发布时间：
我国有一种特殊的读研究生的类型，即在职学习，按照规定达到要求后，发给硕士学位证书，不承认研究生学历。近几年来看了一些他们写的毕业论文，总的感觉是质量太差。思考一下，可能是由以下几个原因造成的。第一，辅导教师责任心不强或没有时间顾及。有些论文当中明显存在逻辑错误或文不对题，辅导老师为什么没有指出来，显然是没认真看。第二，认为他们是在制度严，要求可以低一点。第三，对论文的要求值得商榷。大多数学校对论文都有字数的硬指标，不达到不行。学生为了凑字数，千篇一律的都要写国内外研究现状以及论文涉及到的基本概念、基础知识以及研究方法等。这一部分有的占到二分之一的篇幅，有的甚至占到三分之一。而大部分内容和正文脱节。第四，不少论文的内容都是从网上下载的，顶多进一下排列组合。很少见到，有自己的创见。 上述状况必须改变。第一，在思想上不能降低对在职硕士学位的要求。第二，对指导教师要有一个问责制，经过指导教师同意提交上来的论文，如果出现明显错误，就要追究其责任。第三，对论文要提出科学合理的要求。第四，不能由学生自己或指导教师寻找审阅老师，要由教研室安排
你看看信度分析中一项得出结果是将每个题项删除后，整个问卷信度的变化，看看是否有哪些题目的存在导致了整个问卷信度低另外，如果你的问卷是由几大部分不同相关性不高的内容组成的，应该是分开测量不同部分的信度，而不是测量整个60个题目的信度
应该达到以上。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。信度和效度相当于是对于问卷质量的一个前置条件，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。如果信度和效度不高，可能就需要重新设计问卷，发放问卷。信度是指测验结果的一致性、稳定性及可靠性。指的是采取同样的方法对同一对象重复进行测量时，其所得结果相一致的程度。
额。。。通过修改数据提高信度。。。你的自变量是不是放错了？应该是各个题目吧~这里怎么是不同的班呢？
不可以。论文本身是对某领域的研究和成果的描述。具有一定的实际意义。在论文审核时候有一项标准即为论文的可行性。过低则没有实际的参考意义，需要修改。信度即可靠性，它是指采用同样的方法对同一对象重复测量时所得结果的一致性程度。信度分析就是论文的可实现性。
01提高信度的方法方法1：适当增加同质的题目来增加量表的长度方法2：问卷题目设置的难度适中方法3：测验的时间够充分02提高效度的方法方法1：确定好量表的假设结构维度，编好每个问题题目方法2：保证回收量表的质量和数量，题目数量与被试样本数量之比最好是1:5方法3：适当增加同质的题目来增加量表的长度03使用成熟问卷建议使用现成成熟问卷，或者稍加改动后使用。因为，也有少数人觉得修改一些没有问题，然后导致问卷逻辑有问题，最终造成信效度较低甚至不达标，辛苦收集的数据白白浪费掉。04小范围测试问卷发放正式问卷之前，最好有一次试测，即便小范围收集几十个样本，然后跑一下数据，看看信效度和其他分析的大致情况。05剔除无效样本只要真实收集问卷，无效样本量会很小，但严格来讲，并为了保障结果更好的满足预期，需要剔除无效样本。
信度分析，即研究样本数据是否真实可靠，通俗来讲即研究样本是否真实回答各个题项。如果样本没有真实回答，信度肯定不达标，而有时即使样本真实回答，信度也不一定达标。信度分析可以分为四类，分别是：α信度系数、折半信度、复本信度和重测信度。
(1) α信度系数，即内部一致性系数。此类信度分析最为常见，基本上所有问卷信度分析均会使用此类分析。通过软件计算出α信度系数值，并且用其进行信度水平判断。进行此分析前，首先需要对反向题进行反向操作，并且α信度系数的测量通常以最小的维度为准，而非大维度。
一般来讲：α系数最好在以上，之间属于可以接受范围，而分量表的α信度系数希望在以上， 之间可以接受。如果α信度系数低于则考虑修改量表。从α信度系数计算公式来看，维度对应的题项越多，以及样本量越多时，此值会越大。从笔者经验来看，如果某个维度仅由三个或者两个题项组成，并且样本量在200以下时，那么α信度系数通常会较小(低于)。1个题项表达的维度无法进行α信度系数计算。
α信度系数是问卷信度分析中最为常见的分析方法，绝大多数时候使用α信度系数进行信度测量即可，笔者建议使用α信度系数进行问卷信度测量，问卷前测也类似，但问卷前测时会结合CITC和删除某项后的信度系数值进行判断是否修正或者删除题项，通常来讲，CITC值低于，或者删除某项后的信度系数值反而上升左右时应该考虑对题项进行修正或者删除处理。
可以。论文信度达到以上，说明信度好，题目之间内部一致性非常好，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。
不可以。论文本身是对某领域的研究和成果的描述。具有一定的实际意义。在论文审核时候有一项标准即为论文的可行性。过低则没有实际的参考意义，需要修改。信度即可靠性，它是指采用同样的方法对同一对象重复测量时所得结果的一致性程度。信度分析就是论文的可实现性。
加油，祝顺利、
