spss如何分析两组量表数据差异性

论文两表常用分析方法，四方叉踢检验，卡方方叉分析研究个体属性与维度之间的认知差异关系，例如研究性别与淘宝忠诚度 之间的差异关系。贴检验与方差分析类似，但是贴检验仅可对比两组数据之间的差异。方差分析可对比多组数据。 卡方检验用于分析定类数据之间的差异，例如研究性别与学历之间的差异情况，你学会了吗？

手把手教你做独立样本梯检验！独立样本梯检验用于分析二组数据之间的差异，例如对比控制饮食和运动两组人员一周期内减重效果的差异。独立样本梯检验数据格式如下， 上传数据制 soso 系统，选择 t 检验，将变量分别拖拽到右侧相应分析框中，点击开始分析，操作如下， 分析结果如下，从上表可以看出，饮食组和运动组体重下降值没有呈现出差异性， p 值大于零点零五，如果 p 值小于零点零五，具体可通过描述平均值对比差异大小，你学会了吗？

差异性分析方法，独立样本 t 检验独立样本 t 检验研究 x 定类两组对于 y 定量的差异，比如两组患者空腹血糖下降值的差异。上传数据制骚系统，数据格式如下表，选择 t 检验， 将变量拖拽到右侧相应分析框，点击开始分析。操作如下图， 得到分析结果如下，从上表可知， p 值等于零点五二四八大于零点零五及两组样本对于空腹血糖下降值全部均不会表现出显著性，你学会了吗？

零基础学习事后多重比较我们都知道，研究三组及以上数据之间的差异，应该使用方差分析，那么想得到具体是哪两组之间有差异，该如何办呢？这就需要使用事后多重比较进行分析了。方差分析如果发现有显著性差异， 可以通过事后多重比较具体研究两两组别间的差异情况。例如，现使用方差分析得到三个品种的水稻产量具有显著差异，接下来可以使用事后多重比较进行两两品种差异对比 道，结果如下，从下表分析之，品种一和二之间产量没有显著差异，而品种一和三、二和三之间产量存在显著差异。 事后多重比较的方式有很多种，大家可以根据需要选择，其中 sportso 默认使用 l、 s、 d 法，你学会了吗？

方差分析事后多重比较方差分析后进行事后多重比较的目的是进行两两组别之间的对比，来确定具体哪两组之间有差异。举例 使用单因素方差对比专科、本科、研究生之间收入水平的差异情况，分析结果呈现显示具有显著差异。那么需要进一步进行事后多重比较，对比差异具体在哪两两组别之间。事后多重比较的方法有很多种，其中最常用的为 l、 s、 d 法 骚操作如下图，得到事后多重比较结果如下，分析可知，研究生与专科、本科与专科之间的工资呈现出显著性差异，你学会了吗？

hello， 大家好，我是 doctor 里，今天呢，我们继续学习 t 检验，今天学习的内容呢是配对样本 t 检验。什么是配对样本 t 检验呢？首先是利用来自两个总体的配对样本， 我们推断两个主体的均值是否存在明显的差异，大家要注意的是一定是这两个主体呢，是不相互独立的。什么意思呢？ 指的是对同一个样本进行两次测试所获得的两组数据， 或者对两个完全相同的样本在不同的条件下进行测试所得到的两组数据。我们一起来看一个例子，不同 女孩呢，哎，比较火啊，每天跟着刘教练呢一起跳健身操，然后，所以呢，我们想要了解一下进行流失体操的前后体重是否有变化，也就是说在跳流失体操之前的一个体重， 然后我们再进行测量跳流失体的之后的一个体重，看他之间是否有一个明显的差异。我们就要用到今天学的配对样本体检验。 那么该如何运用 spas 进行配对样本体检验呢？我们一起来看一下。 首先打开 spac 软件，这是我们调研到的三十份数据啊，运动前体重和运动后的体重，此数据呢仅限于教学使用，大家呢，在进行运动的时候呢，一定要选择合适的 运动方法进行锻炼。好，我们首先点击分析比较平均值，好点成对样本体检验 好，运动前，点击导入到 pay 的变量，点击运动后，然后导入到 pay 的变量。 