


第 1 页:基础分析方法
信度分析
功能:评估测量工具的一致性
结果:Cronbach\'s Alpha 值(案例中知识获取维度 α=0.710)
操作:分析→刻度→可靠性分析
效度分析
功能:验证测量工具是否准确反映概念
结果:KMO 值、Bartlett 球形检验(案例中 KMO=0.809,p<0.001)
操作:分析→降维→因子分析
描述性统计
功能:总结数据的集中趋势 / 离散程度
结果:变量的总分、分组统计(案例中展示了 “网络游戏成瘾总分” 的男女差异)
操作:分析→描述统计→频率 / 描述性
频数分析
功能:统计变量各取值的出现次数(百分比)
结果:百分比分布表(案例中展示 “组织环境” 的满意度分布)
操作:分析→描述统计→频率
第 2 页:差异与关联分析
T 检验
功能:比较两个组的均值差异
结果:t 值、p 值(案例中 “算术” 得分男生 vs 女生,t=3.786,p<0.001)
操作:分析→比较均值→独立样本 T 检验 / 配对样本 T 检验
方差分析(ANOVA)
功能:比较三个及以上组的均值差异
结果:方差分析表(案例中展示 “双因素方差分析结果”)
操作:分析→比较均值→单因素 ANOVA
卡方检验
功能:分析分类变量的关联(如组别与 “预防有效” 的关系)
结果:列联表 + 卡方值、p 值(案例中两组 “预防有效” 的 p<0.05)
操作:分析→描述统计→交叉表→勾选卡方
相关分析
功能:衡量变量间的线性关系强度
结果:相关系数矩阵(案例中展示多变量的相关性)
操作:分析→相关→双变量
第 3 页:进阶建模与降维分析
回归分析
功能:分析自变量对因变量的预测关系
结果:回归系数、R²、p 值(案例中展示 “IC” 对 “WTR” 的预测)
操作:分析→回归→线性
辑回归分析
功能:预测二分类因变量(如 “是否发生”)与自变量的关系
结果:Exp (B)(优势比)、p 值(案例中 “上幼儿园情况” 的 Exp (B)=1.555)
操作:分析→回归→二元 Logistic
因子分析
功能:识别变量背后的潜在因子(简化数据)
结果:因子载荷矩阵(案例中展示题项在 “因子 1/2/3” 的载荷)
操作:分析→降维→因子分析
聚类分析
功能:将对象分类为相似的簇
结果:聚类结果表(案例中展示不同簇的均值)
操作:分析→分类→分层聚类 / K - 均值聚类
#数据分析 #SPSS #spss统计分析 #实证分析 #学习
信度分析
功能:评估测量工具的一致性
结果:Cronbach\'s Alpha 值(案例中知识获取维度 α=0.710)
操作:分析→刻度→可靠性分析
效度分析
功能:验证测量工具是否准确反映概念
结果:KMO 值、Bartlett 球形检验(案例中 KMO=0.809,p<0.001)
操作:分析→降维→因子分析
描述性统计
功能:总结数据的集中趋势 / 离散程度
结果:变量的总分、分组统计(案例中展示了 “网络游戏成瘾总分” 的男女差异)
操作:分析→描述统计→频率 / 描述性
频数分析
功能:统计变量各取值的出现次数(百分比)
结果:百分比分布表(案例中展示 “组织环境” 的满意度分布)
操作:分析→描述统计→频率
第 2 页:差异与关联分析
T 检验
功能:比较两个组的均值差异
结果:t 值、p 值(案例中 “算术” 得分男生 vs 女生,t=3.786,p<0.001)
操作:分析→比较均值→独立样本 T 检验 / 配对样本 T 检验
方差分析(ANOVA)
功能:比较三个及以上组的均值差异
结果:方差分析表(案例中展示 “双因素方差分析结果”)
操作:分析→比较均值→单因素 ANOVA
卡方检验
功能:分析分类变量的关联(如组别与 “预防有效” 的关系)
结果:列联表 + 卡方值、p 值(案例中两组 “预防有效” 的 p<0.05)
操作:分析→描述统计→交叉表→勾选卡方
相关分析
功能:衡量变量间的线性关系强度
结果:相关系数矩阵(案例中展示多变量的相关性)
操作:分析→相关→双变量
第 3 页:进阶建模与降维分析
回归分析
功能:分析自变量对因变量的预测关系
结果:回归系数、R²、p 值(案例中展示 “IC” 对 “WTR” 的预测)
操作:分析→回归→线性
辑回归分析
功能:预测二分类因变量(如 “是否发生”)与自变量的关系
结果:Exp (B)(优势比)、p 值(案例中 “上幼儿园情况” 的 Exp (B)=1.555)
操作:分析→回归→二元 Logistic
因子分析
功能:识别变量背后的潜在因子(简化数据)
结果:因子载荷矩阵(案例中展示题项在 “因子 1/2/3” 的载荷)
操作:分析→降维→因子分析
聚类分析
功能:将对象分类为相似的簇
结果:聚类结果表(案例中展示不同簇的均值)
操作:分析→分类→分层聚类 / K - 均值聚类
#数据分析 #SPSS #spss统计分析 #实证分析 #学习


