS 进行问卷的效度和信度分析。

一、效度分析效度，简单来说，就是测量工具是否准确地测量了我们想要测量的东西。

常见的效度类型包括内容效度、结构效度和准则效度。

1、内容效度内容效度通常是通过专家评估来确定的。

在使用SPSS 进行分析时，它不是主要的关注点。

2、结构效度结构效度的分析通常借助因子分析来实现。

以下是在 SPSS 中进行因子分析的步骤：（1）打开 SPSS 软件，将问卷数据导入。

（2）选择“分析” “降维” “因子分析”。

（3）将需要分析的变量选入“变量”框。

（4）在“描述”选项中，勾选“KMO 和巴特利特球形度检验”。

KMO 值用于衡量变量间的偏相关性，取值在 0 到 1 之间。

一般认为，KMO 值大于 06 时，数据适合进行因子分析。

巴特利特球形度检验的原假设是变量间不相关，如果检验结果显著（p 值小于 005），则拒绝原假设，说明变量间存在相关性，适合进行因子分析。

（5）在“抽取”选项中，可以选择主成分分析或主轴因子法等提取因子的方法，并根据实际情况确定提取因子的个数。

（6）在“旋转”选项中，选择合适的旋转方法，如正交旋转或斜交旋转，以使得因子结构更清晰。

（7）查看输出结果，主要关注“成分矩阵”或“旋转成分矩阵”，根据因子载荷来判断变量在各个因子上的归属，从而评估问卷的结构效度。

3、准则效度如果有一个有效的外部标准可以用来比较问卷测量的结果，就可以进行准则效度的分析。

但在 SPSS 中的操作相对复杂，需要根据具体情况选择合适的统计方法，如相关分析、回归分析等。

二、信度分析信度指的是测量结果的一致性、稳定性和可靠性。

SPSS问卷分析---编码录入及描述统计详解问卷调查的方法用得很广泛，对于没有接触过spss的人第一步面临的就是问卷编码问题，有很多外专业的同学都在问这个问题，现在通过举例的方法详细讲解如下，以方便第一次接触SPSS的同学也能做简单的分析。

后面还有分析时的操作步骤，以及比较适用的深入统计分析方法的简单介绍。

自己写的，错误之处请指正，调查分析问卷回收，在经过核实和清理后就要用SPSS做数据分析，首先的第一步就是把问题编码录入。

SPSS的问卷分析中一份问卷是一个案，首先要根据问卷问题的不同定义变量。

定义变量值得注意的两点：一区分变量的度量，Measure的值，其中Scale是定量、Ordinal是定序、Nominal是指定类；二注意定义不同的数据类型Type 各色各样的问卷题目的类型大致可以分为单选、多选、排序、开放题目四种类型，他们的变量的定义和处理的方法各有不同，我们详细举例介绍如下：1 单选题：答案只能有一个选项例一当前贵组织机构是否设有面向组织的职业生涯规划系统？A有 B 正在开创 C没有 D曾经有过但已中断编码：只定义一个变量，Value值1、2、3、4分别代表A、B、C、D 四个选项。

录入：录入选项对应值，如选C则录入32 多选题：答案可以有多个选项，其中又有项数不定多选和项数定多选。

（1）方法一（二分法）：例二贵处的职业生涯规划系统工作涵盖哪些组群？画钩时请把所有提示考虑在内。

A月薪员工 B日薪员工 C钟点工编码：把每一个相应选项定义为一个变量，每一个变量Value值均如下定义：“0” 未选，“1” 选。

录入：被调查者选了的选项录入1、没选录入0，如选择被调查者选AC，则三个变量分别录入为1、0、1。

（2）方法二：例三你认为开展保持党员先进性教育活动的最重要的目标是那三项：1（） 2 （） 3（）A、提高党员素质B、加强基层组织C、坚持发扬民主D、激发创业热情E、服务人民群众F、促进各项工作编码：定义三个变量分别代表题目中的1、2、3三个括号，三个变量Value值均同样的以对应的选项定义，即：“1” A，“2” B，“3” C，“4” D，“5” E，“6” F录入：录入的数值1、2、3、4、5、6分别代表选项ABCDEF，相应录入到每个括号对应的变量下。

