订阅付费专栏Matlab（奶茶价版），可赠送奶茶价版付费专栏指定代码1份；

信度检验是指问卷的信度也就是问卷的可靠性，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，也就是反映实际情况的程度。信度指标多以相关系数表示，大致可分为三类：稳定系数（跨时间的一致性），等值系数（跨形式的一致性）和内在一致性系数（跨项目的一致性）我们除了对问卷进行效度检验之外，还需要进行信度检验。那么今天我们就来详细讲解如何使用SPSS软件对问卷数据进行信度检验，下面是我们今天的案例：我们搜集了一份486份样本的量表数据，标准的5度量表，1表示完全不满意，5表示完全满意，含有12个题项，我们拿

多因素方差分析，用于研究一个因变量是否受到多个自变量(也称为因素)的影响，它检验多个因素取值水平的不同组合之间，因变量的均值之间是否存在显著的差异。多因素方差分析既可以分析单个因素的作用(主效应)，也可以分析因素之间的交互作用(交互效应)，还可以进行协方差分析，以及各个因素变量与协变量的交互作用。根据观测变量(即因变量)的数目，可以把多因素方差分析分为：单变量多因素方差分析(也叫一元多因素方差分析)与多变量多因素方差分析(即多元多因素方差分析)。本文将重点讲述一元多因素方差分析，下篇文章将详细讲述多元多因

因变量为无序多分类资料，或者因变量虽为有序多分类但不满足比例优势假定（平行性检验P>0.05），可采用无序多分类的logistic回归进行分析。当然当结局变量无序，自变量只有一个且为分类变量时，可以直接采用卡方检验；结局变量有序，自变量只有一个且为分类变量时，可以直接采用非参数检验。无序多分类的logistic回归模型与有序多分类的logistic回归模型不同。有序多分类的logistic回归采用的是累积logit模型，进行logit变换的是因变量有序取值水平的累积概率；而无序多分类的logisti

1、问题与数据在某胃癌筛查项目中，研究者想了解首诊胃癌分期（Stage）与患者的经济水平的关系，以确定胃癌筛查的重点人群。为了避免性别因素对结论的混杂影响，研究者将性别（Sex）也纳入分析（本例仅为举例说明如何进行软件操作，实际研究中需控制的混杂因素可以更多）。研究者将所有筛查人群的结果如表1，变量赋值如表2。表1. 原始数据表2. 变量赋值情况2、对数据结构的分析该设计中，因变量为四分类，且分类间有次序关系，针对因变量为分类型数据的情况应该选用Logistic回归，故应采用有序多分类的Logis

SPSS为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，有Windows和Mac OS X等版本。下面是安装的具体步骤。第1步：下载安装包链接：https://pan.baidu.com/s/1dHdEVh3 密码：6yl0解压后打开.exe文件进行安装。第2步：准备安装程序第3步：点击下一步第4步：选择“我接受许可协议中的全部条款”，点击下一步。第5步：点击下一步。第6步：选择“我接受许可协议中的条款”，点击下一步。第7步：选择安装

如何计算几个变量之间的和?如何计算几个变量的乘积?或者是差、商?我们都可以使用SPSS菜单中的compute方法，这是SPSS的最基本的功能，只是大家很少去用就忘记了，下面我就干呢大家一起温习一下如何计算变量之间的和。1、我们打开SPSS的数据，在菜单中依次点击:transform–compute variables；2、在打开的对话框中，我们输入变量名称，也就是几个变量相加后得到的一个变量的名字，然后点击【type&label】；3、输入标签【几个变量的和】，标签是对变量的解释，点击【..