看一下选项，选项呢，我们默认即可执行，区间呢，百分之九十五代表呢？我们调研出来结果呢？分析出来结果有百分之九十五以上的把握和可能性。好继续 点击确定好，这就是我们分析出来的结果，我们来看一下，首先是平均值，运动前的平均值呢是六十三点七三，哎，这是体重，平均体重 后的平均体重呢是六十二点二七，那么这个平均值是否具有统计学意义呢？好，我们来看一下下面这个配对样本检验。首先 t 值四点七三五大于一点 九六的，然后看 p 值，零点零零零是小于零点零五的，他在统计上是具有意义的，也就是说我们这个平均值是具有统计学意义的，也就是说，哎，运动后的体重有了 将近一千克的一个减少，也就是说来进行流失体操呢，对体重的降低呢，是有一定效果的。这就是我们今天要讲的这个配对样本题。但是分析完之后呢，如何在论文当中进行体现呢？进行解读呢？我们一起来看一下。 好，解读也是首先写出我们的目的，为了了解，然后对体重有无效果呢？我们采用了配对样本体检验，就是运动前运动后的一个比较结果，然后进行说明， 然后通过 t 值和 p 值呢来判断。从统计学来看呢，具有统计学意义，表明运动前与运动后的体重有明显的差异，也就是说进行流失体操之后呢，体重有了一定的减少。好，今天的课程就讲到这里。

大家好，欢迎来到 spa 课堂，我是李博士，接下来我跟大家颁奖的是 spa 两个独立样板的非参数。简念 好，首先我们来了解一下非参数检验。呃，假设检验的方法呢，主要包括两种，一种呢是参数检验，另一种呢是非参数检验。参数检验呢，主要是 我们前面介绍到的，呃， t 检验。呃，非参数检验呢，就是接下来我们需要做重点介绍了。参数检验呢，是以特定的总体分布为前提， 对未知的总体参数做推断假设的检验方法。非参数检验呢，他的适用范围很广，对资料呢没有要求，对总体 分布呢，也没有什么特别的假定。呃，有时呢，对于分布的形状呢，需要做一些简单的假设，比如说连续啊，对称等这样一些简单的假设。 好，我们来看一下非参数检验的优缺点。他的优点呢，就是对数据的要求不严格，对资料的分布类型要求也比较宽松。嗯，他的检验方法呢，灵活使用，用途呢比较广泛。 非参数检验呢，计算相对简单，便于理解和掌握。缺点呢就是非参数检验 方法呢，对总体要求不高，可以适用于任何类型资料的任何分布类型的资料。但这方法呢，本身缺乏针对性，当资料满足参数简 的条件时，使用非参数检验呢，会降低检验功效。呃，第二个呢就是非参数检验，呃的方法简单，主要是采用等级或者符号制。 呃，他呢，并不是使用呃原始数据来计算，从而呢，降低了原始信息的使用率。也就是说呢，他的检验的有效性是比参数检验要低的。 好，我们来看一下独立样本非参数检验的相关概数。首先来看一下它的定义， 两样本独立检验呢，是一种检验两个未知分布的独立样本是否来自相同分布的总体。在 spac 里面呢，给出了四种独立样本的非三路检验方法，一个呢 mwu 检验，这个呢是我们通常用的检验，就是我们所说的致核检验。他呢主要是用的非正在分布资料里面的检验，以及等级技术资料里面的检验，这个呢是我们重点 用到的检验方法。第二个呢是 k s 检验，第三个呢是 w 加 w 检验，第四个呢是摩西极端反应试验。检验 好，我们重点来看 m w 简面原理，也就是我们通常所说的支核简面。 他的零假设呢，就是两个要买的总体中位数相等，再假设呢是两个要买总体的中位数是相等的，然后他计算的基本思路呢， 呃，是这样的，首先呢，将两股呃样板混合平安升去进行排序，得到每个数据呢，在整个数据中的位置称之为等级或至。 然后呢，对两组样板分别计算所得排序序号之和，就是用又一又二来表示，就叫做之和。 然后呢，我们观察又一和又二，如果两个值相近呢，这两个样板就是来自相同的总体，反之呢，就不是来自相同的总体。 