毕业论文spss不会怎么用

简单的举个例子，spss在对于个人数据分析和结果处理方面来看

个人数据分析与结果处理（针对大学生的论文）

分析主要包括描述性分析、信度效度分析、相关分析、假设检验（回归分析）。在分析之前我们首先要懂得SPSS的分析原理。

用SPSS分析的问卷必须是李克特五、七级量表，新研究者建议设计五级单因素的量表。问卷数据收集完成，第一步要剔除无效问卷，保证数据的准确性。

分析步骤如下：

01、录入信息

打开SPSS软件，在变量界面输入问题及值，一般值为1代表非常不同意，2代表不同意，3代表不一定，4代表同意，5代表非常同意。

02、描述性分析

描述性分析是对被调查者的最基本的信息进行描述，如性别、学历、年龄、工等等。描述性分析主要对问卷的均值、标准差进行分析。

最后汇总了列成表格或图表，图表的项有频数、频率、均值、标准值等，加以文字说明，使结果清晰明了。

03、信度分析

信度分析主要是通过SPSS分析验证设计的问卷是否可靠，是否具有良好的相关性进行分析，收集数据是否存在矛盾、可靠等等。

问卷分析的步骤如下：点击“分析”----“标度”----“可靠性分析”-----“选择项”----“确定”

结果分析：问卷是否可靠关键在于：Alpha（a系数）

a<则表示设计的问卷信度不可靠；

04、效度分析和因子分析

通俗来说，效度分析是检验问卷题目与研究目的是否相一致。一般分为内容效度和结构效度；

内容效度是指题项与所测变量的适合性和逻辑相符性；

结构效度是指题项衡量所测变量的能力，实证分析着重分析结构效度，通过进行探索性因素分析（Exploratory factor analysis，EFA）检验来证明量表的结构有效性。

分析步骤如下：分析--降维--因子--将左边所有变量选到右边变量框中--描述--选择初始解和KMO--点击继续--提取--在提取里选择主成份和碎石图--继续--旋转--选择最大方差法。

得出结果如下：

结果分析：效度分析结果主要看KMO值和sig.（显著性）；

若KMO>，则说明问卷中设计的自变量之间具有一定的联系，问卷是有效的；

sig.<说明该问卷符合做因子分析，下一步则可以进行因子分析（EFA）。

05、相关分析

相关分析前首先取各个因子的平均值。

步骤如下：分析--相关--双变量--将左边的变量选到右边--在皮尔逊和双变量前打勾--确定。

得出的结果如下：

假设前面两个为因子1、因子2（自变量），第三个为因变量。

相关性是检验自变量与因变量的关系。

可以看出因子1与因变量的相关系数为，且sig.<，说明自变量（因子1）与因变量呈正相关。

相关系数的取值范围介于-1~1之间，绝对值越大，表明变量之间的相关越为紧密。

06、回归分析

回归分析需要看的图有模型摘要图、ANOVA、系数图等等

步骤如下：分析--回归--线性--选择自变量和因变量--点击统计--选择德、共线性等--继续--选择XY变量--继续--保存--继续--确定。

模型摘要图主要看R方和德宾值（D-W），调整后的R方为说明自变量对因变量的可解释程度为（R方代表的是自变量对因变量的解释能力，R方与调整后的R方越接近说明数据越稳定）。D-W值是检验自变量之间是否存在自相关，上图中D-W>2表示问卷中的几个自变量无自相关性，

即方差分析表，ANOVA表的一个作用就是验证假设（A对B不产生影响）是否成立，一般只看sig.值即可，上图sig.<,说明拒绝原假设，至少有一个对因变量产生显著性影响。

下一步看系数表，系数表则说明有几个自变量对因变量产生显著性影响。

可以看出，相关性分析是检验自变量与因变量之间是否具有相关性（正向或反向相关），回归分析则说明了自变量对因变量是否具有显著性影响。

07、一些常见p的问题

1.在信度分析时，那个值该怎么写，问卷信度总是多 ，怎么写？

信度分析主要看Alpha（a系数），a<则表示设计的问卷信度不可靠，

2.如果两个变量的sig值为，说明了什么？

SPSS的原理是假设A对B不产生影响，分析得出的结果P（sig.）<，则假设不成立，即A对B具有显著性影响。如果sig.=大于>，说明假设成立，A对B（或B对A）不产生影响，任何一方变动都不会影响另一方。

