20160312资料编码 .ppt

LOGO 資料的編碼 編碼簿 題目編號 變數編號 欄位 編碼規則 軟體上名稱 1 1 1-3 受測者編號 ID 2 2 4 題目1 Q1 3 3 5 性別 1=男 2=女 9=遺漏值 SEX 4 4 6 運動原因 1=有伴 2=健康 3=交友 4=無聊 資料Key in Word or 記事本 or Excel or Spss Key in 方法 Key in 練習 SPSS 基本功能介紹 功能列 新增檔案與開始檔案 如何建立spss檔案(使用文字檔) 資料如何命名 資料的檢查 次數分配表 資料的編輯、複製、插入、刪除 如何排序觀察值 檔案的分割與合併 資料的檢視 資料的轉換 資料的計算 遺漏值的置換 如何選擇部份觀察值進行分析 資料的初步分析～敘述性統計 平均數 中位數 眾數 百分位數 全距 變異數 標準差 集中量數 離散量數 平均數 群體特性的平均水準 功用：簡化　代表　比較 其他數值 中位數：群體最中間的那一個數值 眾數：資料的集中情形 全距：最大減最小 常態分配 平均值 -3 -2 -1 +1 +2 +3 2.1% 13.6% 34.1% 34.1% 13.6% 2.1% Spss如何產生常態分配圖 資料圖表的呈現 描述性統計量 次數分配 描述性統計 問卷統計第一步～項目分析 原理 CR值 相關值 問卷統計第二步～因素分析 其目的在於以簡潔、精確的方法來描述眾多變項間的交互關係 可用較少的向度來表示原來的資料結構 可保有原來資料所能提供的大部份訊息 描述性功能 提供假設的功能 考驗驗假設的功能 問卷統計第二步～因素分析 假定觀察體在某變項上的分數是由兩部份構成： 　共同因素　　　　唯一性因素 共同因素可能只有一、二個 每一個變項均有一個唯一性因素 探索性因素分析的假定 所有的共同因素間都有相關或無相關 所有的共同因素都直接解釋所有的觀察變項 唯一性因素間互不相關 每一個觀察變項只被一個唯一性因素解釋 問卷統計第二步～因素分析 因素負荷量：各變項與各因素的相關，愈大者代表該變項與該因素愈有關係 解釋變異量：因素可以解釋原先變項的程度 問卷統計第二步～因素分析 探索性因素分析：傳統的因素分析程序中，對於因素結構的尋找，並未有任何假設與預期結果。對於因素的抽取、因素的數量、因素的內容，以及變項的分類，研究前都沒有事先的預期，完全由因素分析的程序決定。 驗證性因素分析：如果模式建立的背後有紮實的理論依據就要用驗證性因素分析 單純的量表設計建議能用探索性因素分析，而探索性因素分析只能求得因素結構的個數，但是無法討論因素結構本身的適切性與有效性，而適切性與有效性就必須由驗證性因素分析來求得 因素分析樣本限制 試題與受訪者的比例最好為1:5 受訪者總數不得少於100 人 因素分析判斷標準～ KMO 取樣適切性量數(KMO) KMO 數值介於0 與1 之間，數值愈靠近1，表示變項的相關愈高，愈適合進行因素分析， 數值愈靠近0，表示變項的相關愈低，愈不適合進行因素分析。 0.90 極佳　　　　0.80~0.89 良好 0.70~0.79 中度 　0.60~0.69 平庸 0.50~0.59 可悲 　0.50 無法接受 因素分析判斷標準～ Bartlett 球形檢定 Bartlett 球形檢定(Sphericity test) Bartlett提出針對變項間相關矩陣的球形檢定，此檢定法約略呈現χ2 分佈，若變項之間相關係數愈高，則所得χ2 值愈大，表示愈適合進行因素分析，卡方分佈對樣本大小相當敏銳，故實際分析時，很少呈現球形檢定接受虛無假設，即利用球形檢定法時，呈現資料不適宜進行因素分析結果的機率很低。 因素分析的步驟 計算各變數間的積差相關係數，組成一相關係數矩陣，估算共同性(h2)(communality) 。 因素方法的選定 因素選取方法的選擇：選取eigen value 大於1 的因素。 因素數目的決定 因素軸的旋轉：因素轉軸可分為正交旋轉法與斜交旋轉法兩種。 結果的解釋：因素之命名是由此因素包含哪些重要變數來決定。基本上都需要有學理的根據或依據在該一共同因素上負荷量較大的變數(題項) 因素抽取方法 主成份分析法：一般學術研究報告都使用此法。 主軸因素法：有學者建議此種 最小平方法 最大概率法 因素數目的決定 理論架構與相關文獻 陡階 特徵值 變異量＜5% 變項個數%的變異量　10題則是10%　 20題則是5% 因素轉軸 直交轉軸：因素與因素之間沒有相關，因素軸之間的夾角等於90 度 　最大變異法、四次方最大值法、相等最大值法 斜交轉軸：因素與因素之間彼此有某種程度的相關，因素軸之間的夾角不是9