SPSS测量问卷信效度分析在社会科学研究中，问卷是收集数据的常用工具之一。

然而，为了确保问卷所收集到的数据是可靠和有效的，我们需要进行信效度分析。

SPSS（Statistical Package for the Social Sciences）作为一款强大的统计分析软件，为我们提供了便捷的工具来进行问卷的信效度分析。

接下来，让我们一起深入了解一下。

一、信度分析信度，简单来说，就是测量结果的一致性、稳定性和可靠性。

如果我们用同一份问卷在不同时间对同一组被试进行测量，得到的结果应该是相似的；或者让多个评分者对同一组被试的回答进行评分，评分结果也应该较为一致。

信度主要包括以下几种类型：1、重测信度重测信度是指在不同时间对同一组被试使用相同的问卷进行测量，然后计算两次测量结果之间的相关性。

相关性越高，说明问卷的重测信度越好。

但这种方法在实际操作中可能会受到一些因素的影响，比如被试在两次测量之间的经历、学习等可能导致其状态发生变化。

2、复本信度如果我们有两份内容相似但形式不同的问卷（复本），可以同时对同一组被试进行测量，然后计算两份问卷得分之间的相关性。

但编制高质量的复本问卷并非易事。

3、内部一致性信度这是最常用的信度指标之一，包括克朗巴哈α系数（Cronbach's alpha）和分半信度。

克朗巴哈α系数适用于问卷中的多个项目测量同一个概念的情况。

系数值越高，通常表示内部一致性越好。

一般来说，α系数大于 07 被认为是可以接受的。

在 SPSS 中进行信度分析的步骤如下：首先，将问卷数据录入 SPSS 软件。

然后，选择“分析”菜单中的“度量”，再选择“可靠性分析”。

将需要分析的变量选入“项”框中，选择合适的信度分析方法（如克朗巴哈α系数），点击“确定”即可得到信度分析结果。

二、效度分析效度则是指测量工具能够准确测量出所要测量的概念或特质的程度。

效度主要包括以下几种类型：1、内容效度指问卷的内容是否涵盖了所要测量的概念的各个方面。

如何快速掌握SPSS进行问卷分析1. SPSS对调查问卷原始数据的处理第一步，需要对问卷进行变量定义和编码。

给每个题目起个变量名，例如“性别”、“年龄”、“q1”（第一题）；定义好变量名之后，给每个变量的各种答案或可能取值编码，即用数字来表示，例如1=男性，2=女性。

只有定义好变量和取值之后才能录入SPSS中，变量的编码可以在SPSS中的Values设定。

这里，我们建议大家把原始数据录入和整理分开，录入采用Excel或其他数据库文件。

第二步，整理筛选原始数据。

显然，并非所有的问卷都是有效或可靠的数据，因此，我们需要对原始数据进行筛选和处理。

首先，漏填错填比较多的问卷（占15%以上的题目者）要整体删除；其次，不认真填写的问卷也要删除，例如：录入连续很多个题目都选择同一个答案选项，或者回答的某些题目是互相矛盾的。

2. SPSS对调查问卷数据的描述性统计分析这步主要目的是了解数据样本和各个变量得分的基本情况。

了解样本的结构，例如男女比例，不同收入群体的人数和比例等，采用频数分析方法；了解各个变量，如幸福感、态度等的得分情况，采用描述性统计分析方法。

3. SPSS分析调查问卷数据变量的差异性这步目的是了解不同分类或分组变量水平上特定变量的均值差异，例如男生和女生的成绩差异、不同收入水平消费者的广告偏好程度等。

两组之间采用t检验，三组及以上者采用方差分析。

4. SPSS分析调查问卷数据变量的相关性这步目的是分析不同变量至今是否存在显著相关，相关系数是多少。

如果是两个连续型变量，则采用Pearson相关分析；若涉及至少一个等级变量，则采用Spearman等级相关分析；如果需要固定某个变量不变，例如控制年龄之后再分析身高和体重的关系，则需要采用偏相关分析。

