如何进行数据分析

 

如何进行数据分析大家现在都要写论文的数据分析了……很多同学都一点不会……所以把我知道的跟大家分享一下……下面...

如何进行数据分析
大家现在都要写论文的数据分析了……很多同学都一点不会……所以把我知道的跟大家分享一下……下面以PASW18.0为例,也就是SPSS18.0…………什么?不是18.0,好吧……差不多的,凑合着看吧……要不去装个……= =……下面图片看不清的请右键查看图片……

首先,要把问卷中的答案都输进SPSS中,强烈建议直接在SPSS中输入,不要在EXCEL中输入,再导入SPSS,这样可能会出问题……在输数据之前先要到变量视图中定义变量……如下图



所有类型都是数值,宽度默认,小数点看个人喜好,标签自定,其他默认……除了值……

讲讲值的设定……

点一下有三点的蓝色小框框……会跳出一个对话框,如果你的变量是性别,学历,那么就如下图



如果是五点维度的量表,那么就是



记住,每一题都是一个变量,可以取名Q1,Q2……设定好所有问卷上有的变量之后,就可以到数据视图中输入数据啦……如下图



都输完后……还有要做的就是计算你的每个维度的平均得分……如果你的问卷Q1-Q8是一个维度,那么就把Q1-Q8的得分加起来除以题目数8……那么得到的维度1分数会显示在数据视图中的最后……具体操作如下……

转换——计算变量



点确定,就会在数据视图的最后一列出现计算后的变量……如果你的满意度有3个维度,那么就要计算3个维度,外加满意度这个总维度,满意度=3个维度的平均分=满意度量表的所有题目的平均分…………把你所有的维度变量都计算好之后就可以分析数据啦……

1.描述性统计



将你要统计的变量都放到变量栏中,直接点确定……



如果你要统计男女的人数比例,各个学历或者各个年级的比例,就要用描述统计中的频率……如果要统计男女中的年级分布,比如大一男的有几个,大二女的有几个,就用交叉表……不细说了……地球人都懂的…………

2.差异性分析

差异性分析主要做的就是人口学变量的差异影响,男女是否有差异,年级是否有差异,不做的就跳过……

对于性别来说,差异分析采用独立样本T检验,也可以采用单因素ANOVA分析,下面以T检验为例……



将性别放进下面的分组变量中,



接着定义组……



按确定



看Sig(双侧)得分,小于0.05就表明有显著差异,上图可见男女在组织承诺上是有显著差异的,在变革型领导行为的认同上没有显著差异……

而对于学历,年级,年龄,工作年限等因素,我们可以采用单因素ANOVA分析,如下……





按确定……



由上图可知,在KY工作年限不同,在感情承诺、规范承诺、机会承诺上都有显著差异……显著性小于0.05……

如果做出来没有差异,可以在下图中选择两两比较……



选中LSD(最小显著方差法)……



继续……确定……就会出来多重比较的图……



再找有没上标为小星星的……有就可以说明二者有差异,没就没办法了……你改数据吧……= =……上图说明1年和3年、5年的在感情承诺上有明显差异……我去……4年的怎么没差异……= =0……

别的也就这么做……不重复说了……

3.相关分析

相关分析主要就是分析你两个大变量中各个维度是否存在相关性和两大变量是否存在相关性……下例为两大变量的相关分析……

分析——相关——双变量

确定后……



可见变革型领导行为和组织承诺在0.01水平上显著相关……上标两颗星……相关性比较好……

其他维度也是一样的做法…………

4.回归分析

相关分析只能说明二者的相关性,并不能表明是否是由于A的变化引起B的变化,要想证明因果关系就要用回归分析……

在做回归之前,首先要做一下自变量之间的相关性,如果相关系数超过0.75就不能做回归……会有比较大的偏差……这里不说了,不会的看 3.相关分析

回归如下





如果你想用ABC变量预测D,就把D放因变量中,ABC放自变量中,方法选择进入……直接确定,如下图



上图的结果表明德行垂范和愿景激励被踢出回归方程,因为Sig大于0.05……所以只有个性化关怀和领导魅力可以显著预测组织承诺……

5.问卷信度和效度

信度=分析——度量——可靠性分析



把你同一份量表的题目全部放进去,比如变革型领导量表有26题……直接确定……



结果表明Cronbach's值为0.939,量表信度很好……超过0.7才行

效度分析一般采用结构效度分析,就是因子分析……

分析——降维——因子分析



把你同一量表的题目都放进去……



点描述……选KMO***…………



再点旋转,选择最大方差法……



其他都默认,最后确定……



0.839大于0.5,表示可以进行因子分析……

累积解释变异66.974%,比较好



可见上图1-8是一个维度,9-14是一个,15-20是一个,21-26是一个……表中同一行不能出现2个大于0.5的值……如果出现,你要么就把该题目踢出问卷,要么就把该题目的答案改得和同一维度中其他题目答案相近……比如A维度的答案是4,4,4,5,4, 1,你想把第6题也分到A中,就把第6题的答案1改成4…………多改几份差距大的问卷,再试试因子分析,看看值的变化就可以知道改的效果怎么样,不好就不要改……

好啦……就讲到这里……应该都会了吧……其实最重要的还是数据的造假……不造假真是做不出的……其实也不是我们想造假……只能说被试者的随便填写造成了我们数据分析的极大困难……老师应该也知道的……= =……大家就这样改着吧……
论文的数据分析


