单因素方差分析方差分析前提:不同水平下,各总体均值服从方差相同的正态分布。方差齐性检验:采用方差同质性检验方法(Homogeneity of variance)在spss中打开你要处理的数据,在菜单栏上执行:analyse-compare means--one-way anova,打开单因素方差分析对话框 在这个对话框中,将因变量放到dependent list中,将自变量放到factor中,点击post hoc,选择snk和lsd,返回确认ok统计专业研究生工作室原创,请勿复杂粘贴
问题一:如何用数据分析方法对调查问卷进行分析 看图演示。 其中开始新建了一个叫“汇总”的表,作为模板,然后复制这个表,改名叫1,输入第一张问卷结果,再复制一张表,输入第二张问卷结果。。。直至输入完毕。 然后在汇总表输入求和公式。 B2公式如下: =SUM('汇总 (2):汇总 (4)'!B3) 其中汇总 (2)是第一张问卷结果表名,汇总 (4)是最后一张问卷表名,我这图为了简便就做了3个结果表,然后复制公式到所有单元格。 问题二:如何用Excel来进行调查问卷的整理、统计和分析? 2007版 数据――数据分析 97-2003版 好像是工具里忘了 你用帮助搜索一下, 问题三:如何处理问卷调查数据进行统计分析 你提到了统计分析表格,这个提法是错误的 没有这个说法 你可以先设计研究目的,做出研究假设,然后根据假设做分析,然后制作成表格 我经常帮别人做这类的数据统计分析 问题四:问卷调查,“数据分析”具体指什么 就是对进行问卷调查后,回收回来的问卷数据进行分析。 首先你要明确数据分析的目的,也可以说是这个问卷调查的问题。 然后根据目的 并结合问卷,来构思分析思路,通过怎么样的分析能够实现目的 之后就是用软件对数据进行分析 以实现目的 问题五:录入好的调查问卷,该如何进行数据分析? 在设计时就需要考虑到统计方便,才能便于汇总。用excel就可以。 问题六:如何用Excel分析调查问卷数据 看图演示。 其中开始新建了一个叫“汇总”的表,作为模板,然后复制这个表,改名叫1,输入第一张问卷结果,再复制一张表,输入第二张问卷结果。。。直至输入完毕。 然后在汇总表输入求和公式。 B2公式如下: =SU哗('汇总 (2):汇总 (4)'!B3) 其中汇总 (2)是第一张问卷结果表名,汇总 (4)是最后一张问卷表名,我这图为了简便就做了3个结果表,然后复制公式到所有单元格。 问题七:如何写调查问卷的数据分析 这个你要根据设计的问卷、然后结合你的分析思路,也就是你要通过问卷得出什么结论 这个就是数据分析 问题八:发布了百度问卷调查,怎么看数据 首先登陆我要调查网账号,然后进入会员中心点击会员中心的问卷列表,点击问卷右下角的统计分析按键,即可实时查看数据结果可以在页面上查看各个状态的数据,同时可以直接以Excel和Csv形式导出数据进行分析可以通过筛选功能,筛选出符合设置条件的数据 问题九:问卷调查如何分析和整理 从你的提问,是要了解如何分析和整理调查得来的数据。 通常使用表格“整理数据”,用“条形图”、折线图或“扇形图”等来“描述数据”。 用表格整理数据时,要注意列表,第一列是你要了解的情况“分类”,第二列就是“划记”,第三列是“人数”,第四列是“百分比”。 用划记法记录数据时,通常用“正”字,一笔代表一个数据。 分类的人数统计表做好后,就可以利用“条形图”或折线图或“扇形图”来“描述数据”,也可以用“频率分布直方图”来分析数据。 问题十:问卷调查所能用的统计方法 50分 1. 调查的样本量太小,计算出的结论可靠性不高。 例如看到一些研究生的论文,只发了几十份问卷调查表,就根据统计到的百分比写下十分肯定的结论。其实,是有问题的。 例如:调查“你对××活动喜欢的程度”,调查了45人。调查结果:非常喜欢2人,喜欢5人,一般10人,不太喜欢13人,不喜欢15人。