SPSS > 使用技巧 > 使用SPSS判断问卷设计是否合理

使用SPSS判断问卷设计是否合理

发布时间:2021-12-16 11: 07: 25

   电脑型号:华为MagicBook

   系统:window10系统

   IBMSPSSStatistics版本:28

   关键词:SPSS

   要做实验进行数据分析,那么就需要提前准备数据,大多数获得数据的方式是进行问卷调查,得到问卷调查的数据后,再通过SPSS数据分析软件将数据导入。那么在编制问卷前,需要确定好主要的分析维度,然后根据主要维度设计问卷,最后通过SPSS依据各个维度进行分析,进而确定设计的调查问卷是否合理。

   一、案例的数据准备

   为了教大家如何对问卷调查进行多维度分析,判断问卷是否设计合理。这里以某公司探究顾客购买手机的原因为例,查阅相关资料,总的来说包括外观、配置、系统,然后再根据这三个维度设计。具体9个变量如下图所示,其中颜色、材质、屏幕尺寸以及形状是外观,CPU、内存、芯片是配置,安卓系统、苹果系统是系统。

图1数据展示
图1数据展示

   

   二、判定问卷设计是否合理

   判定问卷设计是否合理总共包括三个维度,第一维度是对手机外观维度分析,第二维度是对手机配置维度分析,第三维度是手机系统维度分析。为了演示,这里仅展示第一维度分析步骤,其他两个维度操作类似。

   点击SPSS顶部菜单栏“分析”-“降维”-“因子”,将第一维度的4个因素加载到变量文本框中。

图2因子分析
图2因子分析

   

   点击因子分析窗口右侧的描述按钮,统计模块保持默认,相关性矩阵勾选“KMO和Bartlett球形度检验”文本框。

图3描述
图3描述

   

   点击因子分析窗口右侧的提取按钮,显示模块手动勾选碎石图,其他模块均保持默认。

图4提取
图4提取

   

   点击因子分析窗口右侧的旋转按钮,方法模块勾选直接斜交法或者最大方差法,这里勾选直接斜交叉法。

图5旋转
图5旋转

   

   三、结果分析

   同样三个维度的结果分析都相似,这里仅展示第一维度的结果分析。首先我们看到KMO和巴特利特检验,如果KMO取样适切性量数小于0.6则不适合进行因素分析。可以看到第一维度的值为0.614大于0.6,说明可以进行因素分析。

图6KMO和巴特利特检验
图6KMO和巴特利特检验

   

   通过上面验证说明该维度可进行因素分析。总方差解释分析,4个问题抽取了2个因素,两个共同因素的累积量71.811%。

图7总方差解释
图7总方差解释

   

   从碎石图可以验证,特征值大于1的有两个,所以可以提取两个因素。

图8碎石图
图8碎石图

   

   结构矩阵图。因素1包括三个问题:材质、屏幕寸尺、形状(值大于0.6),因素2包括一个问题:颜色。

图9结构矩阵
图9结构矩阵

   

   从成分相关性矩阵来看,因素1和因素2相关性为0.043,代表相关性较低,因此最终因素1保留因素数量最多的问题,即保留三个问题。

图10成分相关性矩阵
图10成分相关性矩阵

   

   四、小结

   上述给大家讲解了如何使用SPSS多维度因素分析方法判断问卷设计是否合理,并且通过手机原因进行分析,将其分成三个维度,并且详细分析了第一维度,得到第一维度可以保留。大家可以通过类似分析,将剩余的两个维度进行分析,相信通过练习你一定能够学会判断问卷是否设计合理。

   

