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….
- 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:
- 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
- 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:
- 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
- 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=)
人口統計變數 |
人 數 |
百分比 |
人口統計變數 |
人 數 |
百分比 |
||
性別 |
男 性 |
115 |
66.9 |
產業別 |
製造業 |
75 |
43.6 |
女 性 |
57 |
33.1 |
服務業 |
71 |
41.3 |
||
年
齡 |
20-30歲 |
18 |
10.5 |
高科技業 |
26 |
15.1 |
|
31-40歲 |
49 |
28.5 |
資
本
額 |
1億元以下 |
35 |
20.3 |
|
41-50歲 |
74 |
43.0 |
1-5億元 |
35 |
20.3 |
||
51-60歲 |
30 |
17.4 |
6-10億元 |
18 |
105 |
||
61歲以上 |
1 |
0.6 |
11-50億元 |
37 |
21.5 |
||
學
歷 |
高中(職)以下 |
4 |
2.3 |
51億元以上 |
47 |
27.3 |
|
專 科 |
14 |
8.1 |
成立年數 |
5年以下 |
12 |
7.0 |
|
大 學 |
78 |
45.3 |
6-10年 |
20 |
11.6 |
||
研究所以上 |
76 |
44.2 |
11-15年 |
25 |
14.5 |
||
職
級 |
基層主管 |
5 |
2.9 |
16-20年 |
20 |
11.6 |
|
中階主管 |
23 |
13.4 |
21年以上 |
95 |
55.2 |
||
高階主管 |
111 |
64.5 |
員 工 人 數 |
200人以下 |
58 |
33.7 |
|
其 他 |
33 |
19.2 |
201-500人 |
18 |
10.5 |
||
服務年資 |
未滿1年 |
13 |
7.6 |
501-1000人 |
33 |
19.2 |
|
1-5年 |
46 |
26.7 |
1001-1500人 |
13 |
7.6 |
||
6-10年 |
38 |
22.1 |
1501-2000人 |
6 |
3.5 |
||
11-15年 |
25 |
14.5 |
2001人以上 |
44 |
25.6 |
||
16年以上 |
50 |
29.1 |
|
|
|
|
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
- 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
- 萃取è勾選”相關性矩陣””根據特徵值è1””收斂è25”è
- 轉軸法è勾選”最大變異法è轉軸後的解(R)è
- 分數è
- 選項è勾選”完全””依據”è
看結果:
- 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:
- 可靠性統計量:α值(Alpha) > 0.7
- 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)
- 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.
- 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)
因 素 構 面 |
因 素 與 變 項 |
因 素 負荷量 |
特徵值 |
累積解釋 變異量% |
Item to Total |
α值 |
環境變動 |
5.在公司所處產業中,新技術/新服務開發的速度相當快 |
|
|
|
|
|
6.在公司所處產業中,新產品/新服務項目的上市速度相當快 |
|
|
||||
7.在公司所處產業中,新產品/新服務對舊產品/舊服務的影響很大 |
|
|
||||
8.在公司所處產業中,新產品/新服務的生命週期相當短 |
|
|
||||
環 境 不確定性 |
2.公司能輕易取得競爭者動態之資訊 |
|
|
|
|
|
3.公司能精確瞭解競爭者之競爭策略 |
|
|
||||
1.公司能輕易取得顧客需求之資訊 |
|
|
- 因素負荷量:因數分析的轉軸後的成份矩陣的”元件數據”
- 特徵值:因數分析的解說總變異量的”總數”
- 累積解釋變異量% : 因數分析的解說總變異量的”累積%”
- Item to Total:信度分析的項目整理統計量的”修正的項目總相關”
- 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:
- 群組統計資料的N是樣本數
- 看群組統計資料的平均數
- 獨立樣本t檢定:看P值(顯著性)<0.05才表示顯著
- 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:
- 先做平均數,同4-1、題項加總.(P10)
- 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
- è製造業
- è服務業
- è高科技業
- 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)
構面 |
知識管理能力 |
|||||
因素名稱 |
知識保護能力(平均值) |
知識取得能力 |
知識轉換能力 |
知識應用能力 |
知識管理能力 整體 |
|
平 均 值 |
(1)製造業 n=113 |
|
|
|
|
|
(2)服務業 n=146 |
|
|
|
|
|
|
(3)高科技業 n=208 |
|
|
|
|
|
|
F值 |
|
|
|
|
|
|
p值 |
|
|
|
|
|
|
Scheffe檢定 |
|
|
|
|
|
看結果:
- n : 描述性統計的樣本數
- 平均值: 描述性統計的平均值
- F值:變異數分析(ANOVA)表內的F值(*要標在上方)
- 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
變項 名稱 |
迴歸模式 |
|||||||
依變項 |
||||||||
品牌形象 (中介) |
顧客滿意度 (依變項) |
|||||||
模式一 |
模式二 |
模式三 |
模式四 |
|||||
β 值 |
t 值 |
β 值 |
t 值 |
β 值 |
t 值 |
β 值 |
t 值 |
|
服務創新(自變數) |
0.927 |
55.198 |
0.911 |
49.154 |
- |
- |
0.298 |
7.494 |
品牌形象(中介) |
- |
- |
- |
- |
0.937 |
59.719 |
0.661 |
16.624 |
F值 |
3046.78 |
2416.094 |
3566.312 |
2009.164 |
||||
R2值 |
0.860 |
0.829 |
0.878 |
0.890 |
||||
△R2 |
0.860 |
0.829 |
0.878 |
0.890 |
||||
假說檢驗結果 |
成立 |
成立 |
成立 |
成立 |
. *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:
變項名稱 |
迴歸模式 |
|||||
依變項 |
||||||
顧客滿意度(依變項) |
||||||
模式一 |
模式二 |
模式三 |
||||
β 值 |
t 值 |
β 值 |
t 值 |
β 值 |
t 值 |
|
服務創新(自變數) |
0.917 |
49.154 |
0.298 |
7.494 |
0.283 |
7.058 |
品牌形象(干擾) |
- |
- |
0.661 |
16.624 |
0.661 |
16.701 |
服務交互品牌(相乘) |
- |
- |
-0.037 |
-2.264 |
||
F值 |
2416.094 |
2009.164 |
1352.289 |
|||
R2值 |
0.829 |
0.890 |
0.891 |
|||
△R2 |
0.829 |
0.061 |
0.001 |
|||
假說檢驗結果 |
成立 |
成立 |
|
. *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):
- 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
- 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
- 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”)
- 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
- 看結果:
- β值:係數Bate值
- t 值:係數t值(ps:交互項的T值>1.96才顯著
- F值:變異數分析F值<0.05,顯著
- R2值:模型摘要的R平方
- △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:
- 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