spss问卷分析全过程详细内容，2小时案例精讲，一次看个够

UP主: 艾吖法数据分析 · 时长: 1h57m · 🔗 B站原视频

发布: 2020-09-21 · 收录: 2022-05-15

标签: SPSS · 数据分析 · 问卷调查 · 论文写作 · 统计学

开场与案例说明

大家晚上好。今天晚上我用一个实际学生的案例给大家讲一下，学 SPSS 做一个问卷数据分析订单大概需要多少钱。今天这个订单价格是 560。

因为数据也是刚刚拿到，之前这个学生做论文的时候，问卷是我帮他设计的。现在我们就用他的数据，完整走一遍从数据处理到分析结果输出的流程。

问卷设计：企业员工薪酬满意度

这份问卷是关于企业员工薪酬满意度调查。

• 前面是 4 个分类变量（基本信息）。
• 第二部分是量表满意度，总共分 5 个维度：
  1）薪酬制度内容满意度
  2）薪酬水平满意度
  3）薪酬结构满意度
  4）薪酬制度公开公平性
  5）薪酬制度激励性满意度

每个维度题目数量不一样：有的是 7 题，有的是 8 题，有的是 5 题。题目数量一般 5 题左右比较合适，收集起来也不会太耗时间。

数据来源与样本量

数据是通过问卷星收集的，总样本量 205 条，全部都是有效问卷。导出后我复制到 Excel 做了基础处理，所以这里直接进入下一步即可。

分析计划：频率、信效度、差异检验（可选相关与回归）

在最开始就和学生沟通过要做哪些分析，按顺序来：

1）频率分析
2）信效度检验
3）差异性检验
4）相关分析、回归分析（看有没有必要）

Excel 预处理：计算 5 个维度总分

先把需要用到的维度变量整理出来，也就是把量表题目按维度做汇总分。

• 薪酬制度内容满意度：量表第 1～7 题求和
• 薪酬水平满意度：后面 8 个题求和
• 薪酬结构满意度：5 个题求和
• 薪酬制度公开公平性：8 个题求和
• 薪酬制度激励性满意度：最后 5 个题求和

这个过程如果题目编号不好找，实际做的时候可以先给题目列标颜色，后面计算总分会快很多。SPSS 里也能实现，但这里我教大家一个最踏实的办法：先在 Excel 里算好总分，再导入 SPSS。

导入 SPSS 并检查变量类型

打开 SPSS：

• 文件 → 打开 → 数据，选择保存的数据表。
• 因为原始数据在第二个表里，选对应工作表即可。

导入后在“变量视图”检查数据类型，确认都是数值型就没问题。

定义分类变量的取值含义（值标签）

主要对前面 4 个基本信息变量做值标签定义：

1）性别：1=男，2=女
2）年龄：1=25岁以下，2=2535岁，3=3645岁，4=46~56岁，5=56岁以上
3）工作年限：按问卷选项依次定义（1、2、3、4、5 对应各区间）
4）工作类型：1=技术类，2=管理类，3=生产类，4=中层及以上领导，5=继承类（按问卷原选项）

这些都不需要太多理论知识，主要就是编码会稍微花点时间。一般基本信息做 8～10 题左右比较合适。

频率分析：人口学变量描述

先建一个 Excel 草稿表和 Word 文档，用来放整理后的表格与文字说明。

Word 里先写标题：员工薪酬满意度调查分析结果。接着写第一部分小标题：人口学变量频率分析。

在 SPSS 里操作：

• 分析 → 描述统计 → 频率
• 选择前 4 个分类变量
• 直接确定

结果出来后，复制到 Excel 草稿中做二次处理：

• 删除不需要的列（有效百分比、累积百分比等，没缺失时和百分比一样）
• 删除“总计”行（看老师要求，通常可以删）
• 做转置（选择性粘贴 → 转置），让表更适合论文排版
• 添加平均值、标准差（按变量对应放到表里）
• 百分比设置格式，小数保留两位

整理好后复制到 Word，并做成三线表。再补一段解释性文字，比如：

• “根据以上统计结果可以看出，本次调查对象的人口学变量分布情况……均值代表集中趋势，标准差代表波动情况……”
• 也可以简单描述性别比例、年龄分布等。

信度检验：五个维度分别做 Cronbach’s Alpha

第二部分写：信度、效度检验。先做信度，再做效度。

信度检验针对每个维度分别做：

• 分析 → 量表 → 可靠性分析
• 每次放入一个维度对应题目
• 主要看 Cronbach’s Alpha（以及“删除该项后的 Alpha”）

维度1：薪酬制度内容满意度（7题）

标准化后的 Alpha = 0.758。

看“删除该项后的 Alpha”都小于总体 Alpha，说明题目不需要调整，内部一致性较好。整理表格进 Word，三线表呈现，并写解释：

• “总体信度系数为 0.758，取值范围 0~1，越接近 1 可靠性越高……删除任一题目后的系数均小于总体系数，因此无需调整题项。”

