1、第十章第十章 SPSS SPSS在調查問卷數據處在調查問卷數據處 理的應用理的應用 1 1、使用目的、使用目的 調查問卷收集以后，需要先對調查問卷的結果進行一些整理，如對文字型的問題進行事前或事后編碼，按變量分組、合并、加權、重新定義或計算新變量等，為最終的統計分析做準備。這些功能集中在數據和轉換菜單項中，下面將以了解高校畢業生就業意愿情況進行調查而獲得的一份問卷為例，介紹一些常用的功能。10.1 10.1 調查問卷數據處理概述調查問卷數據處理概述10.1.1 10.1.1 數據整理與轉換數據整理與轉換您的性別：男 B 女 您所學專業名稱： 年級： 1.你在班級里的學習成績排名： 前10% 1

2、1%30% 31%70% 最后30%2.您參加了今年的考研： 參加了 未參加 (跳答一題)3.您參加考研是否有本科畢業就業難方面的原因 ： 主要是 有一些 沒有4.本科畢業以后 您選擇 參加工作 考研 邊工作邊考研 到國外 自主創業 暫時什么都不做 數據整理與轉換數據整理與轉換5.您一般通過哪些途徑獲取招聘信息？ 招聘會 互聯網 同學、朋友、熟人 報刊雜志 職介機構 其他6.對您而言，選擇職業時哪些因素影響較大（請選三項并排序）： 1單位類型及規模 就業地區選擇 工資水平及福利 2有利于個人發展及晉升 3對工作本身的興趣 工作穩定性 工作的環境及舒適性 父母意見 學校老師影響 其他 7. 您求

3、職要求的工資底線 2000 元 。 8. 你認為最理想的簽約時間是 大四第一學期末 。 2 2、基本原理、基本原理 單項選擇題的編碼 多項選擇題的編碼 排序題的編碼 開放式問題的編碼 缺失值的編碼 “不適用情況”的編碼 數據轉換 3 3、其他注意事項、其他注意事項 用戶缺失值與系統缺失值的含義不同。系統缺失值主要 是指計算機默認的缺失方式，如果在輸入數據時空缺了某些數據或輸入了非法的字符，計算機就把其界定為缺失值，這時的數據標記為“”，而用戶界定的缺失值則不會在數據顯示時出現“”。問卷調查數據的整理與轉換的操作主要由以下幾個模塊來實現。(1)【轉換計算變量】對原始數據進行四則運算等，進而派生出

4、新的變量。(2)【轉換重新編碼為相同變量】和【轉換重新編碼為不同變量】，重新編碼數據，重新安排次序。(3) 【轉換對個案內的值計數】，創建一個新變量用以計算某些變量共同發生的頻次(即計數)。10.1.2 10.1.2 調查問卷數據的調查問卷數據的SPSSSPSS操作詳解操作詳解缺失值的類型 :完全隨機缺失;隨機缺失;完全非 隨機缺失 缺失值的處理方法 :刪除法和插補法 10.2 10.2 調查問卷缺失值處理問題調查問卷缺失值處理問題10.2.1 10.2.1 缺失值的類型與處理方法缺失值的類型與處理方法第一步：第一步：打開【替換缺失值】對話框 選擇菜單欄中的【轉換】【替換缺失值】 命令，彈出【

5、替換缺失值】對話框. 10.2.2 10.2.2 替換缺失值的替換缺失值的SPSSSPSS操作詳解操作詳解第二步：第二步：選擇檢驗變量 在該對話框左側的候選變量列表框中選擇一個或幾個變量，將其移入【新變量】列表框中, 這時系統自動產生用于替代缺失值的新變量，用戶也可在【名稱】框處自己定義替代缺失值的新變量名。第三步：選擇替換缺失值的方法 在【方法】下拉下箭頭選擇缺失值的替代方式。 連續平均值：用該變量的所有非缺失值的均數做替代。 附近點的平均值：用缺失值相鄰點的非缺失值的均數做替代，取多少個相鄰點可任意定義。 附近點的中間值：用缺失值相鄰點的非缺失值的中位數做替代，取多少個相鄰點可任意定義。