作者统计出:喜欢和非常喜欢的共7人占调查人数45人的,不太喜欢和不喜欢的共28人,占。并根据和来进一步写结论。 但是,他忽略了调查的样本计算出率以后,还应该计算率的标准误和置信区间。如本例喜欢率为。还应该计算率的标准误Sp。 _________ _________________ 本例,喜欢率的标准误 Sp =√P(1-P)/n = √()/45 = % 按样本量n,查t值表上, n-1的和 的值,查得= , =, 根据喜欢率 %、标准误 % 和的值,可计算出: 95% 置信区间:±×=~。(置信区间上下限的差值高达)。 95% 置信区间的含义是,如果用样本的喜欢率来估计总体的喜欢率时,有95%的可能是在~的区间之间。这样高达的区间意味着是不太可信的。 但是,如果扩大样本量到450人,4500人,而统计出的喜欢率也是。由于调查的样本量扩大了,标准误 Sp会缩小,计算出的95% 置信区间也就缩小为~和~。这时用样本率估计总体率时,上下限的差值很接近,才是可信的。 2. 调查数据的统计分析过于简单。 目前看到的调查数据统计分析大都比较简单。只是计算各个问卷指标的百分比,如上面举例的喜欢率等等。 要避免统计分析过于简单,首先,在做调查表设计时,就事先要考虑好调查数据的统计分析方法。例如同样是调查“你对××活动喜欢的程度”,除了要扩大调查样本量外,在调查表中增加调查性别和年龄。这样就可以采用一种较为复杂的方法――交叉分析。交叉分析是分析“年龄”、 “性别”和“对××活动喜欢程度”三个变量之间的关系。假设不分类统计时,喜欢率是。交叉分析后就会发现由于性别的不同,年龄段的不同喜欢率是不同的。 例如:2005年国民体质监测问卷调查中,对“睡眠时间”的统计分析,如果只是简单地计算某市成年男子2473人的问卷,只能统计出:睡眠6小时以下的人为,睡眠6~9小时的,睡眠9小时以上的13%。但是,如果增加年龄因素,分年龄段进行统计就可以看到,各年龄段的百分比是不同的(统计表略)。利用分年龄段的百分比还可以画出折线图(图略)。从图上更可以清楚的显示出:随着年龄增加,睡眠时间逐渐减少的趋势。 上述统计分析方法比较简单。但是,仅靠简单的统计方法来处理问卷调查数据是十分可惜的,因为大量的数据信息还没有充分利用。所以,设计问卷时,就应该注意到,让收集到的调查数据能做多因素统计分析(如:回归分析,因子分析等)。下面是我帮助或指导有关单位做过的统计分析实例: 例1:2005年国民体质监测的调查问卷内容中,包括了各人的文化程度,职业,工作、生活和体育锻炼等方面的许多问题。为了分析这些调查内容和各人的体质有什么关系,找出哪些因素对体质的好......>>
论文问卷数据怎么分析如下:
一、问卷类型
问卷调查分为两大类:即量表问卷和非量表问卷。
量表问卷通常更多用于学术研究,其特点在于更多的态度认知题项,体现样本人群对于某事物的态度看法态度情况等,通过对各研究变量的关系研究,找出其中内涵逻辑关系。
非量表问卷更多体现对某现状的事实情况和基本态度调研,比如样本进行网购的原因,不进行网购原因,网购平台的使用现状情况等。此类问卷更多在于分析思路的逻辑和现状情况的了解分析,以及样本的基本态度情况。
二、分析方法
从分析方法上,量表类问卷最大的特点是:非常多的量表题,而且量表题对应着‘变量’或者‘维度’。便于研究‘变量’间的关系情况。以及可以使用信度、效度、因子分析等方法。
非量表题其最大的特点为大部分为单选题、多选题或者排序填空题等,但很少 有出现量表题(是量表题是指类似答项为“非常不同意”,“比较不同意”,“中立”,“比较同意”和 “非常同意”之类的问题)更多是使用基本频数分析和交叉分析等,同时使用图形和表格进行多样化展示。
三、分析结果
问卷数据一般使用SPSS进行分析即可,分析基础比较薄弱,可使用SPSSAU进行分析。SPSSAU分析结果生成的是“类三线表”的格式,系统会自动生成指标解读报告。
