SPSS基本操作步骤详解

2024年2月3日发(作者：)

SPSS基本操作步骤详解

本文采用SPSS21.0版本，其它版本操作步骤大体相同

一、基本步骤

（一）检查数据

在进行项目分析或统计分析之前，要检核输入的数据文件有无错误，即检核missing。

例，“XX量表”采用Likert scale五点量表式填答，每个题项的数据只有五个水平：1,2,3,4,5。

1.执行次数分布表的程序

Analyze（分析）→Descriptive statistics（描述统计）→将题项变量【例，a1—a10】键入至Variables（变量）框中→Frequencies（频率）→Statistics（统计量）→Minimum（最小值）、Maximum（最大值）→Continue(继续)→OK（确定）

2.执行描述统计量的程序

Analyze（分析）→（描述统计）→将题项变量【例，a1—a10】键入至Variables（变量）框中→Descriptives（描述）→Options（选项）→Minimum（最小值）、Maximum（最大值）【此处一般为默认状态即可】→Continue(继续)→OK（确定）

（二）反项计分

若是分析的预试量表中没有反向题，则此操作步骤可以省略；

量表或问卷题中如果有反向题，则在进行题项加总之前将反向题反向计分，否则测量分数所表示的意义刚好相反。

例，“XX量表”采用Likert scale五点量表式填答，反向题重向编码计分：1→5,2→4,3→3【可不写】,4→2,5→1。

Transform（转换）→Recode into same Variables（重新编码为相同变量）→将要反向的题目键入至Variables（变量）框中【例，a1，a3，a5】→Old and new values（旧值和新值）→在左边Old value—value中键入1，在右边New value—value中键入5，Add（添加）→„„依次进行此步骤„„在左边Old value—value中键入5，在右边New value—value中键入1，Add（添加）→Continue(继续)→OK（确定）【注意不同量表计分方式不同，因而反向编码计分也不同，常见的有四点量表、五点量表和六点量表等】

（三）题项加总

量表题项加总的目的在于便于进行观察值得高低分组。

例，“XX量表”采用Likert scale五点量表式填答，题项为：a1，a2„„a10，记总分为：az。

Transform（转换）→Computer Variable（计算变量)→在左边Target Variable（目标变量）中键入az，在右边Numeric Expression（数字表达式）中键入a1+a2+„„+a10

→OK（确定）

（四）高低分组

Data（数据）→Sort cases（排序个案）→Ascending（升序）；Descending（降序）

二、实操步骤

（一）研究工具的信效度分析

1.信度

（1）α系数

Analyze（分析）→Scale（度量）→Reliability Analysis（可靠性分析）→将题项变量【例，a1—a10】键入至Item（项目）框中→Statisics（统计量）→Item（项）、Scale（度量）→Continue(继续)→OK（确定）

（2）分半信度

Analyze（分析）→Scale（度量）→Reliability Analysis（可靠性分析）→将题项变量【例，a1—a10】键入至Item（项目）框中→Model（模型）【默认的模型是计算Alpha(α系数)】→Split-half（分半）→Item（项）、Scale（度量）→Continue(继续)→OK（确定）

2.效度:

（1）单维——题总相关

Analyze（分析）→Correlate（相关）→Bivariate（双变量）→将题项变量及总分项目【例，a1—a10，az】键入至Variables（变量）框中【默认的Correlation Coefficients（相关系数）：Pearson，Test of Significance（显著检验）：Two—tailed（双侧检验），Flag Significant Correlations（标记显著性相关）】→OK（确定）

（2）多维——维总相关

①因子分析

若是成熟量表，那么只需根据该量表已有维度来操作即可，则此操作步骤可以省略；

Analyze（分析）→Dimension Reduction（降维）→Factor（因子分析）→将题项变量【例，a1—a10】键入至Variables（变量）框中→Descriptives（描述），Correlation