6、線性插值：線性插值法填補缺失值。用該列數據缺失值前一個數據和后一個數據建立插值直線，然后用缺失點在線性插值函數的函數值填充該缺失值。 點的線性趨勢：缺失點處的線性趨勢法。應用缺失值所在的整個序列建立線性回歸方程，然后用該回歸方程在缺失點的預測值填充缺失值 第四步：第四步：其他選項設置 當選擇的替換缺失值的方法為【臨界點的均值】或【臨界點的中位數】時，選項【臨界點的跨度】處于激活狀態，可以選擇取相鄰點的跨度。第五步第五步 ：單擊【確定】按鈕，結束操作，SPSS軟件自動輸出結果。 如果分析中沒有用到含缺失值的變量，可以不用關心缺失值問題。在SPSS相關的分析過程中，選擇按對排除個案（P），這時如果

7、沒有用到含缺失值的變量，缺失值對分析沒有影響；如果選擇按列表排除個案（L），含有缺失值的個案將不會用于分析，可能會造成信息損失。1 .1 .實例內容實例內容 就業意愿描述的是大學生尋找工作之前的設想，這種設想與現實的匹配程度會影響其能否實現就業。為了深入了解畢業生的就業意向,了解大學生的就業意向和將來的就業形勢，為進一步完善畢業生就業工作提供導向和決策依據，進行了畢業生就業意愿調查。假設有一個由 17 7名畢業生的調查問卷組成的簡單隨機樣本，其中對于工資底線這一題的回答存在缺失，要求對這些進行缺失值替換。10.2.3 10.2.3 實例圖文分析：高校畢業生就業意愿調查實例圖文分析：高校畢業生就

8、業意愿調查第一步：打開對話框 打開SPSS軟件，選擇菜單欄中的【轉換】【替換缺失值】命令，彈出如下圖所示的對話框。實例操作實例操作第二步：第二步：在左側的候選變量列表框中選擇“工資底線”變量進入【新變量】列表框， 這時系統自動產生用于替代缺失值的新變量，用戶也可在名稱框處自己定義替代缺失值的新變量名。在【方法】 下拉列表框中選擇替 換方法【臨界點的均 值】，并在【臨界點 的跨度】文本框中輸 入“4” 注意注意：進行缺失值替 換時，只能對數字型 變量進行缺失值替換。第三步：第三步：完成操作 最后，單擊【確定】按鈕，操作完成。此時，原數據文件新增加了“income1”變量。第 一 步第 一 步 ：

9、 打 開【缺失值分析】對話框 選 擇 菜 單欄中的【分析】【缺失值分析】命令，彈出【缺失值分析】對話框。10.2.2 10.2.2 缺失值分析的缺失值分析的SPSSSPSS操作詳解操作詳解第二步第二步 ：選擇檢驗變量 在該對話框左側的候選變量列表框中選擇一個或幾個變量，將其移入【定量變量】或【分類變量】列表框中。 定量變量是選擇進入缺失值分析的變量。第三步：第三步：選擇缺失值估計的方法 在【估計】列表框中選擇缺失值的處理，從而對參數進行方式。 按列表：分析時按列表排除個案，將缺失值排除在外，從而對變量進行分析。 成對：按配對的方式對缺失值進行分析。 EM：用Expectationt Maxiu

10、mum方法對缺失值進行修補。 回歸：用線性回歸的方法對對缺失值進行修補。第四步：第四步：其他選項設置【模式】包含輸出的模式、變量缺失的模式等五個部分。（1）輸出。 按照缺失值分組的表格模式。 按照缺失值排序的個案模式。 按照選定變量指定順序的所有個案。（2）變量 缺失模式。（3）附加信息。（4）排序依據。（5）排序順序。 升序 降序【描述】主要對單變量統計量和指示變量統計量、忽略缺失值占總個案數的比例三部分。(1)單變量統計量。(2)指示變量統計量。 百分比不匹配。 使用有指示變量形成的分；組進行的T檢驗。 為分類變量和指示變量生成交叉表。(3)忽略缺失值占總個案數的比例小于的變量。第五步 ：

11、單擊【確定】按鈕，結束操作，SPSS軟件自動輸出結果。 相關系數為-0.4的二維正態隨機變量的2000個觀測值，其邊緣分布分別為均值為0.2，標準差為0.2的正態隨機變量w1，和均值為0.3，標準差為0.1的正態隨機變量w2，隨機刪除變量w1中的3%數據，隨機刪除變量w2中的5%數據，現在進行缺失值分析。10.2.5 10.2.5 實例圖文分析：實例圖文分析： 二維正態隨機數的缺失分析二維正態隨機數的缺失分析 實例內容實例內容實例操作實例操作第一步：打開對話框 打開SPSS軟件，選 擇 菜 單 欄 中 的【分析】【缺失值分析】命令，彈出對話框。 第二步：第二步：在左側的候選變量列表框中選 擇

12、“ w 1 ” 、“w2”變量進入【定量變量】列表框， 在【估計】選 項 組 中 選 擇【成對】復選框。第三步：完成操作 最后，單擊【確定】按鈕，操作完成。此時，軟件輸出結果出現在結果瀏覽窗口中。（1）單變量的基本統計信息匯總表 執行完上面操作后，在SPSS結果報告中首先給出的是兩個變量的基本統計分析，見表10-3所示。變量w1數據個數為1940，缺失60個數據，缺失的百分比為3%，樣本均值為0.20，標準差為0.19，比Q1-1.5*IQR小的數據有5個，比Q3+1.5*IQR大的數據有8個；N均值標準差缺失極值數目a計數百分比低高w11940.20055337.198140912603.0

13、58w21900.30283098.0983910531005.034超出范圍 (Q1 - 1.5*IQR, Q3 + 1.5*IQR).3 3 實例結果及分析實例結果及分析（2）配對分析結果 兩變量配對的頻數 這里，變量w1數據個數為1940，變量w2數據個數為1900，變量w1和變量w2的配對數據個數為1842。w1w2w11940w218421900兩變量配對的均值 這里，變量w1的樣本均值是0.20，變量w2的樣本均值為0.30，變量w1的1940個數據在變量w2都不缺失的情況下的均值為0.20028339，變量w2的1900個數據在變量w1都不缺失的情況下的均值為0.30283098

14、。w1w2w1.20055337.30266749w2.20028339.30283098存在其他變量時定量變量的均值.兩變量配對的樣本標準差 這里，變量w1的樣本標準差是0.198140912，變量w2的樣本標準差為0.098391053，變量w1的1940個數據在變量w2都不缺失的情況下的均值為0.199486851，變量w2的1900個數據在變量w1都不缺失的情況下的均值為0.098391053w1w2w1.198140912.098699395w2.199486851.098391053存在其他變量時定量變量的標準差. （4）兩變量配對的樣本協方差 這里,變量w1的樣本方差是0.039

15、259821，變量w2的樣本方差0.009680799，配對的變量w1與變量w2的樣本協方差為-0.007154109。w1w2w1.039259821w2-.007154109.009680799（5）兩變量配對的樣本相關系數 配對的變量w1與變量w2的樣本協方差為-0.363。w1w2w11w2-.36311、使用目的使用目的 為了保證問卷具有較高的可靠性和有效性，在形成正式問卷之前，應當對問卷進行試測，并對試測結果進行信度和效度分析，根據分析結果篩選問卷題項，調整問卷結構，從而提高問卷的信度和效度。 信度分析是評價調查問卷是否具有穩定性和可靠性的有效的分析方法。10.3 10.3 調查問

16、卷的信度分析調查問卷的信度分析10.3.1 10.3.1 信度分析概述信度分析概述2 2、基本原理、基本原理 重測信度法重測信度法是用同樣的問卷對同一組被調查者間隔一定時間重復施測，計算兩次施測結果的相關系數，適用于事實式問卷，如性別、出生年月等在兩次施測中不應有任何差異。重測信度法屬于穩定系數。 復本信度法復本信度法是讓同一組被調查者一次填答兩份問卷復本，計算兩個復本的相關系數。復本信度屬于等值系數。 折半信度法折半信度法是將調查項目分為兩半，計算兩半得分的相關系數，進而估計整個量表的信度。折半信度屬于內在一致性系數，測量的是兩半題項得分間的一致性。這種方法一般適用于態度、意見式問卷的信度分

17、析。 克朗巴哈信度系數法克朗巴哈信度系數法是評價的量表中各題的得分之間一致性的，屬于內在一致性系數。這種方法適用于態度、意見式問卷的信度分析，是目前最常用的信度系數，其公式為： 其中，為調查問卷中題項的總數，為個項目相關系數的均值。1(1)k rkr信度分析概述信度分析概述第一步第一步 ：打開【可靠性分析】對話框 選擇菜單欄中的【分析】【度量】【可靠性分析】命令，彈出【可靠性分析】對話框。第二步第二步 ：選擇信度分析變量 在該對話框左側的候選變量列表框中選擇一個或幾個變量，將其移入【項】列表框中，選擇進入信度分析的變量。 【度量標簽】主要對信度分析的信度系數做一個標簽。10.3.2 10.3.

18、2 信度分析的信度分析的SPSSSPSS操作詳解操作詳解第三步第三步 ：選擇信度分析的方法 在【模型】下拉列表框中選擇信度分析的信度系數，從而對變量進行信度分析。 a ：克朗巴哈（Cronbach）信度系數法。 半分：折半信度系數。 Guttmann：Guttman最低下限真實信度法。 平行：各題目變異數同質時的最大概率信度。 嚴格平行：各題目平均數與變異數均同質時的最大概率信度。第四步：第四步：其他選項設置 【 統 計 量 】 包 含Hotelling的T平方檢驗，同 類 相 關 系 數 檢 驗 、Tukey的可加性檢驗等統計分析。 描述性：項表示輸出各評估項目的基本描述性統計，度量表示輸出

19、各評估項目的總分的基本描述性統計，如果項已刪除則進行度量表示輸出剔除某評項目后的均值、方差、協方差等基本統計量，從而對評估項目進行逐個評估。 【項之間】選項組:相關性、協方差分別表示輸出各評估項目的協方差系數矩陣和相關系數矩陣。 【摘要:均值】選項組：輸出評估項目總分的平均分的基本描述性統計,方差表示評估項目總分的樣本方差的描述性統計, 協方差、相關性分別輸出評估項目總和的協方差矩陣、相關系數矩陣的描述性統計。 【ANOVA 表】選項組：提供了多種方法進行檢驗同一評估對象在評估項目上的得分是否具有一致性。無表示什么檢驗都不做，F 檢驗表示進行反復測試的方差分析，只適合于定距型的正態分布數據；F

20、riedman 卡方對配對樣本的進行Friedman檢驗，適合于非正態分布或定序型數據，Cochran 卡方表示進行多配對樣本的Cochran檢驗，適合于二值型數據。 第五步：單擊【確定】按鈕，結束操作，SPSS軟件自動輸出結果。 為評估某個公司員工的素質設計一套評價表格，其中包括的評價項目有：科學素質、文化素質、經濟素質、道德素質，每個評估項目的滿分25分，四個項目評估的總分100分，分數越高素質越高。為了研究評價體系的可信性，隨機對30名員工進行了測試，現利用這些數據進行信度分析。 10.3.3 10.3.3 實例圖文分析實例圖文分析 員工素質評估的信度分析員工素質評估的信度分析實例內容實

21、例內容姓名科學素質文化素質經濟素質道德素質小李21222222小張20212223小莫20212222小蔡21212222小毛22222324小華22222323注意：此表為部分數據實例內容實例內容第一步：第一步：打開對話框 打開SPSS軟件，選擇菜單欄中的【分析】【度量】【可靠性分析】命令，彈出【可靠性分析】對話框。實例操作實例操作第二步：第二步：在左側的候選變量列表框中選擇“科學素質”、“文化素質”、“經濟 素質”、“道德素質” 進入【項】列表框， 在【模型】下拉列表 框中選擇【a】 選項， 并單擊【統計量】按 鈕進入【統計量】對 話框。第三步：第三步：勾選【如果項已刪除則進行度量】、【相

22、關性】以及【摘要】復選框，然后單擊【繼續】按鈕，進入信度分析分析對話框。 第四步：完成操作 最后，單擊【確定】按鈕，操作完成。此時，軟件輸出結果出現在結果瀏覽窗口中。（1）信度分析進行過程的摘要 執行完上面操作后，在SPSS結果報告中首先給出的是信度分析進行過程的摘要，見下表所示。信度分析的有效數據為30個，排除在外的數據個數為0，整個信度分析是基于所有數據來進行的。計數百分比案例有效30100.0已排除a0.0總計30100.0a. 在此程序中基于所有變量的列表方式刪除.實例結果及分析實例結果及分析（2）信度分析的信度系數計算的結果 在SPSS結果報告中給出克朗巴哈信度系數的估計值為0.81

23、6，基于標準化評估項目調整的克朗巴哈信度系數為0.825，評估項目數為4個。由于信度系數在0.800.90之間，說明問卷調查中的題目具有較強的內在一致性。Cronbachs Alpha基于標準化項的Cronbachs Alpha 項數.816.8254（3）各個評估項目的相關系數矩陣 從相關系數矩陣可以看出，科學素質與文化素質之間相關系數為0.734，具有較強的正相關性；道德素質與經濟素質之間相關系數為0.691，正相關性較強，文化素質與道德素質之間的相關系數為0.343，是相關性性最低的兩個項目。科學素質文化素質經濟素質道德素質科學素質1.000.734.691.430文化素質.7341.0

24、00.487.343經濟素質.691.4871.000.561道德素質.430.343.5611.000（4）評估項目的描述性統計 下表的第一行顯示了30名員工在4個評估項目上總分的均值為21.992，最大值為23.067，最小值21.000，全距2.067，樣本均值的方差為0.812；第二行顯示30名員工在4個評估項目上總分的樣本方差為0.585，最大值為0.754，最小值0.437，全距0.317，樣本方差的方差為0.026；可見，各個項目的平均分基本相當，各項評分的差異性比較平衡。 第三行顯示4個評估項目協方差的均值為0.308，最大值為0.414，最小值0.202，全距0.211，樣本

25、方差的方差為0.006；第四行顯示4個評估項目相關系數的均值為0.541，最大值為0.734，最小值0.343，全距0.391。可見，各個評項目的相關程度校稿，而且相關程度的差異較小。均值極小值極大值范圍極大值/ 極小值方差項數項的均值21.99221.00023.0672.0671.098.8124項方差.585.437.754.3171.726.0264項之間的協方差.308.202.414.2112.045.0064項之間的相關性.541.343.734.3912.139.0214實例結果及分析實例結果及分析（5）剔除某個評估項目以后的結果 表10-12的第一列顯示了剔除某個評估項目以后

26、的剩余項目的總平均分，例如剔除了科學素質的剩余其他三項的總平均分為66.97，是第一列中最大的，這說明科學素質的得分影響比較大；第二列顯示了剔除某個評估項目以后的剩余項目總分的樣本方差，第三列是某評估項目與其余評估項目總分的簡單相關系數，例如科學素質與剩余其他三項的總分之間的簡單項系數為0.750，這再一次說明科學素質的地位比較重要；第四列是某評估與其余評估項目的復相關系數，反映了該評估項目與其余評估項目的總體相關程度；最后一列是剔除某個評估項目以后的剩余項目計算得到克朗巴哈（Cronbach）信度系數。項已刪除的刻度均值項已刪除的刻度方差校正的項總計相關性多相關性的平方項已刪除的Cronba

27、chs Alpha 值科學素質66.973.137.750.685.710文化素質66.403.903.622.542.777經濟素質65.633.757.718.565.740道德素質64.903.610.506.321.840實例結果及分析實例結果及分析 如果在實例操作的第二步中， 在【模型】的下拉框中選擇的列表框中選擇【半分】，其他不變，那么，所進行的信度分析就是折半信度法，其結果會出現在折半項目的前提下所得到克朗巴哈信度系數，和在折半項目的前提下得到評估項目的描述性統計，如下表所示。（1）折半項目的前提下得信度分析結果 表10-14是在折半項目的前提下得信度分析結果。折半信度法將項目分

28、成兩部分，部分1是關于科學素質與文化素質的，部分2是關于經濟素質與道德素質的，針對部分 1計算得到克朗巴哈信度系數為0.837，針對部分 2計算得到克朗巴哈信度系數為0.702，這說明想進一步改進調查問卷的質量，應針對經濟素質與道德素質部分進行重新修訂量表或增刪題項。兩部分總分的簡單相關系數為0.583，說明兩部分具有正相關性。由于兩部分的項目是一樣的都是兩個項目，一般都應采用Spearman-Brown修正方法對兩部分總分的簡單相關系數進行修正，修正的結果為0.736，兩部分的Guttman Split-Half 系數為0.736，說明整個問卷是可行的一份問卷。10.3.4 10.3.4 實

29、例進階分析：實例進階分析： 折半信度系數的分析折半信度系數的分析Cronbachs Alpha部分1值.837項數2a部分2值.702項數2b總項數4表格之間的相關性.583Spearman-Brown 系數等長.736不等長.736Guttman Split-Half 系數.736a. 這些項為: 科學素質, 文化素質.b. 這些項為: 經濟素質, 道德素質.折半信度系數的分析折半信度系數的分析（2）折半項目的前提下得評估項目的描述性統計 下表顯示了30名員工在科學素質, 文化素質這兩個項目上總分的均值為21.283，在經濟素質, 道德素質這兩個項目上總分的均值為22.700。在科學素質,

30、文化素質這2個評估項目協方差的均值為0.414，在經濟素質, 道德素質這兩個項目上總分的均值為0.322。均值極小值極大值范圍極大值/ 極小值方差項數項的均值部分121.28321.00021.567.5671.027.1612a部分222.70022.33323.067.7331.033.2692b兩部分21.99221.00023.0672.0671.098.8124項方差部分1.575.461.690.2291.496.0262a部分2.595.437.754.3171.726.0502b兩部分.585.437.754.3171.726.0264項之間的協方差部分 1.414.414.4

31、14.0001.000.0002a折半信度系數的分析折半信度系數的分析部分 2.322.322.322.0001.000.0002b兩部分.308.202.414.2112.045.0064項之間的相關性部分 1.734.734.734.0001.000.0002a部分2.561.561.561.0001.000.0002b兩部分.541.343.734.3912.139.0214a. 這些項為: 科學素質, 文化素質.b. 這些項為: 經濟素質, 道德素質.折半信度系數的分析折半信度系數的分析1 1、使用目的、使用目的 多重響應是指對同一個問題被調查者可能有多個答案，它是調查研究中十分常見的

32、數據形式。2 2、基本原理、基本原理 多重響應資料因其特殊性，不方便應用傳統的多元統計分析方法進行研究，利用多重二分法和多重分類法兩種數據轉換方式可以極大的豐富對其建模的方法。 多重二分法的分類編碼為為0 0和和1 1，即將每一個選項拆分為一個獨立變量，如果選中的則錄入1 1，沒有選擇的則錄入為0 0。有多少個選項則拆分出多少個變量來，因此選項異常多的情況下此種方法有點麻煩。10.4 10.4 調查問卷的多重響應分析調查問卷的多重響應分析10.4.1 10.4.1 多重響應分析概述多重響應分析概述第一步第一步 ：打開【定義多重響應集】 對話框 選擇菜單欄中的【分析】【多元響應】【定義多重響應集

33、】命令，彈出【定義多重響應集】對話框。第二步：第二步：選擇多重響應分析變量 在【定義集】列表框列出所有的需要設置的變量，其中包括多選題的變量，將候選變量中選擇一個或幾個變量，將其移入【集合中的變量】(集合中的變量)列表框中，選擇進入多重響應分析的變量。10.4.2 10.4.2 多重響應分析的多重響應分析的SPSSSPSS操作詳解操作詳解第三步第三步：設置多重響應集 然后在下方的【將變量編碼為】中選擇編碼的方法。 【二分法】為多重二分法，【計數值】輸入需要統計的變量值，例如計數值輸入“1”，意思是統計變量值為1的頻率。 【類別】為多重分類法，【范圍】表示多重分類法的起點值，【到】表示多重分類法

34、的終值。 【標簽】為多重二分法或多重分類法的值標簽的定義。 【名稱】為輸入該多選題的題目名稱。 在【名稱】中輸入該多選題的題目名稱，在【標簽】中輸入分類法的值標簽的定義之后，點擊【添加】到【多元響應集】，點擊【關閉】，就設置好多重響應集。第四步：第四步：設置多重響應分析方法 點擊【關閉】，設置好多重響應集，再選擇菜單欄中的【分析】【多元響應】命令，可以看到，多出兩個菜單選項。 選擇菜單欄中的【分析】【多元響應】【頻率】命令, 彈出【多元響應頻率】對話框。【多元響應集】：顯示設置好的多重響應集的名稱。【列表為】：表示對選入的多重響應集進行列表分析。【缺失值】：表示對缺失值的處理方法。在二分集內按

