SPSS、MPLUS硕士毕业论文数据处理完整步骤.pdf

数据处理完整数据处理完整步骤步骤 第一步第一步 数据编码及变量定义数据编码及变量定义 X 自变量 单维度用 X11 X12 多维度用 X11 X12 X21 X22 表示自变量第二个维度的 问题 M 中介变量 同定义 Y 因变量 W 调节变量 定义好变量后 数据统计前需要先对每一个变量的每一个维度求均值 然后对每一个变量求 均值 通过 spss 转换 计算变量可实现 第二步第二步 样本统计样本统计 分析 描述统计 频率 注意缺失值的处理 第三步第三步 信度分析信度分析 分析 度量 可靠性分析 如果是测量某一个变量的信度 则将所有题项加入进去 看得到的系数 如果测量某一个变 量的其中一个维度 也是将其中一个维度的题项加进去 看系数 第四步第四步 效度分析效度分析 2 df 越小表示模型的配适度越高 小于 5 可以接受 小于 3 代表处于比较理想的状 态 RMSEA 指数越小 代表模型的配适性越好 小于 0 1 代表可以接受 小于 0 05 代表处 于比较理想的状态 CFI TLI 和 IFI 指数这代表模型的契合度 取值范围在 0 与 1 之间 值越大越好 一般要求大于 0 9 1 1 结构效度 验证性因子分析 结构效度 验证性因子分析 只针对多维度的构念 对于多维度概念 如果维度分成 X1 4 个题项 X2 4 个题项 X3 4 个题项 那么对其进行结构效度分析 检验是单因子模型 二因子模型还是三因子模 型更好 单因子模型检验下步骤 文件在 D 盘 program files X86 Mplus 中 single cfa 第一步 打开Mplus 打开 单因子检验程序 打开该变量所有题项的数据 保存在txt中 这个文本文档命名可以命为 X Y M W 与之前的变量名一致 后面的 name 可以直接都用 X1 X12 第二步 单因子检验下 可以放入所有题项 X1 X12 点击 run 运行 可以保留完整的步骤 英文输入法下的 shift 1 前方加上感叹号即可停止运行该步骤 注意上下保持一致的定义 名称 第三步 找到需要的值 2 2 dfdf 2 2 df df RMSEARMSEA CFICFI TLITLI 2 2 Chi Chi Square Test of Model Fit Square Test of Model Fit valuevalue 值值 DfDf ChiChi Square Test of Model Fit Square Test of Model Fit Degrees of FreedomDegrees of Freedom 2 2 df df ValueValue 除以除以 dfdf RMSEA RMSEA 下一列即是下一列即是 CFI estimate 下一列即是 TLI 下一列即是 二因子模型 将 X1 X12 改成两步进行 x1 x4 x5 x12 运行即可 具体程序如下 TITLE 单个构念 多维度 的验证性因子分析 DATA FILE X txt VARIABLE Names are x1 x20 ANALYSIS ESTIMATOR ML MODEL X01 by x1 x4 X02 by x5 x12 X03 by x13 x18 X04 by x19 x20 X03 by x19 x20 OUTPUT Standardized Modindices 2 2 区分效度区分效度 检验区分效度 首先要将单维度数据进行打包处理 分成多维 单维度的分成两到三个 维度 多维度的按已有维度来即可 如 X1 X4 Y1 Y3 M1 M3 W1 W3 然后取每个维度题项 的平均值作为 X1 X4 等 即 X1 代表的是自变量第一个维度 4 个题项得分的平均值 Y1 代表 前两个题项 Y1 和 Y2 的平均值 首先分别对反馈规避行为的六个题项进行探索性因子分析 得到每个题项的因子载荷 然后根据因子载荷的大小对着六个题项进行排序 最后根据排序 将最高和最低的两个题项 打包为一组 次高和次低的打包为第二组 剩下中间的两个为第三组 从而完成对六个题项 的数据打包 一般是打包成 3 个维度 分析 降维 因子分析 选择单维度变量的所有题项 旋转 最大方差法 继续 看因子载荷 选择最大最小 组成一个维度 取平均值 次大次小依次打包 第五步第五步 共同方法偏差检验共同方法偏差检验 CWB CWB 步骤 分析 降维 因子分析 选取变量的所有题项加入到变量中 旋转 最大方差法 得 到特征值矩阵 可以查看特征值大于 1 的个数 以及第一个解释的变异量大小 第六步第六步 描述性统计描述性统计 分析 回归 双变量 确保每个变量的每个维度求出均值 每个变量也求出均值 分析 相关 双变量 可得到均值 标准差 相关系数 内部一致性系数 回归分析的 R 平方 R 平方变化都是显著的不用纠结 t 值 F 值看下一个表的值 显著性 如何在最后一列 第七步第七步 主效应检验主效应检验 回归分析回归分析 分析 分析 回归回归 线性 线性 分析 回归 线性 第八步第八步 中介中介检验检验 X Y X M M Y 引入 M 看 X Y 不显著则是完全中介 显著性降低则是部分中介 第九第九步步 调节效应检验调节效应检验 首先 自变量