发布时间：
1、打开电脑，在桌面上鼠标右键新建Excel工作表，向工作薄中插入几列数据。
2、双击打开SPSS分析工具，点击文件--->导入数据--->Excel。
3、选择已创建好的数据.xlsx，然后点击打开。
4、读取Excel文件，勾选对应的设置选项，然后点击确定按钮。
5、将Excel文件数据导入到SPSS工具中，生成对应的数据视图，如下图所示就完成了。
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，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。信度分析在spss的分析中，最主要的Cronbach’s alpha系数。操作步骤为：点击分析-标度-可靠性分析-选择项-确定，只需要把问卷中的题目放到信度分析的选项框中就可以：  得到的结果如图： Cronbach’s alpha系数值得范围以及信度的效果：～非常好～相当好；～最小可接受值；～最好不要； 所以通过上表可以看出该问卷信度相当好。（不同的参考文献对于这个系数的要求也不同，一般来说，Cronbach’s alpha系数大于都是可以接受的）效度分析效
度分析在用spss进行分析的时候使用的方法是因子分析。效度分析对于很多的同学来说是最不好处理的。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。比方说：职业目标维度的5个题目分别为：1、对于将来做什么工作，我已经做了决定2、尽管现在我还是个学生，但是我能想象出将来自己工作状况3、我已经选定了我的职业，所以，现在我不用担心职业的问题4、对于职业，我已经做了明确的决定5、尽管以后我可能会改变想法，但现在，我已经选定了一个吸引我的职业。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。需要注意的一点是，如果在问卷题目中有反向的题目，需要先将反向的题目转换为正向的题目。同一个维度的数据通过效度分析后再进行问卷数据的矩阵运算和旋转后也会自动落到一个维度上。效度分析最好的结果是，整体的问卷会按照不同的维度划分成对应的主成分，如果不是这样的就需要考虑重新做问卷或者和导师沟通下如何分析。效度分析操作步骤：分析-降维-因子-把量表的变量移动到右侧变量框中-描述-选择KMO/提取-选择碎石图/旋转-选择最大方差法/选项-排除小系数。分别选择好后都需要点继续。      生成结果以及解释： 通过SPSS25进行分析，需要分析显著性和KMO值，显著性小于，说明该问卷数据适用于做因子分析，然后看KMO值，如果此值高于，则说明效度高；如果此值介于之间，则说明效度较好；如果此值介于，则说明效度可接受，如果此值小于，说明效度不佳。 第二个图片，公因子提取的比例数据。提取的公因子均大于，说明提取的公因子可以比较好的解释问卷的数据。这个在论文中没有明确的标准，一般写大于就可以。 这是第三个表格，这个表格代表的是提取的公因子解释问卷数据的比例。公因子提取的数量默认是提取特征值大于1的，上表可以看出，只有前3个是大于1的，所以提取前3个公因子。公因子解释整体问卷数据的比例为，这个数值是看最右下键的数值。一般高于60%都是可以接受的。问卷信度效度比较好的时候这个数值可以到80%左右。 上图为输出的碎石图。对于碎石图普遍的解释是找出图中的陡坡和缓坡的临界点，就认为陡坡的是需要提取的公因子，可以看出第3和4为临界点。从碎石图可以看出每个因子代表的特征值，从碎石图可以更清晰的看出，前三个因子的特征值大于1，第四个因子所包含的信息量就小于1，也就是说第四个因子所代表的信息量已经不足以代表1道题目，所以就没有要提取多余的因子。 这是第四个表格，旋转后的成分矩阵表（注意，一般都是要用最大方差法对成分矩阵进行旋转的，不然因子之间容易混杂在一起，不容易区分出来）。这个表格代表的是每个因子在每个题目上所包含的信息量。