上面是我对现在大学生而言，就怎么处理自己的论文，对自己论文进行数据处理和分析，希望对你有所帮助，谢谢阅读。

你要先有论文的目的和分析思路，然后根据目的的论文和分析思路，确定需要收集的数据和类型，最后才考虑 应该用spss什么方法来实现。下面是我自己写的一个 带数据分析的论文写作指导首先，我要说明这里的指导并非常规意义的指导，我这里说的指导是到底应该如何写论文（应该还是很抽象，不过看完就知道了）。迄今为止，我大约也帮忙做了能有上千份的学生论文数据分析部分，包括一部分的整篇论文写作,其中涉及到有医学类、护理类、人文社科类、教育类、经济学类、心理学类等，单凡需要用到数据分析的论文。因为我是做市场研究与数据分析的，擅长的主要工具是spss，不敢说百分百精通spss，但是应付个八九十应该是足够了，很自然的平时就利用下班和业余时间帮学生做一些论文数据分析以及论文写作指导。很多论文的核心部分都包括数据分析，而统计学也应该是所有学科应该学习的一门重要课程，但是恰恰相反，很多学科只是把统计学和数据分析作为一项选修甚至不重要的课程对待，这样导致学生在最后做论文时完全不懂。而在这种情况下，很多学生因为对数据分析的一窍不通，导致论文从开始的设计到后续的数据收集、整理等都会出现问题，最终导致分析出问题。因此，在对数据分析一窍不通的情况下，应该如何从头构建论文及写作呢？很多论文虽然数据分析部分是核心，但是不管哪种论文的写作，都脱离不了论文的框架。因此，具体的过程应该如下：首先是选题，当然很多时候是导师直接给选题，这个没有太多讨论。其次是选题确定后，马上要做的不是想我应该怎么去写作，或者在哪抱怨“哎~~郁闷，完全不知道怎么写嘛”。而是先通过文献查找，看前人在这个选题方面已经做了哪些研究，都是如何做的。通过查找文献找到跟选题有关的资料，然后对这些资料进行整理，整理不需要计较参考文献的结论和数据细节等，而是要把每篇文献的研究目的、采用的研究方法、采用的分析方法整理出来。当然参考文献中的分析方法你可能还完全不懂，但是没关系，你先把这些参考文献中使用的分析方法全部罗列出来，如线性回归、方差分析、均值t检验、logistic回归等，把这些文献中常用的统计方法罗列出来，你需要弄清楚对应关系，即每种分析方法是用来支持和实现什么样的研究目的，以及能够得出什么样的结论，认真阅读文献就能实现这一步。第三．通过上一步，你应该朦胧的知道你选题相关的参考文献中常用的统计方法名称，以及这些统计方法能够帮助实现哪些目的，或者得出什么结论，同时也不会对自己的选题那么恐惧和迷茫了，因为可能你的选题已经有前人做过了，你的论文只是“复制”一遍而已了，我说的复制是重复一遍前人的研究。在这种情况下，可以构思下自己的选题，这一步属于纯理论层面的，你需要将自己的思路具体化，比如要实现什么目的，很自然的需要什么数据分析方法也就能确定了。当然很多论文会预先设计一系列待验证的假设，也是在这一步完成，因为你找到的文献中可能会存在矛盾的结论，可能会存在一些你认为的研究缺陷（文献看多了，自然自己就会有想法出来了），提出自己的一系列假设，能够很清楚的指导后面的数据收集和分析。第四．选题、假设还有研究方法这些经过前面几步都能确定了，接下来就是要考虑具体研究和收集数据的环节了。这个环节最重要的也是首要的是弄清楚你的数据应该是什么类型的，通过哪种方法来获取。其实也容易了，因为前面你已经确定了统计分析方法，而每种方法有它特定的数据类型要求，比如是分类数据（如性别、民族、年级等）、比如连续性数据（如年龄、身高、体重、温度、长度、距离等）。分类数据简单通俗点的理解就是这些数字本身是没有意义的，是人为赋予它一定的含义，这些数据之间不存在连续性，且加减乘除没有意义，而连续性数据是数据本身有意义，且能够进行一些加减乘除运算。确定了所需要的数据类型，就大致能够知道在数据收集时，应该注意的问题。比如一份问卷调查，其中应该如何设计问题也就大致清楚了，通常问卷设计时就要考虑两种数据类型的问题，因为不同的选项设计会导致不同的数据类型。如你设计一个问题的答案选项是“有/没有”、“是/否”这种是属于分类数据，如果你的答案选项是李克特量表式“非常满意----非常不满意”这种，在处理时可以按照分类数据，只能统计出一些百分比，也可能将其按照连续数据如12345打分形式，这样可以求均值，可以做很多其他多元统计分析。因此这一步确定数据类型很关键，如果数据类型弄错的话，则收集的数据完全无用。第五．具体收集数据过程，不细说了，收集回来之后就是数据的录入。记住一定要录入原始的数据，而不是经过加减整理汇总后的数据。数据录入格式也是有要求的，一般大致同样的情况下，都是一行代表一个个案或者一份问卷的数据，而一列对应表示的是问卷中的一个问题，即变量。因此数据录入完成后，应该是有多少样本数据，就有多少行，数据中包含多少个指标，那就有多少列。第六．这一步才是你应该开始头疼的数据分析不会了怎么办。因为到这里才开始是数据的具体分析过程了。不会怎么办，前面已经知道了分析方法，这种情况，只有找本教材，然后找对应的方法介绍学习即可，或者实在不行找人指导，找人帮忙等等。最后。分析完成后，开始整篇论文的写作。其实完成前面的每一步，到最后写文献综述以及讨论时，自然就会得心应手了，很少会需要绞尽脑汁甚至东拼西凑。