呃，在 sgss 里面呢，两个独立样本非参数检验呢，我们一般是通过他的一个旧对话框下面的两个独立样本进行一个非参数检验。然后主对话框呢，我们还可以看到， 主要是分为左右两侧，然后左侧这一部分呢就是放置我们所有变量信息，然后右侧呢是我们需要检验的变量，然后下面是分组变量， 然后检验类型呢，就是刚才我们所说的四种检验类型。呃，我们一般 做分析的所用的呢就是这个，呃，曼惠尼特，惠特尼优检验，就是我们所说的纸格检验，这个呢是我们通常用的，其余三种呢用的非常少，这里呢就不做介绍。 好，我们来看一下这个案例，这个案例呢就是比较，呃，这个性别不同性别这个指标 x 呢？呃，是否存在差异，这时候呢 我们做他的差异紧绷肌呢，我们就需要分两步来做，第一步呢就是正态性检验，就是分别看，呃，男性这个指标 x 是否满足正态性，然后女性呢是否满足正态性。 第二步呢就是如果满足正态性呢，我们就要用独立样板 t 剪面，如果不满足正态性呢，我们就要用到这里的非三步之和剪面了。好，我们通过数据来看一下， 这是数据，然后这是性别，然后我们来做一下，首先来进行正态性检验描述探索主别指标 x 图，按检验 的正态图继续确认。好，我们因为它是小样板的，所以我们直接用橡皮乐无眼壳正态性检验， 这个组别呢是我们做的是组别的，我们应该是做性别的。好，再来做一下描述统计单组，这里呢是用性别的。 好，这里我们看到性别男性的 使用下皮洛威尔克，他显著性呢就是小于零点零五，说明男性在指标 f 四上呢是不满足正态性的，女性呢也是不满足正态性的，这样呢，我们就去 用非参数之和检验来分析不同性别下指标 x 是否存在显出差异。好，我们做出来了，他不满足正态性的，就确定分期方法，然后我们再用非参数检验， 就这个框两个独立样板，指标 x 检验变量的列表选进来，性别选进来，定一组，定一组的时候呢，我们需要核对一下这个性别是零一还是一二，这是一和二 第一组的时候呢，一二继续，然后这个呢慢会特迷呢，是第一个默认就可以了。确定好，我们来看一下，这个 检验统计量呢是 z， 可以粘住这个检验统计量是 z， 然后这个 p 值呢是点五四二是大于零点零五，就说明这男女之间在指标 x 上是不存在差异的。 好，我们再接着往下看，关于乱文写作方面的一个呃，指导，这是一篇乱文里面的一个数据分析，他呢我们做 呃这个非三柱治和治和检验的时候呢，我们首先呢需要对数据的属性也就他的正态性做一个检验，然后呢我们再通过看他是否满足他的使用条件呢，再选择合理的分析方法。 我们看到这一篇文章，他的呃统计方法介绍呢是首先呢介绍了一个软件，然后呢再说明一些技术资料用什么来表示，然后正在颁布的计量资料用什么表示？采用的方法非正在分布的计量资料呢， 用中位数来表示。然后两组间比较呢？他这个， 呃用这个我 vir vr 科训，这个质和检验呢是错的，这里呢应该是两组相比较呢，在用 m w u 检验，这里呢是错的。然后呢多组间比较呢，就是三组及以上比较呢，是用 k w h 值得检。呃，重点就是看一下他这个描述方式， 然后这是在这篇文章里面他的结果展示方式了。呃，就是说你看这个无偿建业经历是一个二分类，二分类变量呢，在这意愿上是不满足正态性的，所以呢，他是用中位数、四分之一位数，四分之三位数来表示的， 然后呢，他的统计量呢，是非值，然后对应低值，这呢是他的一个展示方式， 你看如果是年龄的话呢，是三组，三组呢就是用到了这里的 k w h 直播简面。然后呢，这是我们下节课需要介绍的。呃，多个样板的 c 三组简面， 这是他的一篇文章，大家如果有兴趣呢可以参考一下。大致 好。关于两样版的非参数简历呢，就介绍到这里，大家如果有疑问或者出去分析相关的合作质疑呢，可以联系我们，这是我们的联系方式。好，谢谢。