2数据类型选方法2.1导读重要的事情说三遍！了解数据类型是进行相应统计分析的前提。不同的数据类型对应的 统计分析方法不同，例如，卡方检验、T 检验和方差分析均是差异检验的重要方法，但是三者所针对的数据类型不同。除了之前介绍的连续数据和离散数据，数据类型还可以怎么划分？2.2解析根据数据所反映的测量水平，可以将数据分为称名数据、顺序数据、等距数据和等比数据。四种数据的特点如下：(1)称名数据（名义变量）又称名义数据，按事物的某种属性对其进行平行的分类或分组。（只能测度事物之间的类别差，其他差别无

1问卷统计前奏1.1导读问卷（包括量表）是一种专门设计的书面调查表，通过问卷收集数据是心理学和其他社会科学实 证研究的常用方法。问卷法的优点是简便易行，可以在短时间内获得大范围资料； 问卷不记名，减少了回答者的心理压力，有利于收集到真实的应答 结果；所得资料便于整理和统计分析。过去，不少文献都认为问卷法只能研究变量之间的相关关系、实验法才能研究变量之间的因果关系。但是随着对因果外延的拓展理解（从一果一因 到一果多因、从必然性因果到或然性因果），尤其是结构方程模型(SEM) 的应用，使得通过问卷也能合乎

11 答疑解惑 25 问Q1: 相关分析不显著，可以做回归分析吗？一般而言，相关是回归的基础。两个变量不存在相关，就没有比较继续进行后面的分析。但这种关系仅限于简单线性回归（一个自变量，一个因变量）的情况下。当自变量有多个时， 就不再适用。因为多元回归分析中，自变量发生的作用不是独立的，而是与其他自变量一起联合发挥作用，每个自变量的影响都是在控制了其他自变量的基础之上的分析，也就是偏相关的思路。因此，如果一个自变量与因变量无关，但它与其他自变量一起时，是可以对因变量产生显著影响的。Q2: 方差分析总体

11效果量：你心目中的偏 eta 方11.1导读这个偏 Eta 平方到底是什么鬼？ 到底有什么用跟着小明的步伐表走边看~~~~~ 它的学名叫效果大小。效果大小（effect size）：不依赖于样本量的大小，反映自变量和因变量关联强度的指标。11.2解析统计显著性表示有无效果，效果大小表示效果的大小：统计的显著性与效果量不是一回事，在 0.05 或 0.01 水平上显著，自变量的作用不一定很大。统计推论检验显著并不意味这实际效果的显著。在检验理论以确定自变量是否有效果的实验中, 推论统计检验是

9你的论文有这样的问题或错误？9.1导读心理学实证论文中，需要涉及数据的统计分析，在这过程中容易出现一些错误。主要涉及抽样、研究变量的选择、信度和统计分析等方面。9.2解析(1)抽样方面① 有偏样本的使用。不少研究都是为了图方便，采用方便抽样的方式，这样的样本显然是存在偏差的，不符合随机性原则。② 没有注意被试的回应倾向带来的偏差。网络调查、电话调查、信件调查等方式，被试可以决定自己要不要回应调查，显然，主动回应的被试和不回应的被试样本是有偏差的。(2)研究变量仅考虑外显变量，而不考虑或不

8遇到缺失值怎么办？删除还是替换？8.1导读在SPSS 中如果数据包含缺失值，会导致具体变量计算和分析时实际有效样本数据减少， 不管是 pairwise delete 还是 listwise delete 的缺失值处理方法。另外，如果用Amos 做结构方程模型，分析变量存在缺失值的话拟合指数会报告不全（如GFI、AGFI 缺失）。因此，处理缺失值是非常重要的环节。8.2解析缺失值的处理大体上有两种方法：第一，删除有缺失值的个案；第二，缺失值替换。哪一种方法好呢？ 如果样本量本身很大，那么删除个案

7李克特五点计分调查问卷的选项如何设置？7.1导读在设计调查问卷时，一般按程度高低强弱设计不同的选项，常用的有四点、五点、七点 计分等。那么，选项设计是从完全同意或完全符合到完全不同意或完全不符合，还是相反？ 完全同意是给最高分还是最低分呢？我看到一些朋友设计的问卷是这样的：关于自我效能感的题目，该题目表达的是自我效 能感的肯定性含义，例如“我相信我有能力克服人际交往障碍”。然而选项设置却是完全符合 得1分，完全不符合得5分，顺序是“完全符合’‘在前，“完全不符合’'在后。这种情况就导致 选项分值与题

6问卷中的人口学变量是否要用？以及如何选用？6.1导读在毕业论文或课题研究的问卷调查中，我们需要在问卷中设计人口学变量信息，或者称 个人信息、基本信息，如果问卷中人口学变量信息太少则可能会遗漏一些重要的影响变量, 而如果人口学变量太多则可能有些是没有必要的却增加了问卷的长度，费时费力又影响被试 答题情绪。那这些信息该如何选择？哪些信息应该有，哪些可以没有？第一部分基本信息表学校： 班級： 姓名： 请在符合你的答案上打“ J ”。1.性别：口男 口女2.是否独生子女：口是 □否 3.是