一个比较好的问卷数据最终的展现的结果是每个因子将会代表一个维度，这个维度和手动做的维度划分是一致的。通过上表可以看出问卷数据被分成了三个主要的因子，分别为第VAR00001 - VAR00004, VAR00005- VAR00008, VAR00009- VAR00012三个主要的因子，也就是说上述三个段的题目分别代表不同的因子。因子分析的结果和问卷的维度划分是一致的是最好的情况，说明问卷效度很好，如果旋转后的成分矩阵和维度划分是不一致的，可以考虑重新做问卷或者使用成熟的问卷重新发放（这就又回到了问卷设计阶段）、或者和老师沟通下处理的方法，有的不严格的老师效度分析只要KMO的数值就可以，这样就可以避免展现这个表格。
效度有很多中，有效标效度、结构效度、内容效度等所谓内容效度 就是指你的问卷内容 是否反映了你所调研的内容，这个通常是通过专家评审来体现的，不用量化分析效标效度 是指问卷题目与某个已经明确有效的标的目标之间是否有显著的相关性，这个首先需要确定效标，然后采用相关分析 来分析 问卷题目与效标题目之间的相关性大小就可以体现最后是结构效度，分两种方法，一种是探索性结构效度，即事先没有结构维度的分类，然后用spss通过探索性因子分析来 探索问卷的结构维度； 另一种是验证性结构效度，即事先已经有假设或者分好的维度结构，然后通过amos软件 来做验证性因子分析 来验证事先分好的维度结构是否有效等。所以要看你想要做的效度分析，一般spss 通常都是做探索性因子分析 来做探索性结构效度
1、在spss的主界面中，需要选择分析并点击降维里面的因子分析。
2、下一步弹出新的对话框，直接设置相关的变量并打开选项。
3、这个时候如果没问题，就继续按照图示进行确定。
4、这样一来等看到对应的结果以后，即可做信度和效度分析了。
我的两台电脑，windows和mac都安装了，以前觉得spss有点过于纸上谈兵。读了硕士之后，发现我的研究几乎都与spss有关，spss真的是一个傻瓜而有良心的软件。 1随机误差 包括随机测量误差和抽样误差。随机测量误差：没有固定的倾向，可使多次观测结果有大有小。抽样误差：由于抽样造成的样本指标与总体指标之间的差别。 问卷测验中测量误差通常来源于两个方面：一是产生于问卷测验过程中的误差，称为测量误差，也称为随机误差；二是由问卷的结构质量造成的误差，称为系统误差。 2 信度信度主要是指问卷是否精准(precision)。信度分析涉及了问卷测验结果的一致性和稳定性，其目的是如何控制和减少随机误差。信度是用估计测量误差大小的尺度，来说明问卷测验结果中测量误差所占的比率。 信度研究的是问卷测验结果的可靠性与稳定性，可以从不同的角度来评价：（1）在相同条件下所得问卷测验结果的一致程度；（2）不同研究者用同一种问卷同时测验所得结果的一致程度；（3）同一研究者用同一种问卷在不同时间内测验所得结果的一致程度。 克隆巴赫信度系数 Cronbach’s α系数是Cronbach于1951年创立的，用于评价问卷的内部一致性。α系数取值在0到1之间，α系数越高，信度越高，问卷的内部一致性越好。Cronbach’s α系数不仅适用于两级记分的问卷，还适用于多级计分的问卷。低信度：α<, 中信度： <α<,高信度： <α。一般地，问卷的α系数在以上该问卷才具有使用价值。Cronbach‘s α值皆达以上，表明问卷信度良好 3 效度（validity） 通常是指问卷的有效性和正确性，亦即问卷能够测量出其所欲测量特性的程度。操作过程如下： 从菜单选择Analyze → Scale → Reliability Analysis…→ Item（输入问卷的各条目或各因子包含的条目）→ 单击“Statistics”按钮，弹出信度分析统计量对话框 → Descriptives for: → √ Scale if item deleted →OK Scale if item deleted:去掉当前题目整个问卷的描述统计量，即敏感性分析，包括以下内容：（1）Scale Mean if Item Deleted:去掉当前题目问卷合计分的均数；（2）Scale Variance if Item Deleted: 去掉当前题目问卷合计分的方差；（3）Corrected Item-Total Correlation: 当前题目得分与去掉当前题目问卷合计分的Pearson相关系数；（4）Squared Multiple Correlation:以当前题目为因变量，其它所有题目为自变量求得的决定系数R2；Alpha if Item Deleted: 去掉当前题目后问卷的Cronbach α系数。 