维度2：薪酬水平满意度（8题）

标准化后的 Alpha = 0.772。同样不需要调整。

维度3：薪酬结构满意度（5题）

Alpha = 0.703。同样不需要调整。

维度4、维度5：同样方法重复

这部分本质就是重复操作：选题、跑可靠性、整理表格、写解释。

总体信度（可选展示）

把全部量表题目一起做一次可靠性分析，总体 Alpha = 0.933。但如果按“细表”展示，会出现非常大的表，不太美观，所以一般不建议整张放论文里。可以只保留总体 Alpha 作为补充说明。

效度检验：KMO 与 Bartlett（探索性因子分析）

效度检验针对整个量表题目做：

• 分析 → 降维 → 因子
• 选择所有量表题目（不要选分类变量，也不要选刚才汇总出来的5个总分变量）
• 描述 → 勾选 KMO 和 Bartlett 球形检验
• 确定

重点看 KMO 和 Bartlett：

• KMO = 0.918，接近 1，说明效度较好。
• Bartlett 球形检验显著性显示为 0.000，这里要注意：P 值不等于 0，是无限接近于 0。一般写作中可表述为 P < 0.001 或 P < 0.05，说明适合做因子分析。

结论：问卷具有良好的效度。

差异性检验：不同人口学变量对五个维度的差异

差异性检验要用到 5 个维度总分变量，检验它们在 4 个分类变量不同水平下是否有差异。

这里的逻辑是：

• 分类变量只有两个水平 → 独立样本 T 检验
• 分类变量 ≥3 个水平 → 单因素方差分析（One-way ANOVA）

性别差异：独立样本 T 检验

• 分析 → 比较均值 → 独立样本 T 检验
• 分组变量：性别，定义组：1 和 2
• 检验变量：5 个维度总分同时放进去

结果需要两个表组合整理：

1）组统计（均值、标准差）
2）独立样本检验（T 值、显著性）

注意方差齐性检验的判断：

• 若方差齐性检验 Sig > 0.05 → 看“假定方差齐性”那一行的显著性
• 若 Sig < 0.05 → 看“不假定方差齐性”那一行的显著性

整理后写解释：哪些维度在性别上差异显著（P < 0.05），并结合均值说明哪一组更高。

年龄差异：单因素方差分析 + 多重比较

年龄有 5 个水平，必须用单因素方差分析：

• 分析 → 比较均值 → 单因素方差分析
• 因变量：5 个维度总分
• 因子：年龄
• 选项：勾选“描述性”，并勾选“方差齐性检验”
• 确定

单因素方差分析结果表很多，论文一般要把多个输出表整合：

• 描述统计表（均值、标准差）
• ANOVA 表（F、Sig）
• 若显著，还要看多重比较（LSD 等）

这一步最麻烦的不是 SPSS 操作，而是整理表格和从多重比较里提炼结论，比如“1>4、2>4、3>4”这种形式，再加注释说明 1、2、3、4 分别对应哪个年龄段。

解释时按显著性写结论：

• 哪些维度在年龄上有差异（P < 0.05）
• 多重比较显示哪些组之间存在差异（例如 25岁以下显著高于 46~56岁等）

工作年限差异：单因素方差分析

工作年限水平数 ≥3，同样按 ANOVA 走。这里如果 ANOVA 显著性都大于 0.05，则说明各维度在工作年限上的差异不显著，多重比较也就不用做。

工作类型差异：单因素方差分析 + 多重比较（如显著）

工作类型有多个水平，按 ANOVA。若某个维度显著，再做多重比较，整理出“技术类、管理类、生产类、中层及以上领导、继承类”之间哪些组差异显著，并写对应解释。

可选：相关分析（本案例演示）

相关分析不是学生的硬性要求，但可以演示一遍：

• 分析 → 相关 → 双变量
• 放入 5 个维度总分
• 选择 Pearson（连续变量、近似正态）

输出相关矩阵后，整理时：

• 右半部分可以删（对称的）
• 主要看相关系数和显著性标记（*、**）

解释模板：

• 一个 *：95% 水平显著相关
• 两个 **：99% 水平显著相关
• 看 Sig 是否小于 0.05，判断是否显著
• 相关系数为正表示正相关，为负表示负相关

这份“薪酬满意度”各维度之间做相关分析意义不一定大，留不留看论文需要。

关于时间与费用：为什么“贵”主要贵在整理

这份初稿两小时内基本能做完，价格大概 560～600 左右。

SPSS 软件里的操作其实很简单，基本就是点几下。真正耗时间的是：

• 把输出结果整理成论文能用的表（美观、三线表）
• 写对应解释文字

如果结果不整理，直接贴 SPSS 输出，表格很丑，老师那一关过不了。

结尾与建议

整体流程到这里就完成了。后续如果学生那边有格式要求、导师意见，再做微调即可。今晚就讲到这里，我嗓子实在不行了，先到这里。