大家现在都要写论文的数据分析了……很多同学都一点不会……所以把我知道的跟大家分享一下……下面以PASW18.0为例,也就是SPSS18.0…………什么?不是18.0,好吧……差不多的,凑合着看吧……要不去装个……= =……下面图片看不清的请右键查看图片……

首先,要把问卷中的答案都输进SPSS中,强烈建议直接在SPSS中输入,不要在EXCEL中输入,再导入SPSS,这样可能会出问题……在输数据之前先要到变量视图中定义变量……如下图

所有类型都是数值,宽度默认,小数点看个人喜好,标签自定,其他默认……除了值……

讲讲值的设定……

点一下有三点的蓝色小框框……会跳出一个对话框,如果你的变量是性别,学历,那么就如下图

如果是五点维度的量表,那么就是

记住,每一题都是一个变量,可以取名Q1,Q2……设定好所有问卷上有的变量之后,就可以到数据视图中输入数据啦……如下图

都输完后……还有要做的就是计算你的每个维度的平均得分……如果你的问卷Q1-Q8是一个维度,那么就把Q1-Q8的得分加起来除以题目数8……那么得到的维度1分数会显示在数据视图中的最后……具体操作如下……

转换——计算变量

点确定,就会在数据视图的最后一列出现计算后的变量……如果你的满意度有3个维度,那么就要计算3个维度,外加满意度这个总维度,满意度=3个维度的平均分=满意度量表的所有题目的平均分…………把你所有的维度变量都计算好之后就可以分析数据啦……

1.描述性统计

将你要统计的变量都放到变量栏中,直接点确定……

如果你要统计男女的人数比例,各个学历或者各个年级的比例,就要用描述统计中的频率……如果要统计男女中的年级分布,比如大一男的有几个,大二女的有几个,就用交叉表……不细说了……地球人都懂的…………

2.差异性分析

差异性分析主要做的就是人口学变量的差异影响,男女是否有差异,年级是否有差异,不做的就跳过……

对于性别来说,差异分析采用独立样本T检验,也可以采用单因素ANOVA分析,下面以T检验为例……

将性别放进下面的分组变量中,

接着定义组……

按确定

看Sig(双侧)得分,小于0.05就表明有显著差异,上图可见男女在组织承诺上是有显著差异的,在变革型领导行为的认同上没有显著差异……

而对于学历,年级,年龄,工作年限等因素,我们可以采用单因素ANOVA分析,如下……

按确定……

由上图可知,在KY工作年限不同,在感情承诺、规范承诺、机会承诺上都有显著差异……显著性小于0.05……

如果做出来没有差异,可以在下图中选择两两比较……

选中LSD(最小显著方差法)……

继续……确定……就会出来多重比较的图……

再找有没上标为小星星的……有就可以说明二者有差异,没就没办法了……你改数据吧……= =……上图说明1年和3年、5年的在感情承诺上有明显差异……我去……4年的怎么没差异……= =0……

别的也就这么做……不重复说了……

3.相关分析

相关分析主要就是分析你两个大变量中各个维度是否存在相关性和两大变量是否存在相关性……下例为两大变量的相关分析……

分析——相关——双变量

确定后……

可见变革型领导行为和组织承诺在0.01水平上显著相关……上标两颗星……相关性比较好……

其他维度也是一样的做法…………

4.回归分析

相关分析只能说明二者的相关性,并不能表明是否是由于A的变化引起B的变化,要想证明因果关系就要用回归分析……

在做回归之前,首先要做一下自变量之间的相关性,如果相关系数超过0.75就不能做回归……会有比较大的偏差……这里不说了,不会的看 3.相关分析

回归如下

如果你想用ABC变量预测D,就把D放因变量中,ABC放自变量中,方法选择进入……直接确定,如下图

上图的结果表明德行垂范和愿景激励被踢出回归方程,因为Sig大于0.05……所以只有个性化关怀和领导魅力可以显著预测组织承诺……

5.问卷信度和效度

信度=分析——度量——可靠性分析

把你同一份量表的题目全部放进去,比如变革型领导量表有26题……直接确定……

结果表明Cronbach's值为0.939,量表信度很好……超过0.7才行

效度分析一般采用结构效度分析,就是因子分析……

分析——降维——因子分析

把你同一量表的题目都放进去……

点描述……选KMO***…………

再点旋转,选择最大方差法……

其他都默认,最后确定……

0.839大于0.5,表示可以进行因子分析……

累积解释变异66.974%,比较好

可见上图1-8是一个维度,9-14是一个,15-20是一个,21-26是一个……表中同一行不能出现2个大于0.5的值……如果出现,你要么就把该题目踢出问卷,要么就把该题目的答案改得和同一维度中其他题目答案相近……比如A维度的答案是4,4,4,5,4, 1,你想把第6题也分到A中,就把第6题的答案1改成4…………多改几份差距大的问卷,再试试因子分析,看看值的变化就可以知道改的效果怎么样,不好就不要改……

好啦……就讲到这里……应该都会了吧……其实最重要的还是数据的造假……不造假真是做不出的……其实也不是我们想造假……只能说被试者的随便填写造成了我们数据分析的极大困难……老师应该也知道的……= =……大家就这样改着吧……


    关注 代写本科以及硕士毕业论文


微信扫一扫关注公众号

0 个评论

要回复文章请先登录注册