自编问卷的信效度都必须要做检验的，如果效度不高的话，只能说明你的问卷结构设置的不好，你可以看看那些问题导致的效度不高，把这些题目合并到其它相关维度或删除。
今天的我总结几个毕业论文问卷分析的几点建议，希望能帮到各位看官 PS：此处的问卷分析，仅代表具有量表的问卷分析。 因为成熟量表往往经历了现实的考验，其信度和效度达标的概率比较大。 而自己设计的量表，很容易出现信度和效度检验结果惨不忍睹的情况。 这样我们在处理信度分析，探索性因子分析，甚至验证性因子分析的时候，都能游刃有余。 另外如果题目是2个，因子分析KMO值是一定等于的，而一般我们最低也得吧 为了信度和效度能出一个比较好的结果，在文字描述部分，同维度的各个题目，尽量能给一些心理暗示，或者描述上尽量相近，这样能使得维度内的题目的相关性较好，从而信度和效度也不至于太差 一般达到就可以了，以上更好。最好是把每个维度的信度都求一下，然后总体再求一个。这个一般没什么难度，也很容易通过。如果你的数据信度不行，那就进行下项目分析，将高低分样本中不具有区分度的样本删掉。 只求量表的KMO值和巴特利球形检验值。这可能是效度检验的最低要求了。除非导师认同，最好不要仅用这两个值 大部分的同学都会用到的，也是比较不容易通过的一个分析。 遇到最多的问题莫过于，假设题目的维度归属，跟实际出的结果不一致。 碰到这种情况，一般进行如下处理： ①只有少数题目不匹配 要么直接删掉，要么暂时保留 ②绝大多数题目不匹配 从新设计量表，重新收集数据，重新来过吧 若非特殊情况，不建议使用。因为实际收集的问卷数据要想探索性因子分析+验证性因子分析，各个指标均达到理想值，那几乎是不可能的。 如果你看到某某人的论文中用了这样的检验方法，指标非常漂亮，我可以负责任的告诉你，其大概率是改过数据了。 特殊情况1：模型验证阶段，使用AMOS结构方程，导师要求效度检验阶段使用验证性因子分析。 特殊情况2：模型验证阶段，未使用AMOS结构方程，导师也要求效度检验使用验证性因子分析。（导师傻x） 这里特别提一点，显著性的p值代表的是两者是否相关，皮尔逊或者斯皮尔曼系数代表的是相关性程度。 显著性检验通过了，皮尔逊或者斯皮尔曼系数大小才有意义，绝对值越大相关性越大，正负代表正相关与负相关。 显著性通过了，但是系数偏小，那相关性也是显著的，只是两者是存在显著的弱相关性，而不是系数小就代表不相关。 可能是最简单的模型了，将自变量和因变量放进，直接跑就行了。 ①要不要放控制变量 这个随意。 如果放控制变量，尽量放一些层级类的变量，不要放多分类变量。 层级变量比如学历（初中，高中，大学，硕士） 多分类变量比如职业 层级变量的赋值尽量与其题项对应。 如果放了多分类的变量，尽量删掉，如果想保留最好做成虚拟变量 ②用标准系数还是标准化系数 标准化系数。 ③要不要做VIF共线性检验 若非导师要求，那就不做。 ④r方多大算好 这个指标没有非常严格的标准，而且跟导师的价值观有非常深刻的影响。 对于现实收集的数据而言，个人认为，一般大于就好了。 不过我遇到过大于，导师也认为可以接受的情况。 这是一个仁者见仁的问题 从科学的角度来看，应该与你研究的场景有密切的关系。 但是，中介效应模型要比调节效应模型容易出通过，而且解释起来也不那么绕口。 所以，如果不是想给自己挖坑，那就用中介效应模型吧。 快捷验证中介效应模型的方式（快速确定是否存在中介，非正式使用） 条件1，中介变量，自变量和因变量，相关性都显著 条件2，自变量和中介变量关于因变量的回归模型，中介变量的系数显著 如果满足上述两个条件，中介效应一定显著，如果条件2中的自变量也显著，那么就是部分中介效应，如果不显著就是完全中介效应。 另外极少数情况是用sobel来检验中介效应的 如果不是导师要求amos验证中介效应，尽量用spss回归的方式检验中介效应。 快捷验证条件效应模型的方式（快速确定是否有调节效应，非正式使用） 先将调节因子计算处理（标准化后的自变量和中介变量相乘即可） 自变量，调节变量和调节因子关于因变量的回归模型，调节因子的系数显著。 公众号:alone5400
是啊，q我，我帮你
拟合优度检验是用卡方统计量进行统计显著性检验的重要内容之一。它是依据总体分布状况，计算出分类变量中各类别的期望频数，与分布的观察频数进行对比，判断期望频数与观察频数是否有显著差异，从而达到从分类变量进行分析的目的。温馨提示：以上信息仅供参考。应答时间：2021-07-16，最新业务变化请以平安银行官网公布为准。 [平安银行我知道]想要知道更多？快来看“平安银行我知道”吧~
具体的案例和提纲拟好给你看
变量选取不合理。变量选取不合理是导致拟合优度很小的重要原因，与时间序列相比截面数据做回归是拟合优度要小些，可以对数据进行再处理，对不好的数据进行剔除，提高拟合优度。
1）回归分为解释型回归和预测型回归。 预测型回归一般才会更看重__2。 解释型回归更多的关注模型整体显著性以及自变量的统计显著性和经济意义显著 性即可。（2）可以对模型进行调整，例如对数据取对数或者平方后再进行回归。（3）数据中可能有存在异常值或者数据的分布极度不均匀。