当我还是一个科研小白的时候，就因为分析数据忽略了这一点，结果被导师臭骂一顿，那就是数据一定要符合正态分布之后才能进行相机检验之类的分析 正态分布的意思简单来说就是数据的重复性。好，那今天就用 sbox 来教大家三个检验正态分布的方法，干货，记得收藏！ sboss 中我这有两组数据，一组是对照组，另一组是实验组，我想分析他们在处理后的体重是否存在显著性差异，那我首先就要检验他们是否符合正态分布。 第一个方法，点击图形，再点旧对话框，点最下面的直方图，然后将体重导入变量中，打上这个正态曲线的勾，点击确定，结果就出来了， 只要图形是像我这样符合中型的，就说明数据符合正态分布。第二，点击分析，选择描述统计，选择最下面的 qq 图，同样是将其 重导入变量中，右侧选择正态。然后我们发现，如果数据点能够分布在一条直线上，表示数据符合正态分布。第三，同样是在分析中的描述统计中，点击 pp 图，和 qq 图一样的操作， 如果数据点是一条直线，就代表着你的数据符合正态分布，你学会了吗？这里是正在读博的大学长，关注我，带你开心读研！

前面我们学习过两读量，本 t 检验主要用于两组连续型正态分布的数据比较，但如果需要比较三组以及以上的连续型数据， t 检验分期方法就不合适了，此时必须要借助单因素方式分析。 单因素方差分析用于检验三个或三个以上的样本均数是否存在差异，亦成为 f 检验。进行单因素方差分析的数据应该满足以下两个条件，第一个，正太性，也就是个样本，是相互独立的随机样本，服从正态分布。第二个，方差其性， 各样本的总体方差相等。对于正太性，我们需要进行正太性检验。对于方差其性，我们需要进行方差其性检验。 我们来看案例，为了探讨不同教学方法对铅球教学效果的影响，将条件基本相近的三十二秒 学员分为了三组，分别实施以 a 一、 a 二和 a 三三种不同教学方法。经过一学期的教学测的成绩，问不同的教学方法之间是否存在着差异？首先，数据的正大性检验前面讲过，我们这里就不做了，我们已经验证该数据是服从正在分布的。 那么我们在 sps 数据中依次点击分析比较均值。单因素方差分析。在单因素方差分析窗口中，将音变量推铅球成绩放入音变量列表选项框中， 将处理因素叫法放入因此选项框中，点击选项选中描述性和方差。同志性检验，点击继续确定。方差分析有三张表，他的结果，第一个表示统计描述，包括均数标准差、 标准物百分之九十五的执行区间以及最小值和最大值。第二个表示方差其性检验结果显示，方差其性检验的 p 值等于零点二五二，大于零点零五表示方差，其性，可以采用单元素方差分析。 第三个表示方叉分析结果结果显示 f 等于六点零零六， p 等于零点零零六，也就是小于零点零五的，说明多组总体均数存在显著性差异。以上就是方叉分析的操作，你学会了吗？还想学习哪些操作方法？评论区里告诉我吧！

小伙伴们大家好，今天来跟大家聊聊怎么用 s p s s 来进行卡方检验中的多重比较。 在后台看到一个小伙伴留言说他有三组变量，卡方检验的结果显示 p 值是小于点零五的，是显著的，那么他想看看到底是哪两组有差异，该怎么办呢？那么这种情况下就涉及到卡方检验的多重比较了， 我在上一期啊不对，上上一期答疑中啊，给大家简单的提到过，有一种方法叫做卡方分割法， 那么它就是可以解决这样一个问题，比如说我们有这样一个数据啊，其中有组别是组 a、 b， c， 有三个组，然后音变量呢， 是某种用药的效果，有效果或没效果，这样他就构成了一个交叉表格，对吧？ 这样的一个数据形式啊，最终我们肯定可以用卡方检验来求得一个批值，这样我们打开 s p s s 来实践一下， 这是数据的一个大致情况啊，一共有三个变量，一个是年龄段，然后组别和效果。我们看看变量式图，变量式图中年龄段有三个年龄段， 组别有组 a、 组 b、 组 c， 有三个组，然后效果。