网站app用户满意度SPSS调查分析报告论文 附代码数据

【原创】报告论文（附代码数据） 有问题到淘宝找“大数据部落”就可以了

网站app用户满意度调查分析报告

(一)描述性分析

通过正式调查搜集到了115份有效数据，其中个人信息包括性别、年级、文化程度、月收入等，通过个人信息数据，我们可以对调查对象有一个初步了解，确保样本具有较高的代表性，具体数据见表1所示。

表1 个人信息频数分布表

性别 百分频取值 数 （%） 大专 男 61 53.04 本科 硕士女 54 46.96 及以上 16 13.91 大四 40 34.78 8000以上 28 24.55 5次及以上 10 8.7 66 57.39 大二 大三 11 38 9.57 33.04 2000~4000 4001~6000 6000以上 31 29 14 29.96 25.22 12.17 2次 3次 4次 45 22 9 39.13 19.13 7.83 33 比取值 数 （%） 28.7 大一 7 频比取值 数 （%） 6.09 小于2000 13 学历 百分频比取值 数 （%） 11.3 1次及以下 29 （%） 25.22 年级 百分频比取值 数 比家庭月收入 百分旅游次数 频百分从被调查者的个人信息频数分布表可以看出，本次调查中各个年级、旅游次数、文化程度、收入阶层都有涉及到，提高了样本的代表性。

(二)信度检验

问卷信度是指调查结果反映的与实际情况的一致性或稳定性，即反映被调查对象真实程度的指标。在本文中采用了Cronbach?信度系数法。

将调查数据导入到SPSS中，得到总量表的信度系数为0.964，代表整个问卷的信度较好。

表2 调查问卷的信度分析表

Cronbach’s Alpha 0.964 项数 25 (三)效度检验

调查问卷的效度检验是指对问卷测量结果的有效性的分析，即调查资料反映客观现实程度的检验。

结构效度是指测量结果包含的各个属性与总体属性在结构上的一致性，结构效度利用因子分析的方法从量表中提取一些公因子，并且这些公因子分别与特定 变量高度相关，代表了量表的基本结构。

首先，对调查数据进行KMO采样充足性检验和Bartlett球体检验，表3是KMO测度和Bartlett球体检验结果。KMO是Kaiser-Meyer-Olkin的取样适当性度量，当KMO值越大时，表示变量间的共同因素越多，越适合进行因子分析。一般认为KMO如小于0.5，则不适合进行因子分析。该表结果显示，KMO值为0.927，适合作因子分析，效度检验通过

【原创】报告论文（附代码数据） 有问题到淘宝找“大数据部落”就可以了

表3调查数据的KMO 和 Bartlett 的检验 取样足够度的Kaiser-Meyer-Olkin度量 Bartlett的球形度检验 近似卡方 df Sig 0.927 2447.228 300 0.000 (四)相关分析

表4 满意度与各个变量的相关关系

网站app内容 旅游app系统 网站app处理问题速度 网站app自身特性 相关系数 0.484** 0.475** 0.442** 0.497** 显著性 0.000 0.000 0.000 0.000 由表4可知，在显著性水平为0.01下，满意度与各个变量相关性均显著，且相关系数分别为0.484、0.475、0.442和0.497。

(五)回归分析

（1）满意度与各个变量的回归

由相关分析知道，满意度与各个变量相关性均显著，所以以满意度为因变量，以各个维度为自变量进行回归，回归结果如下， 表5 模型汇总 模型 R 0.525a R 方 0.275 调整 R 方 0.262 标准估计的误差 0.68808 由表5可知，模型调整后的R2为0.262.

表6 Anovab 模型 回归 残差 总计 平方和 20.139 53.027 73.165 df 2 112 114 均方 10.069 .473 F 21.268 Sig. 0.000 表6为F检验，F值对应的显著性为0.000，所以认为在显著性水平为0.05下，各个变量总体与满意度的线性关系显著。

本文来源：https://www.bwwdw.com/article/0kyw.html