5.SPSS分析调查问卷数据变量之间的因果关系或影响关系这步的目的是分析变量之间的相互影响关系，例如性态度对性行为的影响。

这部分采用回归分析方法，包括单变量回归或多变量回归分析，比较复杂的涉及调整变量、中间变量等方法，借助结构方程模型可以方便处理。

spss如何对调查问卷进行效度分析调查问卷是社会科学研究中常用的数据收集工具之一，而问卷的效度分析则是评估问卷测量工具是否能够准确地反映研究对象的相关变量。

在SPSS软件中，我们可以利用一系列的统计方法来进行问卷的效度分析。

首先，我们需要明确问卷的测量维度和变量。

一份问卷可能涉及多个测量维度，比如心理健康、社会支持等。

在SPSS中，我们需要将这些测量维度转化为相应的变量，并为每个变量进行编号。

接下来，我们可以使用SPSS的描述性统计功能来分析各个变量的均值、标准差和偏度等指标。

这些指标可以帮助我们了解变量的分布情况，以及是否存在明显的偏倚。

如果某个变量的均值明显偏离正常范围，可能需要进一步检查该变量的测量方法和问卷设计是否存在问题。

除了描述性统计，我们还可以利用SPSS的相关分析功能来探索变量之间的相关关系。

相关分析可以帮助我们判断问卷中各个问题是否和测量维度有着显著的相关性。

如果某个问题与测量维度的相关系数较低，可能需要考虑对这个问题进行修改或删除。

在进行效度分析时，我们还可以使用SPSS的因素分析功能。

因素分析可以帮助我们确定问卷中的潜在因素或维度结构。

通过因素分析，我们可以了解问卷中各个问题是否聚集在某些潜在维度下，以及这些维度是否能够准确地反映测量的概念。

最后，我们可以使用SPSS的信度分析功能来评估问卷的信度。

信度分析可以帮助我们判断问卷中的问题是否稳定可靠，即在不同时间和不同样本中是否能够得到一致的结果。

常用的信度分析方法包括Cronbach's alpha系数和测试-重新测试法。

综上所述，SPSS软件提供了丰富的统计方法和功能，可以帮助我们对调查问卷进行效度分析。

通过合理利用SPSS的描述性统计、相关分析、因素分析和信度分析等功能，我们能够全面地评估问卷的测量效度，提高研究结果的可信度和可靠性。

SPSS问卷数据分析操作实例在当今社会，数据的收集和分析对于了解各种现象、解决问题以及做出决策起着至关重要的作用。

问卷作为一种常见的数据收集工具，通过合理设计和有效发放，可以获取大量有价值的信息。

而 SPSS （Statistical Package for the Social Sciences）作为一款功能强大的统计分析软件，为我们处理和分析问卷数据提供了便捷和高效的途径。

接下来，我将通过一个具体的实例，为您详细介绍如何使用 SPSS 进行问卷数据分析。

假设我们进行了一项关于消费者对某品牌手机满意度的调查，共收集了 500 份有效问卷。

问卷中包含了消费者的个人信息（如年龄、性别、职业等）、对手机外观、性能、价格、售后服务等方面的满意度评价（采用 1-5 分的评分制，1 分为非常不满意，5 分为非常满意）以及是否会推荐给他人等问题。

首先，打开 SPSS 软件，将问卷数据导入到软件中。

SPSS 支持多种数据格式的导入，如 Excel、CSV 等。

在导入数据后，我们需要对数据进行初步的整理和检查，确保数据的完整性和准确性。

接下来，我们对消费者的个人信息进行描述性统计分析。

选择“分析” “描述统计” “频率”，将年龄、性别、职业等变量放入变量框中，点击“确定”。

这样，我们可以得到这些变量的频数分布、百分比、均值、中位数等统计量，从而了解调查对象的基本特征。

对于满意度评价的变量，我们可以计算其均值和标准差，以了解消费者对各方面的平均满意度水平和差异程度。

选择“分析” “描述统计” “描述”，将满意度评价变量放入变量框中，勾选“均值”和“标准差”，点击“确定”。

为了进一步探究不同性别、年龄或职业的消费者在满意度方面是否存在差异，我们可以进行方差分析或独立样本 t 检验。

例如，如果要比较男性和女性消费者在手机性能满意度上的差异，选择“分析” “比较均值” “独立样本 t 检验”，将性能满意度变量作为检验变量，性别变量作为分组变量，点击“确定”。

