SPSS分析报告实例

SPSS与数据统计分析期末论文

影响学生对学校服务满意程度的因素分析

一、 数据来源

本次数据主要来源自本校同学，调查了同学们年级、性别、助学金申请情况、生源所在地、学院、毕业学校、游历情况、家庭情况、升高、体重、近视程度、学习时间、经济条件、兴趣、对学校各方面的评价、与对学校总评价以及建议等共41条信息，共收集数据样本724条。我们将运用SPSS，对变量进行频数分析、样本T检验、相关分析等手段，旨在了解同学们对学校提供的满意程度与什么因素有关。

二、 频数分析

可靠性统计

克隆巴赫 Alpha

.985

项数 62

对全体数值进行可信度分析

本次数据共计724条，首先从可靠性统计来看，alpha值为0.985，即全体数据绝大部分是可靠的，我们可以在原始数据的基础上进行分析与处理。

其中，按年级来看，绝大多数为大二学生填写（占了总人数的67.13%），之后分别依次为大二（23.76%）、大四（4.14%）、大一（4.97%）。而从专业来看，占据了数据绝大多数样本所在的学院为机械、材料、经管、计通。

三、 数据预处理

拿到这份诸多同学填写的问卷之后，我们首先应对一些数据进行处理，对于数据的缺失值处理，由于我们对本份调查的分析重点方面是关于学生的经济情况的，因此对于确实的部分数据，升高、体重、近视度数、感兴趣的事等无关项我们均不需要进行缺失值的处理，而我们可能重点关注的每月家里给的钱、每月收入以及每月支出，由于其具有较强主观性，如果强行处理缺失值反而会破坏数据的完整性，因此我们筛去未填写的数据，将剩余数据当作新的样本进行分析。

而对于一些关键的数据，我们需要做一些必要的预处理，例如一些调查项，我们希望得到数值型变量，但是填写时是字符型变量，我们就应该新建一个数字型变量并将数据复制，以便后续分析。同时一些与我们分析相关的缺省值，一些明显可以看出的虚假信息，我们都需要先进行处理。而具体预处理需要怎么做，这将会在其后具体分析时具体给出。

四、 相关分析

通过这份数据，我们可以直观地看到，最终同学给出了对学校总体的评价，而到底是什么影响了同学们的评价呢？我们小组打算从同学们的总体评价入手，分析同学们的家庭经济情况、学习成绩以及学校的各类资源完备程度是否会对同学们的评价造成影响。

1.探讨经济因素对于同学们评价的影响

首先对我们所得到的全体数据进行初步分析，可以由“平均每月家里给多少钱”大致判断得出同学们的家庭经济情况。但是进一步进行统计，可以得出有很多同学并未填写该项调查，如果将未填写的数据均作为“0”进行处理，无疑将会对结果造成很大的影响，在这里，我们先利用筛选中的过滤变量，排除掉变量中的缺省值（初步筛选后得到的结果如左图所示）。在排除了缺省值的干扰之后，我们可以得到一份同学们填写的原始数据，但是粗略浏览不难发现，其中月生活费会有人填写“10000”或者“1”这类明显不符合事实的数据，因此我们还需进行二次筛选以增加最后结论的可信度。考虑到一般人在北京的月消费，我们将有效数据中，月生活费在500~4000区间的数据再一次进行筛选，得到了我们的最终数据。

得到了样本之后，我们需要先对样本进行初步的描述性统计，了解样本数据的大体特征，之后再进行正态分布检验，根据特征将每月生活费进行人为分类，用以检验家庭经济因素是否会对同学对学校各方面的评价造成影响。选中有效数据之后进行描述性统计，得到有效案例一共512个（总案例为724个），其中最小值为500，最大值为4000，平均值为1465.56，标准差为553.566。

描述统计

平均每月家里给多少钱（元）？

有效个案数（成列）

个案数

512 512 最小值

500 最大值

4000 平均值 1465.56 标准差 553.566

进一步绘制出有效数据的频数分布直方图。根据该分布直方图，我们计划将月生活费低于1000，月生活费介于1000与2000之间的与生活费高于2000的共三组，分别对应着经济条件较差、经济条件中等与经济条件较好三种情况。