5如何用 SPSS 分析调查问卷和撰写调查报告？5.1导读一项科研课题的调查研究或心理学、教育学、管理学等方面的毕业论文设计，经常需要使用调查问卷，但调查问卷回收回来之后，如何用专业的统计软件 SPSS 来分析处理，并形成专业的调查报告？5.2解析(1)SPSS 对调查问卷原始数据的处理。第一步，需要对问卷进行变量定义和编码。给每个题目起个变量名，例如“性别”、“年龄”、“q1”（第一题）；定义好变量名之后，给每个变量的各种答案或可能取值编码，即用数字来表示，例如 1=男性，2=女性。只有定义好变

4统计检验中的边缘显著及其转化处理4.1导读什么是边缘显著？以及如何进行转化处理？4.2解析在数据统计分析中，在进行假设检验时，显著性水平一般以 0.05 为最临界值，p 值低于0.05 即为达到统计学上的显著性。但我们经常发现，有时候 p 值没有达到显著，但却在 0.05附近，此时我们称之为“边缘显著”，所下的统计学结果或结论是“某种结果具有某种倾向”。那边缘显著的 p 值范围是多少呢？目前边缘显著的界定仍比较模糊，尚未有统计学上的明确标准。一般来说，学者们把 α= 0.05 ≤ p &lt

3问卷或量表调查研究需要多少份或要求多大的样本量？3.1导读问卷或量表调查研究需要多少份或要求多大的样本量？3.2解析问卷调查中没有绝对的样本量标准，不同的研究方法、研究目的，研究要求和研究资料都可决定样本量得大小。一般而言，样本越大，结果的估计越精确。但样本过大或过小均可影响研究的可行性。因此，科学地确定样本量可增加研究的可靠性，得到可信的研究结果。样本量的多少取决于多个方面：首先，取决于样本总体的广泛性，比如研究汉族和藏族学生，那样本量差异就很大。因为汉族学生的总体很庞大，要想获得一个具有代表

2心理学量表总体或分维度用总分还是均分表示？2.1导读在使用教育学、心理学、管理学、医学等量表时，我们需要计算量表各个维度（也称分量表）及量表总分的得分。那么，量表的维度分和总分用的是各个题目相加的总分还是它们的平均分呢？2.2解析第一，不论是总分还是平均分，影响的只是描述性统计，并不影响推断统计。或者说， 值影响单个变量本身具体的分值大小，但不影响多个变量之间的关系，包括变量之间的相关关系、差异关系、回归预测关系。但在回归分析中，对标准化回归系数没有影响，但对非标准化回归系数是有影响的。第二，不

1李克特量表的变量属于顺序变量，为什么可以当作连续变量使用？1.1导读心理学和社会科学使用的问卷或量表基本上很难达到连续变量的水平，如李克特量表很难取小数（尽管将其视为连续变量对待），因此，社会科学研究的变量通常为离散型变量。那么，为什么可以当作连续变量使用？1.2解析李克特量表(Likert scale)是属评分加总式量表最常用的一种，属同一构念的这些项目是用加总方式来计分，单独或个别项目是无意义的。它是由美国社会心理学家李克特于 1932 年在原有的总加量表基础上改进而成的。该量表由一组陈述组成

温忠麟华南师范大学心理学院引言问卷数据建模的前期工作，就像是一栋大楼的奠基工程，基础越扎实，建立的模型和分析结果越可信。同样一套问卷数据， 建模前期工作不同， 可能得到不一样的模型和分析结果。有的原始数据错误什么方法都补救不了检查是否有异常的被试、变量和数值。如果某个被试在每个题目的得分都相同或者呈现很规律的模式，则是不合作的被试，应当剔除。如果题目得分的最大或最小值出现在预设范围之外，需要去检查相应的被试及其原因。 如何形容一个人长得特别漂亮？缺失类型有三种(Rubin,