Matrix（相关矩阵）：Coefficients（系数），Reproduced（再生），KMO and Bartlett's

test of phericity（KMO and Bartlett的球形度检验），Continue(继续)→Extraction(抽取），Display（输出）：Scree plot（碎石图），Continue(继续)→Rotation（旋转），Method（方法）：Varimax（最大方差法），Continue(继续)→Scores（得分），Save as

variables（保存为变量）→Continue(继续)→OK（确定）

将每一个题项变量在各维度下（横向）的最大数字标红，再将另一个（或另几个）>.4的数字标蓝，删掉既标红又标蓝的题项变量【删掉有两个或两个以上均>.4的题项变量；删掉所有均<.4的题项变量】，再旋转，直至每个维度下至少有3个题项为止。

②维总相关

例，“XX量表”题项为：a1，a2„„a10，执行①操作后发现：维度1：a1,a2,a3,a4；维度2：a5,a6,a7；维度3：a8,a9,a10；记总分为：az。

操作步骤同“一、（三）题项加总”：

Transform（转换）→Computer Variable（计算变量)→在左边Target Variable（目标变量）中键入维度1 ，在右边Numeric Expression（数字表达式）中键入a1+a2+„„+a4→OK（确定）→„„依次进行此步骤„„→OK（确定）

操作步骤同“二、（一）2.（1）单维——题总相关”：

Analyze（分析）→Correlate（相关）→Bivariate（双变量）→将维度项目及总分项目【例，aw1，aw2，aw3，az】键入至Variables（变量）框中【默认的Correlation

Coefficients（相关系数）：Pearson，Test of Significance（显著检验）：Two—tailed（双侧检验），Flag Significant Correlations（标记显著性相关）】→OK（确定）

（二）基本描述统计及人口学变量的差异分析：

（平均数）、Median（中数）、Mode（众数）、Range（全距）

Analyze（分析）→Descriptive statistics（描述统计）→将题项变量【例，a1—a10】键入至Variables（变量）框中→Frequencies（频率）→Statistics（统计量）→Central

Tendency（集中趋势）：Mean（均值），Median（中位数），Mode（众数）；Dispersion（离散）：Range（范围）→Continue(继续)→OK（确定）

ce（方差）和Standard Deviation(标准差)

Analyze（分析）→Descriptive statistics（描述统计）→将题项变量【例，a1—a10】键入至Variables（变量）框中→Descriptives（描述）→Options（选项）→Dispersion（离散）：Variance（方差)；Distribution（分布)：Kurtosis（峰度)，Skewness（偏度)【此处已默认勾选Mean（均值），Dispersion（离散)：Std. Deviation（标准差)，Minimum（最小值）、Maximum（最大值）】→Continue(继续)→OK（确定）

3.标准分数Z和T分数

Analyze（分析）→Descriptive statistics（描述统计）→将题项变量【例，a1—a10】键入至Variables（变量）框中→Save standardized values as variables（将标准化得分另存为变量）

Transform（转换）→Computer Variable（计算变量)→在左边Target Variable（目标变量）中键入t【例，t性别，t专业，t年级】，在右边Numeric Expression（数字表达式）中键入10*Z【例，Z性别，Z专业，Z年级】＋50→在Type and label（类型与标签）：Label（标签）中键入T分数→OK（确定）【Z分数、T分数输出见.sav数据】

（三）相关分析

一般须做维（自变量）总（因变量）相关，总（自变量）总（因变量）相关；

操作步骤同“二、（一）2.效度”；

尤其要注意要做自变量各维度与因变量总分数的相关，以及各量表间的相关。

（四）回归分析

Analyze（分析）→Regression(回归)→Linear（线性）→将因变量【例，cz】键入上方的Dependent（因变量）框中→将自变量【例，az，bz】键入下方的Independent（s）（自变量）框中→Statistics（统计量）：Confidence intervals（置信区间）【此处已默认勾选Model fit（模型拟合度），Estimates（估计）】，Continue(继续)→Plots（绘制）：Normal probability plot（正态概率图），Continue(继续)→Save（保存）：Predicted

values（预测值）—Unstandardized（未标准化），Residual（残差）—Unstandardized（未标准化），Prediction intervals（预测区间）—Mean（均值），Individual（单值），Continue(继续)→OK（确定）

中介效应需具体分析。