效度（validity）通常是指数据的有效性和正确性，即数据能够测量出其欲测量特性的程度。效度值越高，所测定的结果与实际考察的内容之间越吻合反之，则越无效。目前研究中的效度分为内容效度和构建效度。内容效度又称为逻辑效度，指数据的贴切性和代表性，即数据能否较好的代表所欲测量的内容和引起预期反应的程度。而构建效度指的是一个测验实际测到和所要测量的数值之间的对应程度。效度分析最理想的方法是利用因子分析数据的构建效度。 为了确定数据是否适合做因子分析，首先对数据做了KMO（Kaiser-Meyerollum）测度和巴特莱特球体检验。 KMO统计量：是通过比较各变量间简单相关系数和偏相关系数的大小判断变量间的相关性，相关性强时，偏相关系数远小于简单相关系数，KMO值接近1。一般情况下，KMO>非常适合因子分析；＜KMO＜适合；以上尚可，时效果很差，以下不适宜作因子分析。 Bartlett’s球型检验（BarlettTest of Sphericity）：用于检验相关阵是否是单位阵，即各变量是否独立。它是以变量的相关系数矩阵为出发点，零假设：相关系数矩阵是一个单位阵。如果巴特利球形检验的统计计量数值较大，且对应的相伴概率值小于用户给定的显著性水平，则应该拒绝零假设；反之，则不能拒绝零假设，认为相关系数矩阵可能是一个单位阵，不适合做因子分析。若假设不能被否定，则说明这些变量间可能各自独立提供一些信息，缺少公因子。 在SPSS中执行分析－降维，因子分析analyze—data reduction--factory analysis。 4 信度和效度的差异 （1）研究的对象不同 信度：答卷者 效度：组卷人 （2）研究的角度不同 信度：测量的质量 效度：问卷的质量
如何分析信效度？
信效度：信度是效度的必要条件,信度低，效度一般都不高，但是信度高，效度也不一定高。二者的研究内容也有所不同，信度是研究回答是否可靠，效度是研究题项设计是否合理。
信度：研究数据是否可靠，也就是研究样本是否真实回答了问题。
效度：研究题是否能有效的表达研究信息或维度的概念信息，也就是研究问卷中的题项设计是否合理。
信度如何分析？以SPSSAU为例：
信度分析的位置在【问卷研究】→【信度】
信度一般针对量表题进行分析，数据格式常见是一个量表题为一列，举例如下：
信度系数：
背景：当前有一份数据,共涉及A1~A4,B1~B4,C1~C3,D1~D3共14个量表题，此14个题目共分为4个维度，分别称作A，B，C和D维度。现希望对此份数据信度度情况进行分析，以验证数据质量可靠。由于是分4个维度所以需要分析4次。先对A维度涉及A1~A4,进行分析，结果如下：
如果CITC值低于，可考虑将该项进行删除；如果“项已删除的α系数”值明显高于α系数，此时可考虑对将该项进行删除后重新分析。针对CITC值和项已删除的α系数一般用于预测试中。接着分析α系数，如果此值高于，则说明信度高；如果此值介于之间，则说明信度较好;如果此值介于，则说明信度可接受；如果此值小于，说明信度不佳；从上表可以看出α系数为大于，所以信度高，
效度：
结构效度：SPSSAU→问卷研究【效度】；区分效度和收敛效度：SPSSAU→验证性因子分析；
信度分析常用方法有Cronbach α系数法、折半信度法、重测信度法、复本信度法。
效度分析通常可以探索性因子分析、验证性因子分析。
都可以用spssau进行分析，具体可结合帮助手册快速了解操作步骤。
1、在spss的主界面中，需要选择分析并点击降维里面的因子分析。
2、下一步弹出新的对话框，直接设置相关的变量并打开选项。
3、这个时候如果没问题，就继续按照图示进行确定。
4、这样一来等看到对应的结果以后，即可做信度和效度分析了。
spss数据分析论文写法如下：
1、适用于自变量为定类数据且仅为两组时。
2、适用于因变量为定量数据。
3、各个观察值相互独立，不能相互影响，即满足独立性。这个一般根据专业背景考察，如遗传性疾病、传染性疾病的数据就可能存在非独立性问题，也就是不同数据会相互影响，而不同学生身高可认为相互独立，彼此不相互影响。
4、各个样本均来自正态分布的总体，即满足正态性。独立样本t建议对于数据资料的正态性存在一定的耐受能力，一般认为样本量大于30即可满足正态分布。
5、各个样本所在总体方差相等，即满足方差齐性。很多同学对于这个概念不太了解，这没有关系，在SPSS进行独立样本t检验时，自动会进行使用Levene’s检验来方差齐性，我们只需要根据相应结果解读数据即可。
撰写摘要注意事项：
1、不得简单重复题名中已有的信息，忌讳把引言中出现的内容写入摘要，不要照搬论文正文中的小标题（目录）或论文结论部分的文字，也不要诠释论文内容。
2、尽量采用文字叙述，不要将文中的数据罗列在摘要中；文字要简洁，应排除本学科领域已成为常识的内容，应删除无意义的或不必要的字眼；内容不宜展开论证说明，不要列举例证，不介绍研究过程。
3、摘要的内容必须完整，不能把论文中所阐述的主要内容（或观点）遗漏，应写成一篇可以独立使用的短文。
4、摘要一般不分段，切忌以条列式书写法。陈述要客观，对研究过程、方法和成果等不宜作主观评价，也不宜与别人的研究作对比说明。
不一定。虽然使用最新版SPSS可能会提供更多的功能和更好的性能，但是使用旧版SPSS也可以进行数据分析。重要的是确保所使用的SPSS版本能够满足研究的需求，包括数据清洗、描述性统计、假设检验和回归分析等。此外，还需要根据研究的具体需求选择合适的统计方法和技术，以确保分析结果的准确性和可靠性。
通过分析数据误差来进行。论文误差分析spss要通过分析数据误差来进行，分析的分类一个类别自变量到单因素方差分析。可以用在线版spss分析平台spssau进行分析，操作非常简单，有个10分钟就能学会。不会的理论知识有帮助手册可以随时查阅，包括如果选择方法、数据分析思路、每个方法的案例常见问题等。以及结果同时输出智能文字建议，可配合专业知识对数据结果进行解读。
如何在论文钟罗列spss数据？答：其实在统计分析软件中，SPSS真的蛮容易上手的，可以找本SPSS分析的教材，先把数据导入之后，根据你的需要相应做描述性统计分析、信度分析、效度分析、相关分析、回归分析等，书上都会有相应的操作步骤，以及分析结果的解释，可以边学边做。
SPSS软件是“统计产品与服务解决方案”软件，是数据统计分析的一个重要的工具。下文是我为大家整理的关于spss统计分析论文的 范文 ，欢迎大家阅读参考!
统计分析软件SPSS的特点和应用分析
【摘要】通过文献资料法，介绍了统计分析软件SPSS的特点，并通过实例：用非参数检验中的两个独立样本的检验(Test for Two Independent Sample)进行分析，对该软件的应用做了详细的介绍，旨在为学习SPSS软件的人们提供参考。
【关键词】统计分析软件;SPSS;独立样本;非参数检验
一、前言
统计分析软件SPSS是一款统计产品与服务解决方案的软件，其全称为“统计产品与服务解决方案(Statistical Product and Service Solutions)”。该软件是一款在统计中应用很广的统计分析软件，目前在各专业 毕业 论文经常可以看到它的身影，其应用范围广、方便快捷等特点吸引着众多的 爱好 者。本文通过对统计分析软件SPSS的功特点进行介绍，通过举例用非参数检验中的两个独立样本的检验(Test for Two Independent Sample)进行分析，对该软件的操作用做了详细的介绍，为学习SPSS软件的人们提供参考。