   作者:独行侠

展开阅读全文

标签:问卷星SPSS

读者也访问过这里:
SPSS Statistics
强大的数据分析平台
立即购买
微信群
官方微信群 立即加群
400-8765-888 kefu@makeding.com
热门文章
SPSS数据分析显著性差异分析步骤 SPSS显著性差异分析结果怎么看
数据的显著性差异分析主要有三种方法,分别是卡方检验、T检验和方差分析。这三种方法都有具体的数据要求:卡方检验是对多个类别的数据进行分析,T检验是对两组数据进行分析,方差分析是对多组数据进行检验。下面,小编具体说明一下SPSS数据分析显著性差异分析步骤,SPSS显著性差异分析结果怎么看。
2022-01-07
实践SPSS单因素方差分析之检验结果解读
在《实践SPSS单因素方差分析之变量与检验方法设置》一文中,我们已经详细地演示了IBM SPSS Statistics单因素方差分析方法的变量选择以及相关的选项、对比设置。
2021-01-11
spss如何做显著性分析 spss显著性差异分析怎么标abc
在统计分析中,显著性分析是分析相关因素之间是否存在显著影响关系的关键性指标,通过它可以说明分析结论是否由抽样误差引起还是实际相关的,可论证分析结果的准确性。下面大家一起来看看用spss如何做显著性分析,spss显著性差异分析怎么标abc。
2022-03-14
SPSS回归分析中的f值是什么 SPSS回归分析F值在什么范围合适
回归分析中以R表示相关性程度的高低,以F评价回归分析是否有统计学的意义,使用IBM SPSS Statistics进行回归分析,可以非常快速的完成R,F的计算,并且给出回归曲线方程,那么,SPSS回归分析中f值是什么?SPSS回归分析F值在什么范围合适,本文结合实例向大家作简单的说明。
2022-07-22
SPSS多元logistic回归分析的使用技巧
回归分析是数据处理中较为常用的一类方法,它可以找出数据变量之间的未知关系,得到较为符合变量关系的数学表达式,以帮助用户完成数据分析。
2021-04-26
SPSS相关性分析结果怎么看
相关性分析是对变量或个案之间相关度的测量,在SPSS中可以选择三种方法来进行相关性分析:双变量、偏相关和距离。
2021-04-23
最新文章
SPSS k均值聚类分析步骤 SPSS k均值聚类分析结果解读
我们在进行数据分析时,少不了对数据样本进行聚类分析的环节。而在SPSS中进行聚类分析时,聚类分析的操作步骤是我们更加需要关注的,除了步骤之外,它们背后代表的内容需要关注并解读。如果在设置k均值的聚类分析时出现了错误的步骤,就会导致后期的分析错误。而分析后就需要对数据分析的结果加以解读,进而帮助我们更好地了解数据的含义。接下来给大家介绍SPSS k均值聚类分析步骤,SPSS k均值聚类分析结果解读的具体内容。
2026-08-03
SPSS怎么进行数据重构 SPSS如何将宽数据转换为长数据
在数据分析的过程中,数据重构是一项重要的内容。它既可以帮助我们以更加直观的方式读取数据,还可以将数据样本以不同的形式呈现出来,所以数据重构本质上来说是改变数据的结构。例如在一组学生的考试成绩数据中,如果我们将这组数据进行重构,可以把原本分散开的成绩(如月考成绩、期中考试成绩、期末考试成绩等)进行汇总,用一个变量记录考试类型,另一个分数变量记录对应成绩。下面以SPSS为例,给大家介绍SPSS怎么进行数据重构,SPSS如何将宽数据转换为长数据的具体内容。
2026-08-03
SPSS提取公因子的意义是什么 SPSS提取公因子的一般原则
如果研究的问题涉及到的变量比较多,有时候我们会考虑用降维的方法,将一些重要的变量提取出来。在SPSS软件里面,可以用“因子分析”的方法实现变量降维的目的。在因子分析里,SPSS会用到提取公因子的方法,将一些相似的变量合并在一起,接下来,本文会给大家介绍SPSS提取公因子的意义是什么,SPSS提取公因子的一般原则的相关内容。
2026-08-03
SPSS数据预测方法 SPSS数据分析结果怎么导出
我们在进行数据分析时,不仅需要对现有数据进行统计分析,还常常需要基于历史数据对未来趋势进行预测。SPSS提供了很多种不同的数据预测方法。接下来我将为大家介绍:SPSS数据预测方法,SPSS数据分析结果怎么导出的相关内容。
2026-08-03
SPSS因子得分如何导出 SPSS因子得分回归法与Bartlett法怎么取舍
当我们完成了因子分析并生成了几个关键因子后,经常会把得到的因子分析结果应用到后续的回归分析或者聚类分析中(辅助回归分析得到显著性数据)。但是在将数据样本进行转移的过程中,就涉及到了将因子得分进行导出的过程,而在导出后,选择因子得分的分析法同样需要我们关注。下面以SPSS为例,给大家介绍SPSS因子得分如何导出,SPSS因子得分回归法与Bartlett法怎么取舍的具体内容。
2026-08-03
SPSS独立样本数据分析怎么做 SPSS独立样本分析结果怎么看
我们在进行数据分析工作的时候,有时候需要对比两组相互独立样本的均值差异,比如不同组同学的考试分数、不同实验组的观测指标等,独立样本t检验就是解决这类问题常用的分析方法。接下来我将为大家介绍:SPSS独立样本数据分析怎么做,SPSS独立样本分析结果怎么看的相关内容。
2026-08-03

微信公众号

欢迎加入 SPSS 产品的大家庭,立即扫码关注,获取更多软件动态和资源福利。

读者也喜欢这些内容: