毕业论文问卷没有分维度

信度和效度分析在问卷分析中大多都会用到的，即使是成熟的问卷，一般也是需要做的，在本科和研究生的论文中均适用。信度和效度是用来衡量问卷质量的，如果问卷的信度和效度比较好，证明问卷的数据可靠性比较高，问卷数据内部一致性比较高，所以可以用来做后续的建模分析，相反，如果信度和效度不高，可能就需要重新设计问卷，发放问卷。调查问卷分为量表题和非量表题。调查问卷数据分析要看有没有量表题，如果有量表题，首先需要进行信度分析和效度分析。非量表题不能进行信度分析和效度分析。1 量表题和非量表题 量表题一般是测试受访者的态度或者看法的题目，是分陈述等级进行设置的。比如我们对手机的喜爱从非常喜欢到不喜欢这个程度的变化。通常使用李克特量表来测度，根据答项数量可分为四级量表，五级量表，七级量和九级量表。比如五级量表可以分为：非常不满意，比较不满意，中立，满意和非常满意五个选项，通常赋予分值1，2，3，4，5。 非量表题分类数据，例如（性别、年龄、学历等）2 信度分析 概念信度分析用于检验问卷中量表样本是否可靠可信。通俗地讲研究样本是否真实回答问题，测试受访者是否好好答题，具体来说就是用问卷对调研对象进行重复测量时，所得结果的一致性程度。通俗讲，信度就是一次测量很可靠，再测一次，再测10次，结果都是差不多的。克隆巴赫系数是最常用的信度测量方法 评判方法 计算步骤克隆巴赫系数公式：该系数值越高，问卷的信度越好，Cronbach’s alpha系数值的范围以及效果如下：一般来说，Cronbach’s alpha系数大于都是可以接受的。 案例介绍及操作过程某公司想了解新出的一款饮品的客户接受情况。于是设计了一份问卷让客户从产品、服务、价格、质量四个方面进行打分，并在每个维度上拓展三到四个问题，以下是收集好的问卷回答，打分方面使用的是李克特 5 级量表。把数据导入到spsspro中，点击信度分析，将定量数据拖入到变量框中，点击开始分析。1）Cronbach’s α系数表模型的Cronbach’s α系数值为，说明该问卷的信度非常好2）删除分析项统计汇总通过控制变量法，比较删除某题前后的相关性和Cronbach's α系数等指标，用于辅助判断量表题目是否应该进行修正处理。首先判断题项删除后总体相关性是否大于，若满足再判断删除题项后的α系数是否小于原系数。若都满足，则可认为该题项情况较好，建议保留题项。在这里，我们看到相关性均大于 且删除题项后的α系数均小于原系数，所以不需要对量表题目进行修正处理。3）信度分析总结图3 效度分析 概念信度没问题后，接下来需要分析的是问卷的效度效度分析在于研究问卷题目的设计是否合理，即测验能够测到被测量对象的真实水平的程度。效度比较好代表的是问卷的数据内部一致性比较好，也就是说每个维度的所有题目的选择上基本是一致的，维度划分比较好。比如说，质量维度的三个题目分别是：饮品的味道、饮品新鲜程度、饮品的品质。对应的选项为5级量表，分别为：1,2,3,4,5代表的是 非常不符合、有些不符合、不能确定、有些符合、非常符合。如果问卷填写人认真填写，那这些题目的选择上应该不会存在太大差异，因为这些题目都是换着方法对同一个问题的问法。问卷的效度分析是基于主成分因子分析实现的，通过比较题项的因子载荷系数是否在同一主成分表现最优而实现。因子分析可参考以下文章：SPSSPRO：基于探索性因子的贷款客户信用程度案例分析6 赞同 · 0 评论文章 评判方法KMO值大于（存在相关性），且P<（有显著性），符合因子分析要求累积方差解释率大于50%题项在对应因子上的因子载荷系数大于不存在题项与因子对应关系出现严重偏差共同度大于 操作过程我们仍旧使用上面的问卷数据，点击问卷分析——效度分析，将定量数据拖入到变量框中，因为我们这份问卷本身设置是有 4 个量表，所以设置因子维度为4个维度，点击开始分析。1）KMO检验和Bartlett的检验首先看KMO检验结果，KMO的值为，说明了题项变量之间是存在相关性的；其次看Bartlett球形检验结果，显著性P值为***<，水平上呈现显著性，因此可以进行因子分析。2）解释总方差上表为方差解释表格主要是看因子对于变量解释的贡献率，一般情况下，因子对于变量解释的贡献率在取到变量解释的特征根低于 1 时对应的主成分个数，要表达到 80%以上，否则就要调整因子数据。方差解释表中，选择主成分个数为 4 个时，变量解释的特征根大于1，累积方差解释率为 ，基本可以提取问卷题项信息。3） 碎石图碎石图的其作用是根据特征值下降的坡度（“坡度趋于平缓“）来确认需要选择的因子主成分个数。上图我们可以看到特征根在 2 之后趋于平缓，但问卷本身设置是有 4 个量表，故设定因子主成分个数为 4 个。4）因子载荷系数表每一个变量都可以用公因子表示，其表达的大小就是公因子方差表中的“提取”，“提取”的值越大说明变量可以被公因子表达的越好，一般大于 即可以说是可以被表达。由上图，我们可以看出，产品1-4的因子载荷系数最大值都在因子1，价格1-3的因子载荷系数最大值都在因子2，且载荷系数均大于 ，共同度也大于，说明问卷在产品、质量量表上基本合理。而服务4以及质量1的因子载荷系数最大值与同类型其他几项所在因子不一致，则说明对应关系与预期不符，题项可能存在设计混淆，可以考虑删除或者归为其他类别（服务4归类为价格问题，质量1归类为服务问题）后再检查。5）因子载荷矩阵热力图与因子载荷系数表类似，同样是反映每个主成分中隐变量的重要性，颜色越深代表数值越高。