将分完组的三份数据再一次做描述性统计，统计结果分别如下表所示。

相关性

总体上,您对本大学所提供的服

总体上,您对本大学所提供的服务是否满意？

皮尔逊相关性 显著性（双尾） 个案数

学生干部经验：

皮尔逊相关性 显著性（双尾） 个案数

务是否满意？

1 学生干部经验：

-.046 .299

512 -.046 .299 512 512 1 512

但是从直方分布图和相关性中显著性数值为0.299>0.05来看，学生对于学校的评价还是与是否有过学生干部经验没有关系。

结合上述已经考虑过的两点，我们能够得出的结论是同学们对于学校提供服务的满意程度，与学习的成绩也毫无关系。

那么除了学习与经济之外，还有什么能够影响到同学们的评价呢？我们还需要对其他被我们忽视的项目进行一次分析。

3.探讨其他因素对于同学们评价的影响

除了上述两个因素可能对同学们的评价造成影响外，一定还存在其他因素，能够影响着同学对学校提供服务的评价，在最后，我们对同学们对课程与教学、学习资源、休闲资源、综合管理服务、资助与收费、学业咨询、校园文化、学生和个人发展这八个方面的评价进行了分析并作出了相关的多元性回归预测，希望能够找到不同评价对最后综合评价的影响。

首先，由于课程与教学、学习资源、休闲资源、综合管理服务、资助与收费、学业咨询、校园文化、学生和个人发展这八方面的调查其下有分许多小项，为了之后计算的简便，这里将每一个大项求和之后求平均值，作为该项的一个代表数据，将求得的平均值在最后新增列，分别记为Q27~Q34.

模型摘要 模型 1 R .567 abR 方 .322 调整后 R 方 标准估算的误差 .311 .670 a. 预测变量：(常量), Q34, Q29, Q31, Q28, Q27, Q30, Q33, Q32 b. 因变量：总体上,您对本大学所提供的服务是否满意？

将上述资源建立线性预测模型，可以得到因变量b关于预测变量a的模型： b = a1*Q27+a2*Q28+a3*Q29+a4*Q30+a5*Q31+a6*Q32+a7*Q33+a8*Q34 其中，Q27~Q34如上述分别代表学生们对课程与教学、学习资源、休闲资源、综合

管理服务、资助与收费、学业咨询、校园文化、学生和个人发展这八个方面的综合评价，因变量 b 则为同学对大学中提供的服务的总评价。

模型中的 R 值为0.567，表示模型拟合度，说明56.7%的预测可用该模型实现预测。当其大于50%时，表示该拟合大致程度上能够描述自变量与因变量的关系。

ANOVA 模型 1 回归 残差 总计 平方和 107.266 225.810 333.076 自由度 8 503 511 均方 13.408 .449 F 29.867 显著性 .000 ba a. 因变量：总体上,您对本大学所提供的服务是否满意？ b. 预测变量：(常量), Q34, Q29, Q31, Q28, Q27, Q30, Q33, Q32

接上一步的后续操作，对模型进行显著性分析，茶籽料可得，当显著性sig小于0.005时即可保证模型成立。我们采集的样本中，由于显著性值sig为0，可见该模型非常可信。

系数 未标准化系数 模型 1 (常量) Q27 Q28 Q29 Q30 Q31 Q32 B 1.411 .211 -.136 .018 .041 .249 -.177 标准误差 .175 .067 .071 .047 .071 .072 .081 标准化系数 Beta t 8.059 3.151 -1.920 .373 .579 3.456 -2.171 显著性 .000 .002 .055 .709 .563 .001 .030 a .213 -.128 .022 .041 .238 -.172

Q33 Q34

.384 .034

.084 .069

.360 .031

4.579 .499

.000 .618

a. 因变量：总体上,您对本大学所提供的服务是否满意？

残差统计 a 预测值 残差 标准预测值 标准残差 最小值 1.99 -3.540 -3.958 -5.284 最大值 4.67 2.917 1.882 4.354 平均值 3.80 .000 .000 .000 标准偏差 .458 .665 1.000 .992 个案数 512 512 512 512 a. 因变量：总体上,您对本大学所提供的服务是否满意？

到最后，我们基本也已经可以得出我们的模型结果:

b = 0.211*Q27 – 0.136*Q28 + 0.018*Q29 + 0.041*Q30 + 0.249*Q31 – 0.177*Q32 + 0.384*Q33 + 0.034

*Q34 + 1.411

我们进一步的推论取得了一定的成果，至少在其他方面，同学们对提供服务的满意程度能够和其他一些对校园设施均相关。但是有趣的是，同学们的满意程度和大多数的设施均为正相关，而唯独与Q28、Q32呈负相关。查阅了资料之后，我们发现这是由于我们的数据存在多重共线性导致的，SPSS自带的多重共线性诊断也说明了这点。

