使用SPSS进行统计数据分析

第4章 探索式因素分析

在社会与行为科学研究中，研究者经常会搜集实证性的量化资料來做验证，而要证明这些资料的可靠性与正确性，则必须依靠测量或调查工具的信度或效度（杨国枢等，2002b）。一份好的量表应该要能够将欲研究的主题构念（Construct，它是心理学上的一种理论构想或特质，无法直接观测得到）清楚且正确的呈现出来，而且还需具有「效度」，即能真正衡量到我们欲量测的特性，此外还有「信度」，即该量表所衡量的结果应具有一致性、稳定性，因此为达成「良好之衡量」的目标，必须有以下两个步骤：第一个步骤是针对量表的题项作项目分析，以判定各项目的区别效果好坏；第二步骤则是建立量表的信度与效度。量表之项目分析、信度检验已于第2、3章有所说明，本章将探讨量表之效度问题。

4-1 效度

效度即为正确性，也就是测量工具确实能测出其所欲测量的特质或功能之程度。一般的研究中最常使用「内容效度」（Content Validity）与「建构效度」（Construct Validity）来检视该份研究之效度。

所谓「内容效度」，是指该衡量工具能足够涵盖主题的程度，此程度可从量表内容的代表性或取样的适切性来加以评估。若测量内容涵盖所有研究计划所要探讨的架构及内容，就可说是具有优良的内容效度。在一般论文中，常使用如下的描述来「交代」内容效度：

而所谓「建构效度」系指测量工具的内容，即各问项是否能够测量到理论上的构念或特质的程度。建构效度包含收敛效度（Convergent Validity）与区别效度（Discriminant Validity），收敛效度主要测试以一个变量（构念）发展出的多项问项，最后是否会收敛于一个因素中（同一构念不同题目相关性很高）；而区别效度为判别问项可以与其它构念之问项区别的程度（不同构念不在内容效度方面，主要是根据文献探讨及专家研究者的经验。然因本研究问卷设计之初，考虑目前相关的文献中，尚未对本研究议题提出实证性问卷，故只能自行设计量表，对于内容效度是否达成，尚有疑虑。 本研究问卷系以理论为基础，参考多数学者的问卷内容及衡量项目，并针对研究对象的特性加以修改，并经由相关专业人员与学者对其内容审慎检视，继而进行预试及修正，因此本研究所使用之衡量工具应能符合内容效度的要求。

使用SPSS进行相关分析

相关分析是分析客观事物之间关系的数量分析方法，明确客观事物之间有怎样的关系，对理解和运用相关分析是极为重要的。通过具体实例，阐述使用SPSS软件进行相关分析的详细过程，最后还对Pearson相关系数进行分析，为研究科学的教学方法科提供了一定的参考。

标签：SPSS软件；相关分析；Pearson相关系数

为了进行两个变量之间的比较，通常可以使用相关分析的方法。进行相关分析的主要方法有图示法和计算相关系数。图示法是通过绘制相关散点图，找出变量之间相关关系的方法，虽然散点图能够直观地展现度量之间的统计关系，但不精确。除散点图外，还可以通过计算相关系数来分析变量之间的相互关系。Pearson相关系数是一种线性关联度量，适用于两个变量的度量水平都是尺度数据，并且两个变量的总体是正态分布或接近于正态分布的情况。本文主要是利用散点图和Pearson相关系数来进行相关分析。

1 试验设计和数据

研究某班级学生《高等数学》与《线性代数》的期末成绩如表一所示，现要研究该班学生的两门课程的成绩之间是否具有相关性。

2 SPSS操作实现步骤

（1）选择“文件 ”菜单中“打开”子菜单中的“数据”命令，文件类型选为“*.xls”，将表格中的数据导入SPSS中。

（2）在“图形”菜单的“旧对话框”子菜单中选择“散点/点状”， 在弹出如图1所示的“散点图/点图”对话框中，选择散点图类型。

（3）选择简单散点图，将变量“高等数学”选入“X轴”，将变量“线性代数”选入“Y轴”，如图2所示，然后确定。

（4）生成散点图，如图3所示。

（5）在“分析”菜单的“相关”子菜单中选择“双变量”，在弹出如图4所示的“双变量相关性”对话框中，将变量“高等数学”和“线性代数”选入“变量”对话框，选择“Pearson相关系数”，然后确定。

