Noda Nutsu (野田荷津) 的異想世界

   上了一學期統計,為下學期寫論文的第四章資料分析作準備,文內集老師、學長及同學們的重點之大成,整理成本文.

日後只要按部就班操作,祈求就可順利完成

後記:只要按色索驥即可找到要操作的分析

壹.目錄

一、建立資料檔:

利用收回的問卷建立資料。

1-1、建立新資料檔

1-2、正向題、反向題與重新計分

1-3、遺漏值檢查

1-4、合併問卷、合併變數

二、描述性統計 :

針對「自變項」、「依變項」、「中介」、「干擾」與「遊客之社

經背景資料」以次數分配、百分比、平均數顯示相關基本資料。

2-1、次數分配表(表格樣本1)

2-2、數值轉換成文字

2-3、如何填寫人數分佈表

三、因素分析 :

利用因素分析求得量表之建構效度，針對「自變項」、「依變項」等構面、

將大量問項精簡至最少的構面，得到量表的精確度因素分析。

3-1、因素分析

3-2、信度分析

3-3、如何填寫因素分析及信度分析彙整表(表2)

四、變異數分析:

探討「旅遊人口統計變項」對「自變項」、「依變項」等構面的差異性。

4-1、題項加總

4-2、獨立樣本t檢定:檢定變數為二時

4-3、單因子變異數分析(ANOVA): 檢定變數為二以上時

4-4、如何填寫單因子變異數分析摘要表(表3)

五、迴歸分析 :

主要用以分析「自變項」、「依變項」、「中介」、「干擾」之間

關係，檢定是否具有影響。

5-1、中介迴歸分析(中介效果分析摘要表4)

5-2、干擾迴歸分析(干擾效果分析摘要表5)

六、姓名標籤貼:

6-1、製作姓名標籤貼紙:

貳.本文

一、建立資料檔:

1-1.建立新資料檔:

1.首先將問卷填入Excel:

例:

           PS: 人口統計變項如:公司、性別為類別選項，輸入量表數字順序以左至右、上至下填寫…. 

1. 如何將 Excel資料匯入SPSS:

   例:打開SPSSè檔案è開啟è資料è找出Excel的資料(若找不到檔案時,記得將副檔名改為所有檔案)è開啟  

    

    

    

1-2.正向題、反向題與重新計分:

1. 若為反向題需重新計分: 選擇舊值與新值來置換(舊值1è換成新值7加起=8)

   例:轉換è重新編碼成不同變數è輸出變數(填入題項1)è輸出名稱(填入新題項1)è變更è

   

    

    

    

    

    

    

    

1-3.遺漏值檢查:

1.檢查問卷的填錯數值, ex超過5點量表或7點量表的數值:

例:分析è鈙述統計è次數分配表è變數(導入全部題項)è

統計量è勾選”平均數””最小值””最大值”è確定

1. 結果:檢查次數分配表(看總表的遺漏值.最小值.最大值),修正錯誤

   例:回到本表(先按欲尋找之行)編輯è尋找è尋找(輸入欲尋找之數值)è 修正

    

    

    

1-4、合併問卷、合併變數:

1. 合併問卷:

例:將第一份資料開啟è資料è合併檔案è新增觀查值è外部資料è瀏覽è檔案叫入

1. 合併變數:

例:資料è合併檔案è新增變數è外部…

二、描述性統計 :

2-1、次數分配表:

樣本人數分佈表需填表格如下:

表格: 樣本人數分佈表1(N=)

資料來源：本研究

例:分析è鈙述統計è次數分配表è變數(填入需人口統計資料如: 性別.年齡.學歷………等)

2-2、數值轉換成文字:

例:至下方的變數檢視è值è

改性別時ex:值è1è標記è男è新增è

            值è2è標記è女è新增è

其餘以此類推…

2-3、如何填寫人數分佈表:

例:看輸出檔:1.人數===>看次數

2.百分比===>百分比

三、因素分析 :

將大量問項精簡至最少的構面

3-1、因素分析:主要濃縮簡化資料

例:分析è維度縮減è因子è變數(將同一構面全部題項帶入做分析)è

1. 描述性統計量è勾選”單變量..””係數””顯著性水準””行列式””KMO與…球型檢定”è
2. 萃取è勾選”相關性矩陣””根據特徵值è1””收斂è25”è
3. 轉軸法è勾選”最大變異法è轉軸後的解(R)è
4. 分數è
5. 選項è勾選”完全””依據”è

    

   看結果:

1. 相關性矩陣:

   看題項間的相關性, 橫向及縱向間的相關性:+1完全相關

                                             -1完全不相關

     2.KMO > 0.5適合分析

     3.Bartlett的P值需<0.5表示顯著

     4.旋轉成份矩陣:看因素負荷量會由大到小自動排序

       

   PS.排序完成之後,即可作信度分析.