共线性诊断 方差比例 模型 维 1 1 2 3 4 5 6 7 8 9 特征值 条件指标 (常量) Q27 8.866 .049 .024 .016 .012 .011 .010 .007 .006 1.000 13.481 19.100 23.882 27.202 28.998 30.005 35.871 38.936 .00 .13 .74 .00 .00 .00 .10 .02 .01 .00 .00 .04 .34 .01 .07 .53 .00 .02 Q28 .00 .00 .00 .02 .18 .34 .40 .02 .05 Q29 .00 .39 .11 .08 .31 .07 .03 .01 .00 Q30 .00 .02 .00 .00 .42 .55 .00 .01 .00 Q31 .00 .01 .03 .15 .00 .00 .03 .70 .07 Q32 .00 .01 .04 .03 .04 .00 .00 .12 .76 Q33 .00 .00 .01 .02 .01 .00 .02 .40 .53 Q34 .00 .00 .00 .18 .25 .21 .23 .12 .00 aa. 因变量：总体上,您对本大学所提供的服务是否满意？

正如上图所示，当特征值栏出现多个接近于0的值，或者条件指标栏出现多个大于10的值，这说明存在多重共线性。

为了消除多重共线性，我们先对每一项都进行了相关性分析，得到的结果让我们吃惊。

相关性

总体上,您对本大学所提供的服

总体上,您对本大学所提供的服务是否满意？

皮尔逊相关性 显著性（双尾） 个案数

Q27

皮尔逊相关性 显著性（双尾） 个案数

**. 在 0.01 级别（双尾），相关性显著。

务是否满意？

1 Q27 .482 .000 **

512 .482 .000 512 **

512 1 512

相关性

总体上,您对本大学所提供的服

总体上,您对本大学所提供的服务是否满意？

皮尔逊相关性 显著性（双尾） 个案数

Q28

皮尔逊相关性 显著性（双尾） 个案数

**. 在 0.01 级别（双尾），相关性显著。

务是否满意？

1 Q28 .404 .000 **

512 .404 .000 512 **

512 1 512

相关性 总体上,您对本大学所提供的服 总体上,您对本大学所提供的服务是否满意？ 皮尔逊相关性 显著性（双尾） 个案数 Q29 皮尔逊相关性 显著性（双尾） 个案数 **. 在 0.01 级别（双尾），相关性显著。 务是否满意？ 1 Q29 .364 .000 ** 512 .364 .000 512 **512 1 512

上面是相关性分析的部分图片，实际上，在对所有的变量进行相关性分析的过程中，显著性的值均为0.00，即各变量与同学对大学服务的满意程度具有着极强的正相关性，但是也许由于数值太少（只有1~5）的缘故，我们尝试了许多次均无法消除多重共线性，不过至少在相关性的分析中，我们已经寻找到了能够影响到学生评价的根本因素。

五、 总结

对于这个问题，我们首先从学生和学校两个角度提出了假设，分别是学生的家庭经济情况、自身的学习情况及学校提供的资源。

起初，我们认为经济情况的好坏，能够一定程度上影响学生对某样事物的看法与思维角度。诸如家境更加优越的同学拥有更多的资源与更开阔的视野，他们对于硬件的要求或许会比经济条件一般的同学更高。又诸如学习优异的可能需要更多的资源去提升自己，而学习成绩一般的同学或许会对现有资源感到知足。因此我们本以为这都是能够影响到学生对学校服务评价的因素。

然而真正地分析过同学们填写的问卷后，我们才发现现实和我们的假象相差甚远，经济条件好的同学并没有因为自己拥有的资源多便认为学校资源匮乏，而学习成绩优秀的人也乐于接受学校提供的服务，从我们的结论上来看，同学们对学校提供服务的评价，并没有因为不同的人而有所显著的不同，那么，是否影响到评价的因素正是学校呢？

幸好在这一点上，我们的猜想与事实没有偏离太远。虽然由于一些问题，导致的多重共线性不能很好评价影响评价的各方面的权重，但是相关性的分析给出的事实是，学校自身所提供的资源最直接地影响到了学生们的评价。就这方面开来，学校想要获得更多人的满意，想要争取到更优秀的资源，还是需要从自身软硬件水平出发，提高校园的学术环境、服务素质、休闲资源，让更多的人达到满足。

然而真正地分析过同学们填写的问卷后，我们才发现现实和我们的假象相差甚远，经济条件好的同学并没有因为自己拥有的资源多便认为学校资源匮乏，而学习成绩优秀的人也乐于接受学校提供的服务，从我们的结论上来看，同学们对学校提供服务的评价，并没有因为不同的人而有所显著的不同，那么，是否影响到评价的因素正是学校呢？

幸好在这一点上，我们的猜想与事实没有偏离太远。虽然由于一些问题，导致的多重共线性不能很好评价影响评价的各方面的权重，但是相关性的分析给出的事实是，学校自身所提供的资源最直接地影响到了学生们的评价。就这方面开来，学校想要获得更多人的满意，想要争取到更优秀的资源，还是需要从自身软硬件水平出发，提高校园的学术环境、服务素质、休闲资源，让更多的人达到满足。

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