选择什么分析方法，主要依据研究数据的数据类型以及研究目标选择。

可以分为几个步骤：1）确定分析目标、2）判断数据类型、3）选择分析方法。

一、 确定分析目标

确定研究目标，即确定研究的思路，也就是你想研究什么，从哪些题中得到什么结果？

一般在开始分析前都需要先对自己的问卷确定一个大致的研究思路，这也是最重要的部分。

缺少思路，或者不知道从哪里开始入手，可以查看spssau关于问卷思路框架的总结。

参考资料：分析思路总结-SPSSAU

二、 判断数据类型

有了基本框架后，就进入到具体的分析方法选择。

所有数据大致可以分为两种：定量数据和定类数据。

定量数据是年龄、身高这类数字大小有具体意义的。定类数据如性别、职业数字大小没有实际意义。

三、选择分析方法

变量的关系最常见有：相关关系、影响关系、差异关系，及其他关系。

结合数据类型和所要研究的目的，即可选出分析方法，spssau中就有详细的方法选择说明。

参考资料：分析方法选择-SPSSAU

最后就是分析数据，spssau提供标准三线表格式结果和智能文字分析，方便快速解读结果撰写分析报告。

对于论文中用SPSS分析数据的部分，一般需要写以下八个小节：1. Introduction 简介2. Data Screening & Cleaning 数据筛选和整理3. Profile of Respondents 受访者介绍4. Reliability of the Measurement 测量的可靠性分析5. Descriptive of Main Variables 主要变量描述6. Correlation Analysis 相关性分析7. Multiple Regression Analysis 多元回归分析8. Summary of Findings 调查结果总结This chapter focuses on presenting the results of this research. It begins with Data Screening & Cleaning. Next, Profile of Respondents will be presented followed by Reliability of the Measurement, Descriptive of Main Variables and Correlation Analysis.本章重点介绍了本研究的结果。它从数据筛选和清理开始。接下来，将介绍受访者的概况，然后是测量的可靠性、主要变量的描述和相关分析。2. Data Screening & Cleaning 数据筛选和整理调查数据必须首先对数据输入错误进行筛选和清理，然后才能进行分析。我们首先使用函数频率和描述性来筛选数据输入错误来检测回答中的异常。然后我们还评估了是否有很多空白的回答，最后我们还检查了被调查者是否回答相同的回答。首先，将收集来的数据整合成进Excel；然后打开SPSS，按照"File"→"Open"→"Data"的顺序导入文件第二步我们需要定义数据，包括 name， label， label， value首先定义variable name：然后定义value：（这一步是需要根据自己的调查问卷，比如问卷中定义1为男性，2 为女性，那么我们编码的时候也需要这样写）以定义性别为例之后我们就可以进行数据筛选和整理了：下面为输出结果：在这一部分我们需要介绍关于受访者的信息，以确认不同受访者对调查结果是否有影响。我们选择描述性统计中的频率将需要分析的受访者背景数据移到右侧这是频率表输出结果对于这个结果我们不能直接复制到论文中，我们可以另整理一个表格，如下图：4. Reliability of the Measurement 测量的可靠性分析对于可靠性分析的操作：选择分析→刻度→可靠性分析将需要分析的变量移到右侧可靠性分析的输出结果整理为表格写进论文中5. Descriptive of Main Variables 主要变量描述。