3 AMOS 模型适配度及其评价指标结构方程模型本质上是一种验证式的模型分析，检验数据与假设模型的拟合或一致程度， 或者说是用数据拟合假设模型。适配度指标又称拟合度指标，是评价数据与假设模型是否相 互匹配，而不是说明路径分析模型图的好坏，一个适配度完全符合评价标准的模型图不一定 保证是个有用的模型，只能说研究者假设的模型图比较符合实际数据的情况。在检验整体模型适配度指标时，学者 Hair 等人(1998)建议，应先检验模型参数是否有违规估计现象，可以从下列三个方面着手：(1)有无负的误差方差存在；(2)

2AMOS 软件简介2.1AMOS 简介矩结构分析 AMOS（Analysis of Moment Structures），又称为协方差结构分析或因果模型分析，应用于 SEM 分析的一款可视化模块软件。除了 AMOS 以外，能够用于结构方程模型的软件还包括 LISREL、EQS、Amos、Mplus、 Smartpls 等。LISREL 是英文线性结构关系的缩写，英文全称为Linear Structural Relationships。AMOS 和 LISREL 的操作界面虽然不同，但是两者对于结构方程

1结构方程模型(SEM)简介1.1导读SEM 概念结构方程模型(Structural equation modeling)，简称 SEM，是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，因此也称为协方差结构分析。其本质上是一种验证式的模型分析，检验数据与假设模型的拟合或一致程度，或者说是用数据拟合假设模型。通常必须有理论或经验法去支持，在理论指导的前提下才能构建建设模型图。即使是模型的修正，也必须依据相关理论而来，它特别强调理论的合理性。此外，样本数据的样本数不能太少，也不不能太大，太大的话使

10PROCESS 插件安装及使用10.1导读在研究的早期阶段，研究者往往关注两个变量的关系。随着人们对变量间关系的研究深入，中介效应和调节效应分析成为行为科学研究领域的重要统计分析。Andrew F. Hayes 基于 SPSS 和 SAS 的中介和调节效应分析程序，开发了用于进行中介和调节效应分析的插件PROCESS，下面将从 PROCESS 插件的安装、使用及优缺点三个方面对这一插件进行简单介绍。10.2主要内容10.2.1安装步骤打开 spss 软件—【实用程序】—【定制对话框】—【安装定

8Sobel 检验8.1导读SPSS 有话说：中介效应检验介绍了逐步法的基本操作原理，当系数 a 和 b 至少有一个不显著时，需要进行 Sobel 检验。下面我们对 Sobel 检验的相关内容进行介绍。8.2主要内容8.2.1概念Sobel 检验，也被称为系数乘积检验，即检验系数 ab 成绩是否显著，H0：ab=0。ab 乘积是中介效应的大小，所以检验 ab 乘积是否显著是对中介效应的直接检验，也是对逐步法不足的弥补之一。ab 乘积作为抽样分布，文献中存在多种计算其标准误的方法，其中最常用(198

9调节效应检验9.1导读中介变量主要回答自变量如何影响因变量，而调节变量在自变量与因变量之间的作用又是怎样的？下面我们对调节的概念、检验方法等方面进行介绍。9.2主要内容9.2.1概念如果变量Y 与变量X 的关系是变量M 的函数，称 M 为调节变量。就是说，Y 与 X 的关系受到第三个变量 M 的影响。调节变量可以是定性的(如性别、种族、学校类型等)，也可以是定量的(如年龄、受教育年限、刺激次数等)，它影响因变量和自变量之间关系的方向(正或负)和强弱。说理论太抽象，还是回归到生活中。近年来，明星

7中介效应检验7.1导读中介变量是联系两个变量之间关系的桥梁和纽带。理论上，中介变量意味着某种内部机制。下面我们对中介变量的概念、分类、检验方法等方面进行介绍。7.2主要内容7.2.1概念考虑自变量 X 对因变量 Y 的影响, 如果 X 通过影响变量 M 来影响 Y , 则称 M 为中介变量。 X 通过M 对Y 产生的的间接影响（ X-M-Y ）称为中介效应。说理论太抽象，还是回归到生活中。我们来看一下生活事例吧。大家知道，现在很多男女朋友不是自己直接谈的，通常是朋友或闺蜜介绍而来，这时朋