（6）得到Pearson相关性检验结果，如图5所示。

3 结果分析

（1）由图3粗略可知，两门课程的成绩之间存在较强的正相关关系。

用SPSS进行统计检验

在教育技术研究中，经常需要利用不同的教学媒体或教学资源对不同的对象进行教学改革试验，但教学试验的总体往往都有较大数量，限于人力、物力与时间，通常都采用抽取一定的样本作为研究对象，这样，就存在样本的特征数量能否反映总体特征的问题，也存在着两种不同的样本的数量标志的参数是否存在差异的问题，这就必需对样本量数进行定量分析与推断，在教育统计学中称为“统计检验”。

一、统计检验的基本原理

统计检验是先对总体的分布规律作出某种假说，然后根据样本提供的数据，通过统计运算，根据运算结果，对假说作出肯定或否定的决策。如果现要检验实验组和对照组的平均数（μ1和μ2）有没有差异，其步骤为：

1．建立虚无假设，即先认为两者没有差异，用表示；

2．通过统计运算，确定假设成立的概率P。

⒊ 根据P 的大小，判断假设是否成立。如表6-12所示。

二、大样本平均数差异的显著性检验——Z检验

Z检验法适用于大样本（样本容量小于30）的两平均数之间差异显著性检验的方法。它是通过计算两个平均数之间差的Z分数来与规定的理论Z值相比较，看是否大于规定的理论Z值，从而判定两平均数的差异是否显著的一种差异显著性检验方法。其一般步骤：

第一步，建立虚无假设，即先假定两个平均数之间没有显著差异。

第二步，计算统计量Z值，对于不同类型的问题选用不同的统计量计算方法。

（1）如果检验一个样本平均数（）与一个已知的总体平均数()的差异是否显著。其Z值计算公式为：

其中是检验样本的平均数；

是已知总体的平均数；

S是样本的方差；

n是样本容量。

（2）如果检验来自两个的两组样本平均数的差异性，从而判断它们各自代表的总体的差异是否显著。其Z值计算公式为：

其中，1、2是样本1，样本2的平均数；

是样本1，样本2的标准差；

是样本1，样本2的容量。

SPSS统计分析数据特征的描述统计分析

SPSS（Statistical Package for the Social Sciences）是一种常用的统计分析软件，用于对数据进行描述统计分析。描述统计分析旨在帮助研究人员对数据进行简单的整理、描述和总结，以便更好地理解数据的特征和趋势。下面将说明几种常用的描述统计分析方法。

1.频数统计

频数统计是指对数据中各个变量的不同取值进行计数。通过统计每个取值出现的次数，可以了解数据的分布情况和变量的特点。SPSS提供了多种方式来进行频数统计，包括直方图、饼图等。通过这些图表，可以清晰地看到变量的取值分布。

2.中心趋势测量

中心趋势测量是描述数据集合中心位置的统计方法，常用的测量指标包括平均数、中位数和众数。平均数是所有数据的算术平均值，中位数是将数据按大小排列后处于中间位置的数值，众数是出现次数最多的数值。SPSS提供了计算这些测量指标的功能，以便更好地了解数据的中心位置。

3.离散程度测量

离散程度测量是描述数据变异程度的方法，常用的度量指标包括标准差、方差和极差。标准差是数据与平均数之间的平均偏差，方差是标准差的平方，表示数据的离散程度，极差是最大值与最小值之间的差异。通过这些指标，可以判断数据的离散程度，以及是否存在异常值等问题。

4.偏度和峰度测量 偏度和峰度是描述数据分布形态的指标。偏度测量的是数据分布的偏斜程度，正偏斜表示分布右侧的极端值较多，负偏斜表示分布左侧的极端值较多。峰度测量的是数据分布的尖峰程度，正峰度表示尖峰较高且尾巴较短，负峰度表示尖峰较低且尾巴较长。通过偏度和峰度的测量，可以判断数据的分布形态是否符合正态分布。

5.相关分析

相关分析旨在研究两个或多个变量之间的关系。相关系数是用来衡量变量之间线性相关程度的指标，取值范围从-1到+1、接近-1的相关系数表示负相关，接近+1的相关系数表示正相关，接近0的相关系数表示无相关。通过相关分析，可以了解不同变量之间的关系，以及它们对研究问题的影响程度。