这个音变量呢，有有两个类别，一个是有效果，一个是没有效果。 哦，顺便提一句，有小伙伴说他录入数据的时候不知道这个类型应该怎么变换 啊，就在这里我们点击一下，现在是数字，我们可以改成科学技术法或者是字符串，字符串是因为你有，就是姓名之类的这个文本信息的时候就选字符串。一般情况下我们为了分析数据方便，默认的都是数字类型。 好的，我们回到数据视图，啊，这样一个数据啊，我们怎么样来进行卡方检验呢？首先点击分析，然后我们用交叉表格描述统计中的交叉表， 我们可以选择行是组别，列是效果，然后在精确里默认是仅渐进法统计，我们把卡方打上勾，点击继续 点击确定，这样我们就看到了组别和效果的一个交叉表，有三个组，他们的总计都是十五人， 然后分别有效果和没效果的人数都出来了。卡方检验的表格的啊，我们看最后一列，就是双侧的这个显著性啊，发现 皮尔逊卡方的这个显著性是零点零二八，是小于点零五的，说明这三个组确实在因面量，有效果和没效果这方面是存在显著的差异的。那么就回到这个视频刚开始的时候，那个同学提出的问题， 这三个组是有差异，那么我具体想看到底哪两个组之间有差异呢？应该怎么办？这样的一个情况我们就要用 到啊数据的一个筛选，我们点击数据，在这个结果页面操作，和回到数据，这个数据及文件操作是一样的效果。我们点击数据，然后倒数第二个选择个案， 目前是选择了所有个案，对吧？那么接下来我们只想看两两个组之间的两两比较，该怎么办呢？我先重置一下， 我们如果想满足两个条件的话，就需要呃，点击这个，如果啊，如果你是英文版的话呢，就是 e， 那么选择组别，组别等于一，或者或者就是这个横杠， 如果你敲这个呃，记不住，你就敲 all 也行， 我是比较习惯用这样一个符号啊。旁边这个，呃，这个加号，这不是加号啊，这样一个符号呢，就是并的关系，然后一个竖杠呢，就是或的关系 等于三，这样的话，我就筛选了组别中的第一组和第三组，点击继续点击确定。 那么接下来我再运行一下卡方，呃，选择这个按钮，然后直接看到我的历史操作，然后点击交叉表，所有操作都不变，直接点确定。哎， 这一次就只看到了组 a 和组 c， 为什么呢？因为我们只选了这两个组，对吧？回到数据文件，我们也可以看到所有的组二这个类别 的前面啊，都打上了一个横杠，就是说明啊，不是横杠，是斜杠，就是说明这些样本在这次分析中都没有纳入进来，哎，这次分析我们就只看一和三这两个类别。 回到这个，呃，结果式图，我们可以看到组 a 和组 c 的一个交叉表已经出来了，以及它的卡方结验的值 啊，这两个组的卡方结验呢，是大于点零五的，是不显著的啊，说明组位和组 c 在这个啊音变量上面是没有显著差异的。那么我们 就再来看看主 a 和主 b 怎么样，还是点击历史操作，然后选择个案重新点，则重新选择这个 if， 把三 把组别改成二以后呢，我们就点击继续点击确定， 然后依然打开交叉表的历史操作，什么都不用变的情况下，直接点确定 啊。我们这就能看到组 a 和组 b 的一个比较了。回到数据视图上，我们也可以看到所有的组三这个类别全都打上了斜杠，这说明这些样本都没有纳入进来，都没有考虑，那么组 a 和组 b 的一个卡方结呢？ 结果呢？是小于点零五的，是有显著差异的。最后我们再看看组 b 和组 c 怎么样，依然是选择个案，对吧？ 点击继续点击确定，我的操作逐渐加速，因为大家都比较熟悉这个过程了，点击交叉表，点击确定，哎，我们可以看到主 b 和主 c 呢，它也没有存在显著的差异， 所以不同组别在音变量有效果和没效果方面有显著差异，主要是由于 a 组和 b 组有差异而导致的， 这就是两两分析能得出来的一个结论。那么还需要注意的一个方面就是这个批值，我们都拿这个批值一般是和零点零五来进行比较， 那么在这里呢，并不能直接拿点零五来进行比较，为啥呢？