二、SPSS软件的特点
(一)操作简便
SPSS软件的界面非常友好，除了数据录入及部分命令程序等少数输入工作需要键盘键入外，大多数操作可通过鼠标拖曳、点击“菜单”、“按钮”和“对话框”来完成。
(二)编程方便
具有第四代语言的特点，告诉系统要做什么，无需告诉怎样做。只要了解统计分析的原理，无需通晓统计 方法 的各种算法，即可得到需要的统计分析结果。对于常见的统计方法，SPSS的命令语句、子命令及选择项的选择绝大部分由“对话框”的操作完成。因此，用户无需花大量时间记忆大量的命令、过程、选择项。
(三)功能强大
具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。自带11种类型136个函数。SPSS提供了从简单的统计描述到复杂的多因素统计分析方法，比如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。
(四)全面的数据接口
能够读取及输出多种格式的文件。比如由dBASE、FoxBASE、FoxPRO产生的*.dbf文件，文本编辑器软件生成的ASCⅡ数据文件， Excel 的*.xls文件等均可转换成可供分析的SPSS数据文件。能够把SPSS的图形转换为7种图形文件。结果可保存为*.txt，word，PPT及html格式的文件。
(五)灵活的功能模块组合
SPSS for Windows软件分为若干功能模块。用户可以根据自己的分析需要和计算机的实际配置情况灵活选择。
(六)针对性强
SPSS针对初学者、熟练者及精通者都比较适用。并且现在很多群体只需要掌握简单的操作分析，大多青睐于SPSS，像薛薇的《基于SPSS的数据分析》一书也较适用于初学者。而那些熟练或精通者也较喜欢SPSS，因为他们可以通过编程来实现更强大的功能。
三、实例分析――两个独立样本的检验(Test for Two Independent Sample)
例题：为了调查甲、乙两地土壤对 种植 同一种西瓜有没有影响，从这两个产地分别随机抽取同种的8只和7只西瓜，称重后得重量(市斤)如下：
甲(斤)：、、、、、、、
乙(斤)：、、、、、、
问：根据样本数据检验两地的土壤对种植西瓜在重量上是否有显著差异?
解：建立假设 H0：甲乙两地的西瓜重量没有显著差异;
H1：甲乙两地的西瓜重量有没有显著差异。
然后根据上面给出的数据建立数据文件，注意数据文件中有一个表示重量数据的变量和一个表示地区分组的变量。最后在数据编辑窗口进行检验。检验的具 体操 作过程如下：
第一步：单击Analyze Nonparametric Test 2 Independent Sample，打开Two-Independent-Sample对话框(见图1)。
第二步：选择检验的变量进入检验框中，选择分组变量进入Grouping Variable框中，单击Define Group键，打开Define Group对话框，将分组变量值分别键入两个框中，单击Continue返回主对话框(见图2)：
第三步：在Test Type栏中，确定检验方法。
SPSS中提供了四种检验方式，几种检验方法侧重点不同，但都是先把两样本数据混合排序，再从不同的角度分析并检验两个独立总体的分布是否有显著的差异。有时这几种检验结果可能不一样，所以要结合数据的探索分析考察数据的分布状况作出结论。本文选择了常用的Mann-Whitney U曼―惠特尼检验和Kolmogorov-Smirnov Z K-S检验。
第四步：选择输出的结果形式及缺失值处理方式;
第五步：单击OK，得输出结果。
所以，以上两种检验结论是一致的。也就是说在两地种植的同一种西瓜地重量没有显著差异。
参考文献
[1]杜志渊.常用统计分析方法―SPSS应用[M].山东人民出版社,2011.
[2]刘宁元.运用SPSS对高职专业课程成绩进行相关分析[J].电脑与电信,2007(3).
[3]井海立.SPSS在数学试卷统计分析中的应用[J].科技信息(学术版),2006(10).