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
呵呵,改数据吧,一般很少有论文的数据是想要的结果
确实比较难,主要由3个原因:①模型即理论的问题,也就是说,模型本身是缺乏理论支撑的。这就是为什么量化论文要有严格的理论推导过程。②构念的操作化出现了问题,比如你要测量“品牌忠诚”(只是举一个简单的例子),真正测出来的是否就是品牌忠诚。测量的效度问题不能只看数据统计结果,测量的内容效度需要结合定性方法判断。引起测量效度低的原因可能包括:原始量表为英文量表时,翻译出现了问题,所以严谨的文献中要求用back-translation的方法;量表中遗漏了关键的要素,导致测量的充分性(measurementadequacy)不足。③数据收集过程中的问题。即便理论和测量都没有问题,数据收集过程仍然可能会导致“结果不理想”的情况。所以要对数据收集过程进行严格的控制。例如,针对谁调研,明确告知调研目的,匿名性保证,清晰的问卷填写说明,设置陷阱题,尽可能采用线下问卷调研,给予被调适当的激励,尽可能随机地发放问卷,等等。
论文问卷数据怎么分析如下:
一、问卷类型
问卷调查分为两大类:即量表问卷和非量表问卷。
量表问卷通常更多用于学术研究,其特点在于更多的态度认知题项,体现样本人群对于某事物的态度看法态度情况等,通过对各研究变量的关系研究,找出其中内涵逻辑关系。
非量表问卷更多体现对某现状的事实情况和基本态度调研,比如样本进行网购的原因,不进行网购原因,网购平台的使用现状情况等。此类问卷更多在于分析思路的逻辑和现状情况的了解分析,以及样本的基本态度情况。
二、分析方法
从分析方法上,量表类问卷最大的特点是:非常多的量表题,而且量表题对应着‘变量’或者‘维度’。便于研究‘变量’间的关系情况。以及可以使用信度、效度、因子分析等方法。
非量表题其最大的特点为大部分为单选题、多选题或者排序填空题等,但很少 有出现量表题(是量表题是指类似答项为“非常不同意”,“比较不同意”,“中立”,“比较同意”和 “非常同意”之类的问题)更多是使用基本频数分析和交叉分析等,同时使用图形和表格进行多样化展示。
三、分析结果
问卷数据一般使用SPSS进行分析即可,分析基础比较薄弱,可使用SPSSAU进行分析。SPSSAU分析结果生成的是“类三线表”的格式,系统会自动生成指标解读报告。
论文问卷数据怎么分析如下:
一、问卷类型
问卷调查分为两大类:即量表问卷和非量表问卷。
量表问卷通常更多用于学术研究,其特点在于更多的态度认知题项,体现样本人群对于某事物的态度看法态度情况等,通过对各研究变量的关系研究,找出其中内涵逻辑关系。
非量表问卷更多体现对某现状的事实情况和基本态度调研,比如样本进行网购的原因,不进行网购原因,网购平台的使用现状情况等。此类问卷更多在于分析思路的逻辑和现状情况的了解分析,以及样本的基本态度情况。
二、分析方法
从分析方法上,量表类问卷最大的特点是:非常多的量表题,而且量表题对应着‘变量’或者‘维度’。便于研究‘变量’间的关系情况。以及可以使用信度、效度、因子分析等方法。
非量表题其最大的特点为大部分为单选题、多选题或者排序填空题等,但很少 有出现量表题(是量表题是指类似答项为“非常不同意”,“比较不同意”,“中立”,“比较同意”和 “非常同意”之类的问题)更多是使用基本频数分析和交叉分析等,同时使用图形和表格进行多样化展示。
三、分析结果
问卷数据一般使用SPSS进行分析即可,分析基础比较薄弱,可使用SPSSAU进行分析。SPSSAU分析结果生成的是“类三线表”的格式,系统会自动生成指标解读报告。