因为我们把三个组分成了两两去比较，对吧，这样就增加了一些误差。 所以我们在选择交叉表的时候，点击单元格啊，可以勾选上这个调整批值啊，用这个调整批值的方法点击确定。这样生成的这个交叉表啊，下面都会带一个小小的 a， 注意到了吗？啊，这个下标 a 呢，它就是表示啊，这些子级在点零五级别，然后这些列比例之间相互是不是有显著差异，他会给你调整，以后来啊给你公布出来。那么还有一个比较直观的方法，就是如果你 已经得出了这个卡框检验的 p 值，可以直接用点零五来除以三。为什么是三呢？是因为我们有三组，如果你有四组，你应该用点零五来除以四，用这样一个值来啊，代表显著性的水平来和 p 值来进行比较， 如果 p 值要小于点零五除以三，那么就说明是显著的。 好的，这个就是今天想跟大家介绍的整个卡方检验呃，多重比较的方法，觉得有帮助的小伙伴别忘了一键三连。谢谢大家，我们下期再见。

哈喽，大家好，今天给大家讲一下毕业论文常用的量表的问卷分析的一个全流程。我们以生育对女性职业发展影响及其对策研究为案例进行一个全面的讲解， 从最开始的问卷设计，到数据收集整理，再到最后的数据分析思路方法以及软件操作，进行一个全面的讲解。那么第一步呢，就是问卷的维度设计， 这里我们要从三个方面去入手。第一部分呢是要简要说明部分，也就是我们要去介绍此次调查的目的，让被调查者能够放心真实的作答。第二点呢是要从基本情况入手， 主要是了解被调查者的年龄、生育状况、文化程度、职业等基本情况。这个呢是我这次收集到的全部的问卷，我们可以看到从问题一到 问题酒都是我们的基本情况部分。 那么第三部分呢，是要也就是我们的问卷调查问卷的主体部分，我这里呢从自我认知、职业投入、职业发展困境、外部支持这四个维度入手，来调查生育对女性人员职业发展可能产生的影响。 那么我们来看一下这份问卷。嗯，这部分呢主要是采用理科 特良表法，我这里使用的是四等量表，也就是被调查者通过选择非常不同意、不同意同意以及完全同意这四个选项来表达自己的态度程度，并且根据轻 到重的影响程度富裕一到四分分值越高，表示生育对女性职业发展的影响程度越大。 那么数据的收集部分呢，这里是使用的问卷网的样本服务，可以短时间内高效的收集到我们的想要的问卷数量， 我们可以看到在这里一共是收集了二百零八份问卷。那么第三部分呢，就是我们 的问卷分析的思路部分，我们可以看到量表问卷分析呢，可以从这六方面入手，第一步呢是信度分析，第二步是笑度，然后用户画像，样本特征，行为相关关系以及差异性分析。 那么这里呢，是我们问卷分析当中可能会用用到的分析，也就是说在一份问卷当中呢，并不一定需要使用这里所有的分析方法，研究者呢可以根据自己的问卷酌情选择合适的分析方法。 那么下面呢，我将会从这六方面一一进行讲解，还有软件的一个操作。第一步呢就是信度分析，信度分析呢是用于检测问卷中量表样本 是否可靠可信，通俗的讲，研究样本是否真实回答了我们的问题，测试作受访者是否有好好的答题。具体来说就是用问卷对调研对象进行重复测量时，他们所得到的结果是否是一致性的。 那么这里主要是使用这个科隆巴赫系数来测量问卷的信度，那么这个系数值越高的话，他的问卷的信度越好。我们通常呢， 嗯，只要阿拉发只大于零点六都是可以的，如果小于零点六六的话，就要考虑重新设计问卷，或者重新发放个问卷。那么在我们的这份案例当中呢，他的信度分析主要分只要是从两 两个方面去考虑，第一步是总体的信度分析，第二部分是各个维度，也就是也就是这四个维度的信度分析， 那么我们先来看一下这个数据，数据预览没有问题之后呢，我们点击开始分析。信录分析呢，是在问卷分析当中。