试谈SPSS软件在考试数据统计分析中的应用
摘要： SPSS软件是数据统计分析的一个重要的工具。本文作者利用SPSS软件对考试数据的相关性、检验假设进行了统计分析，介绍了使用SPSS进行统计分析的一般方法和步骤，文中的方法对考试研究人员具有一定的指导意义。
关键词： SPSS软件 考试数据 统计分析 操作步骤
1. 引言
一份好的试卷须有好的测量指标来表明它的优良程度，试题有难度和区分度指标，试卷有效度和信度指标，这些是评价考试最主要的测量指标，但是仅有这些指标不足以反映一份试卷的实际测量效果，考试研究人员希望从考生的试卷统计分析中获取更多的信息来评价一份试卷。在计算机未普及的年代，考试成绩统计主要依靠人工阅卷，考试数据无法电子化存储，对考试数据分析统计难以实现。随着计算机的普及和信息化的推广，各种分析数据的软件应运而生，这些软件中汇集了统计学和测量学的分析工具，使得应用电子信息技术分析统计考试成绩数据成为可能，这些统计信息可以为教研部门、考试行政部门进行行政决策等提供非常重要的帮助。在众多的统计分析软件当中，SPSS是应用最多、影响最广泛的分析工具之一。在本文中，我们以SPSS软件为工具，对 教育 招生考试成绩的数据进行统计分析，分析主要着重于考试数据的相关性、假设检验等几个方面。
2. SPSS分析软件简介
“SPSS统计分析软件”的英文名称为“Statistical Package for the Social Science”，中文名称为“社会科学统计软件包”，它是世界著名的统计分析软件之一，在自然科学、社会科学的各个领域均有非常广泛的应用。SPSS是一个组合式软件包，它集数据整理、分析于一身，主要功能包括数据管理、统计分析、图表分析、输出管理等，该软件的统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类。
下面我们利用SPSS软件对考试数据的相关性、检验假设进行统计分析，介绍使用SPSS进行统计分析的一般方法和步骤。
3. 相关性分析
教育考试中，考试结果的信度，试题的区分度，每个题目得分与试卷总分的关系，以及题目之间的关系，等等，都是考试研究的重要内容，最主要的研究方法就是数据的相关性分析。在众多的教育考试数据的相关性分析方法中，Pearson相关系数法、Spearman相关系数法和Cronbach α信度系数法是比较常用的几种方法。
Pearson相关系数法计算公式：
式中x为第i个考生第j题的得分，y为第i个考生第k题的得分，为第j题的平均分，为第k题的平均分，n为测试样本量。该公式既可以计算两个连续变量之间的相关性，又可以计算一个双歧变量与一个连续变量之间的相关性。
Spearman相关系数法计算公式：
r=1-(2)
式中D为两个变量的秩序之差，n为样本容量。
Cronbach a信度系数法计算公式：
α= 1-(3)
式中n为试题数，s为第i题的标准差，s为总分的标准差。该公式实际上就是将考试中所有试题间相关系数的平均值(又称内部一致性)作为α信度系数。
对于给定的一组考生成绩数据，利用SPSS统计分析软件可以非常容易地定量分析考生某学科试卷总分和该学科某道题的相关性，以及各个题目之间的相关性。我们以Pearson相关系数分析为例，利用SPSS软件进行统计分析。
数据统计分析的对象是某省高考数学6道解答题的得分情况(不是整张试卷)，数据源于该省的高考数据成绩。研究的目的是测量6道解答题每两个题目之间的相关性。
我们以SPSS 版本的软件为例，介绍利用SPSS进行数据统计分析的步骤(以Pearson相关系数法为例)：
(1)将考试数据导入SPSS软件，在SPSS数据窗口中，顺序点击【Analyze】→【Correlate】→【Bivariate...】，系统弹出变量相关系数设置对话框。
(2)在该对话框中，将待计算的变量从左侧的变量列表中导入到右侧的“Variables”变量列表中，在本例中导入t1、t2、t3、t4、t5、t6共6个变量(t1―t6是6道解答题的变量名称)。在“Correlation Coefficients”相关系数选项中，选取“Pearson”复选框。
(3)在该对话框的“Test of Significance”设置区域，可以点选“Two-tailed”选项或者“One-tailed”，我们采用系统默认值。
(4)对话框中的 其它 选项取软件系统的默认值，点击【OK】，开始相关系数计算，系统弹出新的窗体输出运算的结果。本次输出的情况如下：
上表的统计结果可用于题目之间相关性的分析。表中的大部分题目的相关系数都比较适中，但题目T4和题目T5之间的相关程度远高于其它几个题目，我们可以确信这两者之间一定存在着比其他题目之间更紧密的关系，这是我们通过分析获取的重要信息，该信息表明这两个题目之间的相关性高于其他几个题目之间的相关性，这在大规模考试中是不应该出现的，需要在以后的命题考试中加以改进。