依据调查问卷，进行卡方检验SPSS操作
步骤
卡方检验是一种常用的统计方法，用于检验两个或多个分类变
量之间是否存在相关性。

通过使用SPSS软件进行卡方检验，您可
以进一步分析问卷数据的相关性。

以下是在SPSS中执行卡方检验的步骤：
1. 打开SPSS软件并导入问卷调查数据。

2. 确保将问卷数据正确地格式化为分类变量。

3. 菜单栏选择“分析”（Analysis），然后选择“描述统计”（Descriptive Statistics）下的“交叉表”（Crosstabs）。

4. 在弹出的对话框中，将要进行分析的变量拖动到“行”（Rows）和“列”（Columns）框中。

5. 点击“统计”（Statistics）按钮，并选择“卡方”（Chi-square）选项。

6. 如果您对期望频数感兴趣，可以选择“预计频数”（Expected Frequencies）选项。

7. 点击“确定”（OK）以执行卡方检验。

8. 在分析结果中，您将看到卡方检验的结果，包括卡方值、自由度、p值和卡方检验的解释。

卡方检验的结果将帮助您判断两个或多个分类变量之间的关系是否显著。

如果p值小于设定的显著性水平（通常设为0.05），则可以得出结论认为两个变量之间存在相关性。

请注意，在进行卡方检验之前，确保您的数据符合卡方检验的前提条件，如样本量足够大以满足期望频数的要求。

希望上述步骤对您进行卡方检验的SPSS操作有所帮助！。

SPSS分析调查问卷数据的方法当我们的调查问卷在把调查数据拿回来后,我们该做的工作就是用相关的统计软件进行处理,在此,我们以spss为处理软件,来简要说明一下问卷的处理过程,它的过程大致可分为四个过程:定义变量﹑数据录入﹑统计分析和结果保存.下面将从这四个方面来对问卷的处理做详细的介绍.Spss处理:第一步:定义变量大多数情况下我们需要从头定义变量，在打开SPSS后，我们可以看到和excel相似的界面，在界面的左下方可以看到Data View, Variable View两个标签,只需单击左下方的Variable View标签就可以切换到变量定义界面开始定义新变量。

在表格上方可以看到一个变量要设置如下几项:name(变量名)、type(变量类型)、width(变量值的宽度)、decimals(小数位) 、l abel(变量标签) 、Values(定义具体变量值的标签)、Missing(定义变量缺失值)、Colomns(定义显示列宽)、Align(定义显示对齐方式)、Measure(定义变量类型是连续、有序分类还是无序分类).我们知道在spss中,我们可以把一份问卷上面的每一个问题设为一个变量,这样一份问卷有多少个问题就要有多少个变量与之对应,每一个问题的答案即为变量的取值.现在我们以问卷第一个问题为例来说明变量的设置.为了便于说明,可假设此题为:1.请问你的年龄属于下面哪一个年龄段( )?A:20—29 B:30—39 C:40—49 D:50--59那么我们的变量设置可如下: name即变量名为1，type即类型可根据答案的类型设置,答案我们可以用1、2、3、4来代替A、B、C、D,所以我们选择数字型的，即选择Numeric, wi dth宽度为4，decimals即小数位数位为0（因为答案没有小数点），label即变量标签为“年龄段查询”。

Values用于定义具体变量值的标签,单击Value框右半部的省略号，会弹出变量值标签对话框,在第一个文本框里输入1,第二个输入20—29,然后单击添加即可.同样道理我们可做如下设置,即1=20—29、2=30—39、3=40—49、4=50--59；Missing，用于定义变量缺失值, 单击missing框右侧的省略号，会弹出缺失值对话框, 界面上有一列三个单选钮，默认值为最上方的“无缺失值”；第二项为“不连续缺失值”，最多可以定义3个值；最后一项为“缺失值范围加可选的一个缺失值”，在此我们不设置缺省值,所以选中第一项如图；Colo mns，定义显示列宽,可自己根据实际情况设置；Align，定义显示对齐方式,有居左、居右、居中三种方式；Measure，定义变量类型是连续、有序分类还是无序分类。