35、 照列表順序排出個案表示對多重二分法的變量進行缺失值的處理。在類別內按照列表排除個案表示對多重分類法的變量進行缺失值的處理。缺失值處理方法都是將缺失值排除在樣本外進行頻率分析。 選擇菜單欄中的【分析】【多元響應】【交叉表】命令, 進入【多元響應交叉表】對話框。 多重響應分析的多重響應分析的SPSSSPSS操作詳解操作詳解【多元響應集】：顯示設置好的多重響應集的名稱。【行】：顯示交叉分析的行變量。【列】：顯示交叉分析的列變量。【層】：顯示交叉分析的分層變量。【定義范圍】：定義行變量、或列表里、或層變量的取值范圍。【選項】：交叉分析的一些選 項，包括單元百分比（行的、 列的、總的）、基于哪種百 分

36、比（基于個案的、基于響 應的）缺失值的處理(基于多 重二分法的變量的、基于多 重分類法的變量的)。1. 實例內容實例內容 為調查關于手機市場情況，設計了一份調查問卷，問卷內容包括性別，年齡，當前使用手機的品牌，在過去三年內曾經使用過的手機品牌等。隨機對30名路人進行了測試，現利用這些數據進行多重相應分析分析。其中品牌1為三星，品牌2為摩托羅拉，品牌3為諾基亞，品牌4為LG，品牌5為蘋果，品牌6為創維，和其他品牌，使用二分編碼。定義7個變量，變量名分別為sumsung、MOTO、NOKIA、LG、Apple、Skyworth、other，值標簽分別定義為0=“未選”，1=“選中”。定義了性別變量

37、，值標簽分別定義為0=“女”，1=“男”。10.2.5 10.2.5 實例圖文分析實例圖文分析 手機市場情況分析手機市場情況分析實例內容實例內容第一步：第一步：打開對話框 打開SPSS軟件，選擇菜單欄中的【分析】【多元響應】【定義多元響應集】命令，彈出【定義多元響應集】對話框。實例操作實例操作第二步：第二步：在【定義集】列表框中選擇sumsung、MOTO、NOKIA、LG、Apple、Skyworth、 other進入【集合中的 變量】框，在 【將變 量編碼為】選項組中選 擇編碼的方法為【二分 法】，并在【計數值】 文本框輸入 “1”，在 【名稱】文本框中輸入 該多選題的題目名稱為 “品牌”

38、。第三步：第三步：單擊 【添加】按 鈕 將 所 選選 項 添 加 到【 多 元 響 應集】列表框，然 后 再 單 擊 【 關 閉 】 按鈕 ， 設 置 好多重響應集。 第四步：第四步：打開多重響應頻數分析對話框： 選擇菜單欄中的【分析】【多元 響應】【頻率】 命令, 進入【多元 響應頻率】對話框。 第五步：第五步：多重響應頻數分析的設置： 將【多元響應集】 中的多重響應集“品 牌”選入【列表為】 并在【缺失值】選項 組中勾選【在二分集 內按照列表順序排出 個案】復選框。 第六步：完成操作 單擊【確定】按鈕 操作完成。此時，軟 件輸出結果出現在結 瀏覽窗口中。第六步：第六步：完成操作 最后，單擊

39、【確定】按鈕，操作完成。此時，軟件輸出結果出現 在結果瀏覽窗 口中。（1）案例的摘要 執行完上面操作后，在SPSS結果報告中首先給出的是案例的摘要，見下表所示。多重響應分析的樣本數據為20個，缺失數據個數為0，整個多重響應分析是基于所有數據來進行的。個案有效值缺失總計N百分比N百分比N百分比$品牌a20100.0%00.0%20100.0%a. 值為1時制表的二分組.實例結果及分析實例結果及分析（2）多重響應頻數分析的結果 在SPSS結果報告中給出各個品牌的頻數與百分比。當前使用三星手機的人數為5個，百分比為25%，其市場占有比例與摩托羅拉的比例一致，當前使用蘋果手機的人數為2個，其百分比為10%，這說明雖然蘋果手機比較貴，但現在是比較時髦的。反應個案的百分比N百分比$品牌asumsung525.0%25.0%MOTO525.0%25.0%NOKIA210.0%10.0%LG420.0%20.0%Apple210.0%10.0%skyworth15.0%5.0%other15.0%5.0%總計20100.0%100.0