Spearman相关系数分析方法和上述分析方法类似，只需要在上述SPSS操作的第二个骤中选取“Pearson”复选框，程序就会按Pearson相关系数法进行统计分析，如果同时选中“Spearman”和“Pearson”复选框，程序将会同时计算按两种分析方法统计分析的数据，并会以不同的图表进行显示，而Cronbach a信度系数法计算方法与上述方法略有不同，其操作步骤如下：
(1)在SPSS数据窗口中，顺序点击【Analyze】→【Scale】→【Reliability Analysis...】，系统弹出“Reliability Analysis”信度分析设置对话框。
(2)将待计算的变量从左列的变量列表中导入到右侧的“items”变量中，在左下列的“model”选择项的下拉列表中确保选中“Alpha”(信度系数)，点击“Statistics”选择项可以进行更为详细的参数设置，我们采用系统的默认值即可。
(3)参数设置完毕之后，点击【OK】，软件开始相关系数计算并输出运算结果。
4. 选择题的选项分析
在目前的教育招生考试中选择题是一种较常见的题型，考试研究人员关注较多的是对选择题基本特征、测量功能及其优缺点的理论探讨[1][2]，对选择题干扰项的设计及其施测后的实际效果关注甚少，事实上施测后对题目各选项的有效性作出判断可为评价试题质量提供重要参考依据。我们利用统计中χ检验假设，对试卷中常见的选择题选择项进行统计分析。
教育考试的单项选择项一般设置为4个，其中仅有1个选择项是正确的。命题人员在设计选择项时，应当也必然对每道题目所有的选择项(正确选择项和干扰选择项)的考生作答情况作出预测，对考生作答的分布情况作出预估。考试结束后，研究人员应该对实测的情况与命题教师预测的情况进行对比分析，以检验考试效果是否达到了预测的目标。这和χ拟合度检验的思想具有一致性，因此可以尝试使用χ检验假设进行分析。
我们依据文献[3][4]的方法来介绍χ检验假设在考试数据分析中应用的基本原理，设变量E是命题者对某道试题的期望值，E=nP，n为样本容量，P为期望的相对频率，引入以下统计量：∑(O-E)/E，其中O为观察频数。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文
我们需要进行的假设检验是：零假设H：选项的实测分布与期望分布相同;非零假设H：选项的实测分布与期望分布不同。
检验假设的思想：拟合度检验的统计量在确定的某种显著性水平下如果零假设是真，则检验统计量∑(O-E)/E呈近似χ分布，其自由度为研究变量的可能值减1;如果实测分布与期望的分布相当吻合，就不排除零假设，否则就排除零假设;最后对检验假设的结果进行解释。
数据分析的目的是判断考生实际的应答结果(实测数据)与命题期望的选择概率(期望数据)是否一致。我们随机抽取某省5542个高考考生的数学有效数据构成分析样本，利用SPSS进行统计分析。
SPSS数据统计分析的步骤如下：
(1)将考试数据导入SPSS软件，依次点击【Analyze】→【Nonparametric Tests】→【Chi-Square...】，弹出“Chi-Square Tests”对话框。
(2)将变量列表中待分析的题目序号导入到“Test Variables List”(检验变量列表)中，本例中题目的序号为t7。
(3)将对选择试题的每个选项的期望值依次输入到“Expected Values”所属的方框，具体操作方法是选中单选框“Values”，输入具体的期望数值，点击“Add”按钮，依次重复上述的步骤直至所有的选项的期望值输入完毕。
(4)点击【OK】，输出软件运算结果。
我们需要进行的假设检验，H：选项的实测分布与期望分布相同;H：选项的实测分布与期望分布不同。
假设检验的显著性水平为α=，χ=∑(O-E)/E，自由度为df=4-1=3，查χ分布表或利用相关软件可得P=，由于P>α，因此不能拒绝零假设，即选项的实测分布与期望分布相同。因此，检验结果在显著性水平时，没有足够的证据拒绝零假设，即可认为本题选项的实测分布与期望分布相同，也就是说本题的实际测试效果与命题教师预测的效果是一致的，命题教师准确地估计了考生的实际水平，这是分析获得的很重要的结论。
5. 结语
SPSS软件在考试数据统计分析中应用广泛，但大部分是集中在试题难度、均值、方差统计、考试数据的图表显示等几个方面，本文从一个新的角度利用SPSS软件对考试数据的相关性、检验假设等几个方面进行了尝试性统计分析，介绍了使用SPSS进行统计分析的一般方法和步骤。从上述分析来看，软件操作步骤和统计分析过程十分简单、快捷，对于测量学和统计学基础不太好的数据分析统计人员来说，只要遵循一定的操作步骤，就可以进行分析。
参考文献：
[1]王孝玲.教育测量(修订版)[M].上海：华东师范大学出版社，2006.
