今天將繼續通過SPSS給大家講解主因子分析、最佳尺度回歸分析二種方式。

【資料圖】

一、主因子分析

所謂主因子分析就是對調查問卷各個指標進行主因子分析，并篩選出對論文有用的指標。比如這里使用教師滿意度評分數據，總共包括10個教師，共30條數據，部分數據展示如下圖所示。

點擊SPSS頂部菜單欄“分析”-“降維”-“因子”，即可打開因子分析窗口。將全部指標加載到變量文本框，并且點擊描述按鈕，勾選相關性矩陣項目下的“KMO和巴特利特球形度檢驗。

點擊因子分析右側的“旋轉”按鈕，選擇直接斜交法或者最優斜交法。

看到KMO和巴特利特檢驗，如果KMO取樣適切性量數小于0.6則不適合進行因素分析。可以看到它值為0.633大于0.6，說明可以進行因素分析。

通過上面驗證說明該數據可進行因素分析。總方差解釋分析，9個問題抽取了4個因素，4個共同因素的累積量67.697%。

二、最佳尺度回歸分析

回歸分析按照變量連續與否來劃分的話，可以分為兩種：一是連續變量的回歸分析，主要運用線性回歸和邏輯回歸。二是不連續變量的回歸分析，主要是使用最佳尺度回歸分析。

比如一個衣服品牌為了解消費者對本品牌滿意度情況，收集到了消費者的滿意度、婚姻狀況、性別、年齡以及月收入等數據。其中滿意度分為三個檔次（1表示不滿意、2表示一般滿意、3表示滿意），婚姻狀況（1代表未婚，2代表已婚），性別（1代表男性、2代表女性），年齡有七個等級，月收入有4個等級，部分數據展示如下圖所示。

點擊SPSS頂部菜單欄“分析”-“回歸”-“最佳標度”，即可打開分類回歸窗口。將滿意度加載到因變量文本框，定義標度為有序；性別、婚姻狀況、年齡、月收入加載到自變量文本框，并且將因變量定義標度為有序。

點擊右側選項按鈕，并且初始配置項目中勾選“多個系統性掛起點”。

點擊右側保存按鈕，勾選轉換后變量模塊的“將轉換后變量保存到活動數據集”。

點擊右側圖按鈕，將4個自變量加載到轉換圖文本框。

查看“ANOVA”項目，可以看到，顯著性值小于0.01，即說明小于0.05，即至少有一個自變量對因變量滿意度有顯著影響。

查看“系數”項目，可以看到月收入對因變量滿意度有顯著影響。

三、小結

以上是給大家講解了畢業論文問卷調查數據分析的兩種方式，分別是主因子分析和最佳尺度回歸分析，從主因子分析我們可以確定哪些指標對于論文寫作有作用，從最佳尺度回歸分析可以得到哪些自變量對因變量有顯著性影響。