问卷与量表数据分析（SPSS+AMOS）学习笔记（五）：问卷星数据处理

墨蓝 2023-07-20 12:19 12阅读 0赞

课程链接：[《问卷与量表数据分析（SPSS+AMOS）》][SPSS_AMOS]

**目录**

1. 问卷星导入数据出现乱码问题

2. 问卷星导出SPSS格式数据的处理

3. 问卷星导出Excel格式数据处理

4. 选取数据子集与数据集拆分

4.1 拆分方式1——对数据分析时拆分为两部分分析，没有真正拆分

4.2 拆分方式2——将数据完全拆分为几个表格

--------------------

# 1. 问卷星导入数据出现乱码问题 #

选择“编辑”——“选项”

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70][]

此时发现不可以进行更改。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 1][]

选择“文件”-“新建”-“数据” ，关闭之前乱码的数据窗口，再次选择“编辑”——“选项”——“语言”，将“语言书写系统”更改为“操作系统的书写系统”。点击“应用”，再点“确定”。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 2][]

然后再把刚才乱码的数据重新拖入进SPSS中即可。

> 【注意】操作时需要把所有的数据窗口关掉，只需要打开一个空白的数据窗口进行设置即可。

# 2. 问卷星导出SPSS格式数据的处理 #

（1）删除系统生成的与研究主题没有关系的变量（如问卷填写的时间）

（2）变量名称更改：使变量名称尽可能简洁同时又能够让它表示出原题目所代表的含义。以便使输出表格简洁，同时又能够很方便的知道分析结果的含义。

问卷星的结果是用Q1、Q2等代替问题的，需要把Q1、Q2替换为具体的变量，变量名称尽量简洁，不然别人看自己的论文很难看懂。

（3）值标签修改

（4）数据类型、小数位数、测量尺度等【变量定义】信息修改。

将名称改为简洁的变量名。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 3][]

更改后的结果：红框是多选题的处理。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 4][]

对测量类型进行更改：

可参考博客：[SPSS中数据的标度、有序和名义的使用][SPSS]

> 在袁志发老师的《多元统计分析》（第二版）中，有一个比较有意思的关于总体变量的分类。  
> 首先说明一下总体变量：  
> 统计学中把一个随机变量称为一维总体，把多维随机变量称为多维总体，相应的变量称为一维总体变量和多维总体变量。  
> 总体变量可以分成以下三个类型：
> 
> 1.名称属性 【类似于名义】  
> 名称属性是用名称把总体中各个个体描述为若干不同的状态，每个个体具有一种状态，各状态之间无一定的顺序。例如，昆虫有翼无翼，土壤颜色红黑黄。  
> 其中，比较常见的就是二元属性，即有或者没有，是或者否，例如驾驶员的能力高或者低，是否患有某种疾病。（这一类就是spss对应的名义【当变量值表示不具有内在等级的类别时（或者是不具有固有的类别顺序的分类数据】），这种问题通常变成二分类的问题，可以采用spss中的逻辑回归来进行解决。  
> 还有一种情况是无序多状态属性，这种属性会有多种情况，例如驾驶员驾驶风格通常可以划分为冒进型、保守型、普通型。
> 
> 2.顺序属性  
> 这是各个个体具有多种顺序状态，比如土壤酸碱度分为强酸性、弱酸性、中性、弱碱性、强碱性5种状态，又例如种子的大小是大中小三种状态。这类数据是有一定顺序的，是不会越级变化的，不会说直接从某种状态突变成另一种状态。（这一类就是spss对应的有序【当变量值表示带有某种内在等级的类别时，该变量可以作为有序变量】）
> 
> 3.数值属性  
> 个体之间采用数值类表示，例如质量、长度等，这类变量虽然是数值，但不一定全是连续型的，例如年龄和个数都是整数型的。（这一类就是spss对应的标度【当区间或比率刻度度量的数据，其中数据值既表示值的顺序，也表示值之间的距离】）
> 
> 实际上对于spss的标度、有序及名义的使用中，比较麻烦的是有序和名义，只需要把握有序是变量是带有等级的这一点就行  
>

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 5][]

# 3. 问卷星导出Excel格式数据处理 #

（1）问卷星导出的Excel格式数据的处理

部分字符型数据转换成数值类型

数据拆分

（2）处理技巧

替换、分列拆分数据

可以通过数据透视表对数据进行简单分析。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 6][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 7][]

# 4. 选取数据子集与数据集拆分 #

> 主要是需要对不同的群体进行数据分析

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 8][]

## 4.1 拆分方式1——对数据分析时拆分为两部分分析，没有真正拆分 ##

选择“数据”——“拆分文件”

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 9][]

选择“比较组”，把拆分的依据放入“分组依据”中。这里使用“主要使用电脑归属”进行拆分。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 10][]

举例：

选择“分析”-“描述统计”-“频率”。将“平均每周使用电脑天数”拖入到变量中，我们只用统计其“平均值”。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 11][]

统计结果发现，统计时会自动根据“主要使用电脑归属”，将统计量分为“单位的”和“个人的”进行统计分析。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 12][]

如果不拆分的结果如下，结果就不会进行区分。

![20200401170901920.png][]

## 4.2 拆分方式2——将数据完全拆分为几个表格 ##

> 【注意】在拆分之前需要将数据“另存为”重新备份一次。

选择“数据”——“选择个案”

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 13][]

选择“如果条件满足”——“如果”。选择“删除未选定个案”，就会未选中的部分全部删除，这里是将主要使用电脑归属=2即“个人的”全部删掉。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 14][]

[SPSS_AMOS]: https://study.163.com/course/courseLearn.htm?courseId=1057015#/learn/video?lessonId=1052930079&courseId=1057015
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70]: /images/20230528/03966f9701e04e41902e1907db270e15.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 1]: /images/20230528/67ddde337868435e83ece966e5aabe60.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 2]: /images/20230528/85553c4d90f54aa7a684b1833d2381e5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 3]: /images/20230528/7c144d2ccddc449e9e3d7773f06cd033.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 4]: /images/20230528/34a09240bd664b6b89bf7bd4d8c1dc8c.png
[SPSS]: https://blog.csdn.net/weixin_42963375/article/details/102723530
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 5]: /images/20230528/c7780bf76ec4475897b3ede3eaf4573e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 6]: /images/20230528/cd184f2cc2fd4c36b4a72823761b7a88.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 7]: /images/20230528/3e05c84c0e8a4a91a4bb3c962af9fe80.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 8]: /images/20230528/994b6ee4bbc046cd8b03479719aa732f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 9]: /images/20230528/644ea994f5464946a0f4c41c218016c5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 10]: /images/20230528/66f3a9d2c38e46f289ccc533ebd9ce2f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 11]: /images/20230528/a6d112b9334b4617990c9422db07636e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 12]: /images/20230528/bb65046c52e24be39310032359bdfeea.png
[20200401170901920.png]: /images/20230528/b0107c61b5cd45feb0421a6c8aabf7bb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 13]: /images/20230528/583564eb9b0d454ea40021015a00c1e2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 14]: /images/20230528/26b9d9b571964e318c69b90a32016761.png