6有调节的中介与有中介的调节6.1前期回顾如果自变量X 通过影响第三个变量W 来影响因变量Y，此时 W 是中介变量。例如, 男生通过朋友进而认识女生，此时朋友就相当于中介变量。中介效应分析的目的是探究 X 如何影响 Y。如果自变量 X 与因变量 Y 的关系受到第三个变量 U 的作用, 此时 U 是调节变量, 影响X 和 Y 之间关系的方向(正或负)和强弱。例如, 丈夫与妻子的关系，受到小三的影响。调节效应分析的目的是探究X 何时影响Y 或何时影响较大。如果一个模型包含的变量多于 3 个，可能同时包含

5中介变量、调节变量与交互作用5.1中介变量考虑自变量 X 对因变量 Y 的影响, 如果 X 通过影响变量 M 来影响 Y , 则称 M 为中介变量。（理论概念）X–M--Y说理论太抽象，还是回归到生活中。我们来看一下生活事例吧。大家知道，现在很多男女朋友不是自己直接谈的，通常是朋友或闺蜜介绍而来，这时朋友或者闺蜜就相当于中介变量，男生（自变量）通过朋友（中介变量）介绍认识女生（因变量）。再举一个例子，双 11 刚过，各位宅男宅女的花呗应该已经透支了。言归正传，买家通过淘宝购买商品，这时淘宝这

4共同方法偏差4.1导语心理测量中的误差包括系统误差和随机误差，共同方法偏差是一种系统误差。它是由于同样的数据来源或评分者、同样的测量环境、项目语境以及项目本身特征所造成的预测变量与效标变量之间人为的共变。例如，大多数问卷都采用自我报告法，或同一个空间（比如同一教室）和同一时间（比如课间）等有共性的环境施测，可能都会产生共同方法偏差。因此， 在正式分析前，先进行共同方法偏差检验。4.2主要内容4.2.1概念共同方法偏差(CMB, Common Method Biases)，有时候也称为共同方法变

3多重共线性问题3.1导读根据回归分析的基本假设，自变量之间要求相互独立的。如果某两个或多个自变量之间出现了相关性，导致参数估计出现偏差，或者标准误很大，模型失真，则称为存在多重共线性。3.2主要内容3.2.1概念多重共线性是指线性回归模型中的自变量之间由于存在高度相关关系而使模型估计失真或难以估计准确。3.2.2后果(1)参数估计的意义不合理当变量之间高度相关时，可能使回归的结果混乱，甚至会把分析引入歧途，使得各自变量的参数失去了应有的含义，表现出反常现象。例如估计结果本来应该是正的，结果

2虚拟变量2.1导读线性是回归分析的重要假设。在进行线性回归分析时，自变量必须是连续变量，如果将一个分类变量纳入预测变量中，则需要将这个分类变量转换为虚拟变量，以使分类变量能够与其他连续变量一同纳入自变量中进行预测，如此所得到的回归结果才有明确的意义解释。2.2主要内容虚拟变量，又称哑变量，是将分类变量加以量化描述的一种假设的变量，数据仅用数字0 和 1 表示。当某种特征或属性出现时为 1，不出现时为 0。虚拟变量数等于分类变量的水平数减一，将不设虚拟变量明确表示的类别为参照类。例如，性别含有两个类

1卡方分割1.1导读进行方差分析时，当主效应或交互作用显著，我们会进一步进行事后比较或简单效应分析，以检验两两水平之间的差异。然而进行 R×C 表资料的卡方检验，但发现多组组间存在差异，SPSS 并未提供两两比较的方法，此时我们需要人为对统计表进行分割分析，即卡方分割。1.2主要内容1.2.1概述未学习单因素方差分析前，为了检验不同年级在某个连续变量上的差异，或许你会想将进行几次 t 检验就可以了，但是这样必然会增加犯第 I 类错误的概率。同样进行多次卡方检验，也会产生这样的错误。解决方案是，调