如果你是做问卷调查类(发放问卷,收集数据<通常学营销的人会这样做>)的,那么就根据你的题项设置变量,并录入数据(通常是用SPSS分析,也有用其他工具比如说Eviews的)。然后做数据的信度和效度检验(此处KMO值是比较重要的),再做基本的描述性统计分析,然后是主成份提取(即因子分析),从多个变量中提取几大因子,结果主要看旋转成分矩阵,然后用几个因子跟因变量做回归,得出影响关系的回归方程。举个例子说,你的问卷中有30个题项(前提是你已经做过小规模问卷测试以验证题项设置的合理性),则对应30个变量X1,X2,......,X29,X30,录入这30个变量的数据,如果你收集了500份问卷,其中420份是有效问卷的话,则你有420条针对30个变量的有效数据。然后做信度效度检验,描述性统计分析,因子分析,假设通过因子分析提取出4个主成份(因子),分别为F1,F2,F3,F4,这个时候对因子命名并将其生成新的变量,然后再将F1,F2,F3,F4和Y做回归分析,得到回归方程,通过R方和系数检验表来判断方程和系数的有效性。这个时候你就能得到影响消费者态度的是哪些因素了。PS:你这里的因变量消费者态度需要量化,在设计问卷的时候要考虑如何量化才有利于后续的分析。
数据可以找找,非得要弄问卷调查吗
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
毕业论文数据分析的做法如下:
首先,针对实证性论文而言,在开始撰写论文之前,必须要提前确定好数据研究方法。而数据研究方法的确定与选择需要根据大家毕业论文的研究课题来确定。
另外,大家也可以跟自己的的论文指导老师多多交流,尽可能多的了解更多关于研究方法的知识,以供自己选择。除此之外,大家还需要大量查找文献资料,见多识广有大量输入之后才能有所输出,本环节需要大家跟导师沟通商议后决定。
接下来一个比较重要的步骤是搜集和整理实验数据。在这一部分,很多同学朋友都会遇到各种各样的问题,比如,不知道去哪里找数据,找到的数据可靠性无法保障,需要的数据总是无法搜集全面等等各种问题。
那么在这里需要跟大家强调一下,推荐大家使用国家统计局、中国统计年鉴、国泰安、万方等等这些比较权威的网站去搜集数据资料。
在此需要注意的是,国泰安和万方等这些网站是需要收费的,上去看了一下,价格不是很亲民。
给大家分享一下,如果有些数据在国家官方网站确实找不到或者毕业论文所需的最新数据还没及时发布,推荐大家可以上某宝,因为某宝上电子版数据往往都很全面,而且价格大都可以接受。
在此提醒大家搜集到数据之后,一定要按照自己的习惯整理保存好,避免后期使用数据时出现差错。
去网题在线调查系统看看吧!你要的功能都是可以实现的!!!在线设计,在线分析,在线自动生成图标报告!
1.设计问卷问题条款不要太多,多则调查效果不好。与你调研目的关联不大的项目都可不考虑,如性别、职业、旅游偏好等。每条问题的选项要符合完整性,几项选择要不重复、不遗漏、同等级。根据你的需求,至少需要有年龄段划分、旅游消费、停留天数等项目,应当考虑从旅游六要素细分游客花费结构。2.实施调查设计抽样调查实施方式、实施场所、样本空间等问题,力求保证调查的时空分布随机性、样本空间代表性。3.数据录入建议用excel,简单实用,功能足够,不建议用spss,华而不实,操作繁琐,不够灵活。4.数据处理初等数学就差不多够用了,求和、求均值、求差求比,简单的侧重于市场份额和市场增长率两方面就能得出很多有用的结论,若精力、技术足够,建议用一些稍微高级一点点地数据模型算法等等,然后制成图表。5.调研分析根据数据结果,结合相关的宏观旅游数据,提出自己的观点,引用自己的数据论证。说的有点简单,实际上是一门学问,作好了很难,做简单了很容易,如果会用数理统计,数据前期预处理做点数据标准化、信度效度校验,初步建模后作个误差校验,即便不做误差反馈,估计应付个硕博论文什么的是没什么问题的。
看你问卷上面有哪些类型题目选择统计方法