呃， 第一步呢，我们是要去看一下问卷总体的新读分析，问卷的主体部分呢，它是包括四个维度，一共有三十个题象，我们把这三十个题象全部拖入到变量框当中，点击开始分析， 我们可以看到输出结果一呢就是这个克隆巴克系数值，他的值为零点九三八，说明该问卷的 进度非常的好，然后输出结果二呢是删除分析项统计汇总， 我们可以看到删除向后的科龙八和系数值都是小于整体的这个零点九三八的，所以说我们的问卷其实是不需要调整的。那么同理 我们要去看一下这四个维度的信度分析，在这里指眼是自我认知维度的。 嗯，自我认知维度呢，是从问题十一到问题十八， 我们把它拖入到背亮框当中，点击开始分析，我们可以看到它的 克隆八和系数值为零点八二零，同时他删除向后的克隆八和系数值都是小于零点八二零的，所以说他的这个性度也是不错的，并且他的体相是不需要进行调整的， 那么其他维度以此类推，这里就不演示了。嗯，第二步呢，我们是要去进行这个笑度分析，笑度分析呢，在于研究问卷题目的设计是否是合理的，也就是测试 能够测到被测量对象的真实水平的一个程度。效度好呢，就是说我们问卷的内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基本上是一致的，维度划分 真的比较好，这里呢是效果分析的平换方法。那么首先呢，你做效果分析要先通过 呃 kmo 和球形检验， kmo 大于零点六，同时呃 p 小于零点零五，说明他是存在相关性的，那么就是符合因子分析的要求。 然后呢，再看，再去看这个累积方差减税率是大于百分之五十，同时提相在对应因子上的因子在和系数是否大于零点四，并且不存在提相与因子对应关系出现严重偏差的情况。最后是要看共同度大于零点四， 那么我们这份问卷呢，它的主体部分是包括自我认知、职业投入、职业发展困境、外部支持四个维度， 所以我们在进行效度分析的时候呢，这个因子为度要设置成四个因子，然后我们把三十个问题全部拖入到变量框当中， 点击开始分析。首先我们要看一下，嗯， kmo 和球形检验 kmo 大于零点 七，同时批是显有显著性的，所以他是可以做因子分析。第二步呢，是要看这个结式，总方差，也就是特征跟大于一 累计百分比大于百分之五十，我们这里嗯，可以提取，说提取四个月 因子，这个呢是我们的因子在和系数， 因为数据比较多，所以看着会不太直观，热力图呢，也看的不是很明显，所以我这里截了个图，大家看一下这个截图。 呃，我这里只举例了两个维度，像第一个是自我认知维度，理论上呢，在因子二上的因子在和系数应该是四个因子当中最大的，但是我们可以看到问题十四以及问题十六，嗯， 他的因子一的值大于因子三，所以我们可以考虑删除这两个问题，或者把它归类到属于因子一的这个职业投入维度这方面。那 那么职业投入为度呢？也是同理理，理论上他在因子一上的因子在核系数应该是四个因子当中最大的，而问题二十二呢，他在因子四的值大于因子一， 所以我们可以考虑把二十二知道问题给删除，或者把它归为其他的类别。 那么其他两个维度呢，也在表格当中，在这里就不一一讲解了， 我们再来看一下。第三步是我们的用户画像分析，这里呢主要是，嗯，统计一些，呃，类似于性别，年龄，学历、工作等的分布情况，我们一般是要去使用平数分析，我们来看一下操作， 平数分析呢，在描述性分析里的第一个，我们把问题一到问题九全部拖入到变量框当中， 点击开始分析，那么输出结果一呢，是对整个数据的一个汇总过程， 然后输出结果二到后面是每一个问题的一个图形展现，在这里我们可以选择不同种类的图形，以及要展示的数值还是百分比。 那么我们来看一下我们的背景，我们可以看到接受调查样本中，二十六到 三十岁的女性占比最大，达到了百分之五十五点二二八八，文化程度呢，整体偏高，像本科，本科以上的话，他的占比达到了七十多。专业呢以及职业类型这块呢，我们可以看到 是普通职员以及专业人员占比较多，工龄呢分布较为平均，集中是在十五年以下，婚姻情况已婚居多， 生育数量一个占比最多，达到了六十二点五。 