7你收集的数据有效吗？——效度分析7.1导读问卷调查中，我们喜欢引用他人的测量工具（量表或问卷）或者根据研究目的和理论编制或修订符合自己需要的工具，为了保证问卷具有较高的可靠性和有效性，在正式分析或形成正式问卷之前,我们会对测量结果进行信效度检验，以保证结果的可靠性和有效性，不然结果非常完美也可能是存在问题的。因此，检验问卷或量表的信度和效度是研究过程中必不可少的重要环节。7.2解析效度是测量的有效性程度，即测量工具确能测出其所要测量特质的程度，或者简单地说是指一个测验的准确性、有用性。效度是科学的

6你收集的数据可靠吗？——信度分析6.1导读问卷调查中，我们喜欢引用他人的测量工具（量表或问卷）或者根据研究目的和理论编制或修订符合自己需要的工具，为了保证问卷具有较高的可靠性和有效性，在正式分析或形成正式问卷之前,我们会对测量结果进行信效度检验，以保证结果的可靠性和有效性，不然结果非常完美也可能是存在问题的。因此，检验问卷或量表的信度和效度是研究过程中必不可少的重要环节。6.2解析信度分析用于测量样本回答结果是否可靠,即样本有没有真实作答量表类题项（重要提示：信度分析仅仅是针对量表数据，非量表数据

5探索性因素分析（EFA）与验证性因素分析（CFA）的区别5.1导读因素分析是基于相关关系对众多数据进行降维（即简化）的数据处理方法，目的在于挖掘出众多数据后的某种结构。因素分析可分为：探索性因素分析和验证性因素分析。探索性因素分析的英文缩写为 EFA（Exploratory Factor Analysis），验证性因素分析的英文缩写为 CFA（confirmatory factor analysis）。SPSS 只能进行探索性因素分析，而 AMOS 软件做的是验证性因素分析，这两者有什么区别呢？5

4如何得出问卷或量表的结构维度——探索性因素分析4.1导读为进一步明晰量表的结构模型并确定正式量表，除进行项目分析外，随后根据探索性因素分析的结果剔除预测量表中不合适的项目。4.2解析4.2.1基本概念探索性因素分析是依据样本数据，根据变量间相关性的大小对变量进行分组，每组内的变量之间存在较高相关性，意味着这些变量背后有共同的制约因素，用这些公共因子来代替原始的众多变量的过程。简单来说，就是探索问卷的结构或维度。探索性因素分析也是在心理测验编制过程中用来检验测验结构效度的一种非常重要和有效的分析

“没有比较就没有伤害，没有比较就没有差异”差异检验，其实质是比较均值之间的差异，例如不同性别在网络成瘾上有无差异、不同年级在学习成绩上有无差异、不同年级在性别上的差异等。SPSS 软件中关于差异检验主要包括T 检验（单样本T 检验、独立样本T 检验、配对样本T 检验）、单因素方差分析（ANOVA）、卡方检验。差异检验三部曲：T 检验、单因素方差分析和卡方检验。◼T 检验适用于检验分类数据和连续数据之间的差异，且要求分类数据仅有两个类别或水平；◼单因素方差分析适用于检验分类数据和连续数据之间的差异，且

3你编制或修订的题目有效吗？——项目分析3.1导读项目分析（也称区分度分析）；其目的在于研究数据是否可以有效的区分出高低水平。如果一份试卷，所有学生的成绩均在 80 分，那此份试卷的区分性则很差，出现了“天花板效应”。如果学生的成绩有高有低，高分学生和低分学生可以很好的区分出来，则说明该试卷有着良好的区分性。3.2解析项目分析是通过对问卷题目的区分度或鉴别力进行分析，剔除不合适的题目。通常有两种方法：极端组法（求 CR 值）和题总相关法（求相关系数）。特别提示：项目区分度是指测验项目对被试所测量

1问卷与量表的区别及联系1.1导读众所周知，心理学要经常跟问卷打交道的，比如考察某个变量的中介作用或调节作用， 经常会使用问卷测量，但是心理学所使用的“问卷”准确来说是【量表】，不是调查某种现象的调研问卷，虽然都是搜集数据的工具，但二者还是有本质区别的。1.2解析(1)编制的依据和目的上的区别量表以理论和构念为依据，而问卷以研究目的为依据。量表的编制需要以一定的理论和概念含义为基础，例如性格的内向和外向，可以根据荣格的性格理论中有关内向和外向的特点来选择一些典型的行为然后编制。而调查问卷只以调查