[2]雷新勇.大规模教育考试：命题与评价[M].上海：华东师范大学出版社，2006.
[3]李伟明，冯伯麟，余仁胜.考试的统计分析方法[M].北京：高等教育出版社，1990.
[4]雷新勇.考试数据的统计分析和解释[M].上海：华东师范大学出版社，2007.
猜你喜欢：
1. 统计学数据分析论文
2. spss统计分析实习心得
3. 统计学学年论文
4. 统计学分析论文
题目可以创新的啊，你可以写大学生创业素质调查、家教满意度啊什么的，题目一改就是完全不同的选题了 需要进一步指导可以联系
没问题，数据分析你要提供数据
恩，个人意见。首先是毕业论文，必须得写得专业一点，所以数据收集楼主还是算了吧。累死累活设计调查回收，问卷的质量还不一定得到保证。所以一般而言不建议自己做数据收集，投入产出不成正比。其次，研究题目应该根据你自己的专业，楼主你列的那些题目，我想不到你是哪个专业的，市场营销，商学院这些方向？我不知道。但是实话实说，用spss做这些分析，真的不太合适的，得出的结果也就那么些吧，看着很好其实没有多少创新的东西在的。然后，毕业论文的要求，我不知道学校的具体要求，但大概各学校应该都差不多吧。标准，合格。这个看着很简单其实挺难的，尤其是数据分析论文，要在调查研究问卷设计收集数据分析上做到标准不是件容易的事情啊。而且我觉得楼主应该还是个本科生吧，本科生的毕业论文对创新性没有很高的要求，所以楼主也不要想着说做个什么很特别的，找一份数据，选个差不多的题目，做一个标准的分析，写一个标准的论文，就真的差不多了的。数据的话全国现在各种调查多了，有的数据是公开可获得的，这个百度一下就差不多了。
SPSS软件及教程百度网盘免费下载
链接： 提取码：ffh6
SPSS为IBM公司推出的一系列用于统计学分析运算、数据挖掘、掘纤预测分析和决策支持任务的软件产品及相关服务的棚祥总称，有Windows和Mac OS X等版本。包含各版本SPSS软件及相关基础和进阶视判和仿频教程及资料，涉及统计，医学，机器学习等方向。
我建议你用卡方检验 就是crosstabs项 这是专门进行率的比较的 事先要把数据呈标准的状态建立在spss中 如何建立没法讲 自己看一下专业书 具体操作步骤：spss--analyze--descriptive statistics--crosstabs然后出现对话框 选入行与列 点开下面的statistics子对话框 选中chi-squrie和kappa 点continue 然后ok 你就看到结果了 结果中看sig值即可 就是p值
亲，可以来我们这里了解代做流程及报价，我们团队写手比较准成的
操作设备：戴尔电脑
操作系统：win10
操作软件：SPSS 版
1、首先打开SPSS 版软件，找到要编辑的数据，可以从下图中找到方框。
2、在接下来的过程中需要在上方菜单栏中找到分析菜单，将鼠标移动到一般线性模型，然后选择单个变量，单击鼠标左键选择。
3、可以看到界面中的红色框。在单变量对话框中，将变量分别移动到因变量和协变量。在这里，将高度移动到因变量，将药物移动到协变量。
4、单击右侧菜单中的选项，将鼠标移动到单变量选项，选择参数估计值，并将参数估计值标记为勾号。
5、选择完成后，点击选项中的继续选项，然后可以选择在单变量对话框中点击确定，即可查看编辑后的操作。
6、最后可以看到界面上的方框显示在SPSS查看器中可以看到药物对身高影响的显着性分析，红框内的显着性为0<，为显着。
t检验
适用于计量资料、正态分布、方差具有齐性的两组间小样本比较，检验两个处理平均数的差异是否显著。
spss提供的T检验有3种形式，分别是单样本T检验（One-Sample T Test），独立样本T检验(Independent-Sample T Teat)和成对样本T检验(Paired-Sample T Test）。