那么孩子三岁之前主要的照顾者分布比较的平均 花销，这里呢我们可以看到一半接受调查样本每月孩子开销占双方夫妻收入的百分之三十以上，我们可以看出孩子的花费已经成为了大部分接受调查者样本家庭的主要的那么一个支出。 那么我们可以真通过这个表格对我们用胡画像进行一个汇总。 第四步呢是我们的样本特征行为分析，嗯，呃，我们也是要从四个维度去入手，那么针对自我认知维度统计分析呢？ 这里，呃包含了八个体相，八个体相呢又分为两部分，分别是工作满意度和职业发展 展动力。那么我这里呢也仅仅演示这个工作满意度，同样我们也是要去使用这个平数分析工作满意度呢，它主要是从十一题到十四题，我们把它拖入拖入到边缘框当中， 点击开始分析， 我们可以看到这个被调查的这的一个满意情况，嗯， 我们可以看到百分之五十二，五十七点二一的人对现在的工资收入和福利待遇不太满意，百分之六十九的人认为自己目前的职位或低于日 七。大部分的群体认为生育二，生育孩子之后对工作越来越不满意，百分之五十七认为生育后工作上没有获得成就感。那么我们根据 这个情况可以反映出大部分的接受调查，呃，样本对于工作的满意度是中等偏下的，然后他们的不满的主要集中集中在对当前的工资收入啊，还有这个福利待遇， 以及目前的职位或者职级和预期之间的差距这两方面。那么像只像这个 之后的职业发展，职业投入，职业发展困境，外部统计呢，都是以一次类推，这里就不掩饰了。那 那么做完了样本特征行为分析呢？第五步，我们是要来做这个相关关系分析，也就是我们在完成量表的提项之后，各维度的描述性分析之后呢，我们可以使用相关分析去研究关系情况，为我们后续的回归分析做一个准备。 在数据有着相关的前提之下呢，在研究回归影响关系才会具有意义。因回归分析需要放在相关性分析之后，并且通常情况下需要使用回归分析去验证假设。 例如我们这里呢，要分析四个维度中两两维度的这么一个相关关系。我们，呃，第一点呢，比较简单，就是我们可以直接将四个维度的提像取平均值之后再去进行分析，或者我们可以也可以使用这个 因子分析浓缩成一个因子，计算出这个因子的分。之后呢，我们再去做这个相关分析。在这里呢，我是直接取的这个平均值，我把这个数据导入进去可以看到，嗯，我们取了这个平均值嘛，然后点击开始分析， 点击相关性分析里的相关性分析，如果我们要使用这个普选的相关分析呢，它的数据要满足这个正态分布，如果不满足正态分布呢，我们可以使用这个 soper man 相关系数， 我们把这四个维度数据拖入到边两框当中，点击开始分析 这个输出结果一的相关信息数表，我们可以看到它都是 具有显著性的，所以可以得出，呃，两两边梁之间是存在相关性的。 那么最后呢，我们可以通过对比不同人群的看法，分析其是否存在差异，验证自己的结果是否具有普世性。 因为我们这里的数据是满足状态分布的，所以我们在这里是可以使用方叉分析，如果不满足的话，可以使用多样本独立这个 kw 检验， 这里呢也是指列列举出不同年龄对女性人员职业发展可能产生的影响的这么一个差异性分析。 在这里我们使用这 这个单因素方差参数检验当中的单因素方差，将年龄拖入到定类变量，将这四个维度拖入到定量变量当中， 点击开始分析 输出结果五呢，是这个方叉分析的结果表，我们可以看到在这里职业投诉维度以及职业发展困境维度，他是有这个显著性差异的，而且他两个维度呢是不具有显著性差异的，所以我们可以得出， 呃，不同年龄的群体在职业投入以及职业发展困境维度是存在差异性的。 然后输出结果六呢，它是有一个差异性程度，我们可以看到都是这个中等程度的差异。 那么按照以上流程的话，我们整个论文的数据收集到分析部分就已经全部结结束了，大家可以对分析到的数据进行一个汇总，那么感谢大家的一个聆听。