3-2、信度分析:

例:分析è尺度è信度分析è項目(將前因素分析的旋轉成份矩陣內,分析結果同一因素者帶入項目內)è

統計量è勾選”項目””尺度””刪除””平均數”無”è

看結果:

1. 可靠性統計量:α值(Alpha) > 0.7
2. 項目整體統計量:修正的項目總相關 > 0.5

   (若未大於0.5,需將題項剔除以縮減資料)

3. 將剔除完而留下的題項,再次重作因素分析&信度分析,需重跑至完全符合信度所需數值.
4. Ps: 重跑之後看變異數統計量累加 >60%

3-3如何填寫因素分析及信度分析彙整表(表2)

例:因素分析及信度分析彙整表(表2)

1. 因素負荷量:因數分析的轉軸後的成份矩陣的”元件數據”
2. 特徵值:因數分析的解說總變異量的”總數”
3. 累積解釋變異量% : 因數分析的解說總變異量的”累積%”
4. Item to Total:信度分析的項目整理統計量的”修正的項目總相關”
5. α值 : 信度分析的可靠性統計量的” Alpha (α值)”

四、變異數分析:

探討「旅遊人口統計變項」對「自變項」、「依變項」等構面的差異性。

4-1、題項加總:

  1.新構面平均值

例:轉換è計算變數è目標變數è輸入”新構面平均值”è數值運算式{將題項帶入做平均值,例:(題項1+題項2+題項3)/3} è

2.新構面總平均值

例:轉換è計算變數è目標變數è輸入”新構面總平均值”è數值運算式{將”新構面平均值”帶入做”總平均值”,例:( 新構面平均值1+新構面平均值2+新構面平均值3)/3}è

4-2、獨立樣本t檢定:

檢定變數為二時,如性別(男.女);婚姻(已婚.未婚)

例:分析è比較平均數法è獨立樣本tè檢定變數è帶入(新構面平均值1. 新構面平均值2…)è分組變數è帶入(性別)     (性別??)è定義組別è組別(1).群組(2)è

看結果:

1. 群組統計資料的N是樣本數
2. 看群組統計資料的平均數
3. 獨立樣本t檢定:看P值(顯著性)<0.05才表示顯著
4. 若不顯著,再看顯著性(雙尾)<0.05才表示顯著

    

4-3、單因子變異數分析(ANOVA):

      屬性:平均數差異檢定,檢定變數為二以上時(如:產業別.職業….)

      例:

1. 先做平均數,同4-1、題項加總.(P10)
2. 平均數之後,作控制變量:

   例:

   以產業別為例:

   è到變數視圖è產業別è值è

   數值代表     標籤

1. è製造業
2. è服務業
3. è高科技業

1. 前置作業完成之後,開始操作變異數分析(單因子變異分析):

   分析è比較平均法è單因子變異分析è依變數清單(同構面題項的新因數分析平均數全帶入)è因子(帶入控制變數如產業別)

   Post Hoc檢定è勾選”scheffe””Tamhane’s T2檢定”

   選項è勾選”描述性統計量””固定和隨機””變異數同質性”è

    

    

4-4、如何填寫單因子變異數分析摘要表(表3)

不同產業別的員工對知識管理能力之單因子變異數分析摘要表(表3)

看結果:

1. n : 描述性統計的樣本數
2. 平均值: 描述性統計的平均值
3. F值:變異數分析(ANOVA)表內的F值(＊要標在上方)
4. P值: 變異數分析(ANOVA)表內的顯著性

   ＊     P<0.05            ＊     T>1.96

   ＊＊   P<0.01            ＊＊   T>2.575

   ＊＊＊ P<0.001           ＊＊＊  T>3.29

5. Scheffe檢定: 無顯著”  - “

五、迴歸分析 :

    5-1、中介迴歸分析:

         主要用以分析「自變項」、「依變項」、「中介」、「干擾」之間

         關係，檢定是否具有影響。

         Ps:做中介迴歸分析之前,需先因素分析è信度分析è再加總(需每一構面的各同一信度平均值之後再同一構面總平均)

例:中介架構圖:

品牌形象(中介)在服務創新(自變項)對顧客滿意度(依變數)之中介效果分析

例:品牌形象在服務創新對顧客滿意度之中介效果分析摘要表4

. ^＊表示p<0.05; ^＊＊表示p<0.01;  ^＊＊＊表示p<0.001

.一.成立要件一:自變項對中介變項有顯著影響效果

.二.成立要件二:自變項對依變項有顯著影響效果

.三.成立要件三: 中介變項對依變項有顯著影響效果

.四.成立要件四:自變項與中介變項對依變項的迴歸模式

操作中介迴歸分析:

模式一:分析è迴歸è線性è依變項(帶入中介)è 自變項(帶入自變項)

è統計資料è勾選”估計…””模…””R平方…””描述性…””部份..””共線…”èè

(以下以此類推… )

模式二:分析è迴歸è線性è依變項(帶入依變項)è 自變項(帶入自變項)

模式三:分析è迴歸è線性è依變項(帶入依變項)è 自變項(帶入中介)

模式四:分析è迴歸è線性è依變項(帶入依變項)è自變項(中介及自變數)

看結果:

1.β值:系數的Beta分配

2.t 值: 系數的t 值

3.F值:變異數分析(Anova)的F值

4.R2值:模式摘要的R平方

5.△R2:模式摘要的R平方改變量

6.假說檢驗結果:看系數的顯著<0.05,若顯著請打”成立”

Ps: 模式四看β值,中介之後的數據,是否有影響,來決定”完全中介”或”部分中介”

5-2、干擾迴歸分析:

例:中介架構圖:

品牌形象(中介)在服務創新(自變項)對顧客滿意度(依變數)之干擾效果分析

干擾效果分析摘要表5

例: 品牌形象(中介)在服務創新(自變項)對顧客滿意度(依變數)之干擾效果分析表:

. ^＊表示p<0.05; ^＊＊表示p<0.01;  ^＊＊＊表示p<0.001

例:干擾作法有二種,今只作較簡單的Z標準化操作:

Ps:做干擾迴歸分析之前,需先將變數總平均,標準化分數(Z變數總平均):

1. Z自變數總平均:

   分析è描述性è變數(帶入自變數的總平均值)於下方的(勾選:Z變數總平均(此為標準化分數))è

2. Z干擾變數總平均:

   同上做干擾變數的標準化: 變數(帶入干擾變數的總平均值)èè

3. 做自變和干擾的交互項:

   轉換è計算變數è目標變數(輸入(標準化自變交互干擾))è數值表示值(帶入”Z自變數總平均”* “Z干擾變數總平均”)

4. 干擾迴歸:

   共有三種模型:

   模型一:自變數(第一層)vs依變數

   模型二:自變數(第一層)+干擾變數(第二層)vs依變數

       模型三:自變數(第一層)+干擾變數(第二層)+交互作用(第三層)vs依變數

   例:

   模型一:分析è迴歸è線性è依變數(帶入依變數總平均)è自變數(帶入”Z自變數總平均”)è統計資料勾選”估計值””模型””R 平方””描述性””部份與…””共線性”è

    

   模型二:同上,再於第二層的依變數(帶入Z干擾變數總平均)è

    

   模型三:繼續模型二,再於第三層的依變數(帶入標準化自變交互干擾總平均)è

5. 看結果:

1. β值:係數Bate值
2. t 值:係數t值(ps:交互項的T值>1.96才顯著
3. F值:變異數分析F值<0.05,顯著
4. R2值:模型摘要的R平方
5. △R2:模型摘要的R平方變更

六、姓名標籤貼:

6-1、製作姓名標籤貼紙:

適用於郵寄問卷或信件等的住址姓名貼.

使用軟體:word、Excel

例:

1. 首先將郵寄名單在Excel建檔,以備後續使用

2.打開word空白檔的版面配置, 將邊界皆設為2.5

3.再來製作表格,插入è表格è拖拉2*6的表格è確定

4.於表格右下角處向下拉至頁底,即成均等2*6格

5.將Excel 的通訊錄檔案帶入word檔與之合併:

郵件è啟動合併列印è一般word文件è

6.選取收件者è使用現有清單è將Excel的通訊錄檔案帶入

7.然後先將表格字型設於置中:

表格全選(ctrl+A)è按右鍵è表格內容è儲存格è置中è

8.在第一欄位先將第一筆資料帶入:

插入合併欄位è先後將郵遞區號.地址.姓名及編號帶入並喬好位置

9.預覽結果è

10.將第一欄位資料複製起來,貼至第二欄位

11.將第二筆資料帶入第二欄位:

規則è下一筆記錄è

12.將第二欄位資料拷貝,貼至全部欄位

同上:規則è下一筆記錄è



第一頁資料就全部帶過來了.

13.最終將資料全帶進來:

完成與合併è編輯個別文件è全部è確定