SPSS的資料處理一般分作兩部份,分別為Coding以及Clean,其特性如下:

 

 

1          Coding的目的在於辨識內部資料(告訴電腦你的編號是什麼意義),一般而言,將問卷的題目以及該題選項coding在資料內,利於使用者在處理過程中,容易辨識該欄位所代表的題目意義,以及內涵的選項涵意。Coding的程序一般有:

1.1         確認變數檢視的變數類型(Type)已經正確,沒有數值型(Numeric)誤認為字串型(String

1.2         除字串型變數之外,其餘變數Missing欄已打上99999899皆可),代表若該題出現遺漏值,則輸入「999」的數字作為代表遺漏值。

1.3         定義題目的數值(Value),1是什麼…2是什麼

1.4         定義題目的註解(Label),因為有時候題目本身內容太長,Name我們會習慣用代號,但「註解」則可輸入最詳盡的資訊,以幫助我們作分析時從報表讀取結果。

Coding完畢後,接著就要進行clean的動作。

 

 

2          Clean的目的在於清除資料內不合理的狀況,

2.1         遺漏值:在量表的設計中若出現遺漏值,可以利用進行填補,例如眾數、平均數或用迴歸法補值;若是類別變項中出現遺漏值一般不建議填補,可當作遺漏值處理

2.2         異常值:該題選項為15,而資料內卻出現6的選項,此時應該找出該問卷,進行確認,瞭解是否輸入錯誤或者是受訪者填寫錯誤,若是受訪者填寫錯誤則將該題定義為遺漏值

2.3         針對受訪者太多無填或者亂答的狀況進行處理,若是太多無填答(約50%的問卷數量未填答),此者歸為廢卷,廢卷標準可由研究者自訂

2.4         至於系統性填答,則可利用標準差進行判斷,某受訪者在該量表的標準差若為0,代表受訪者填答的選項都一樣,研究者可以考慮歸為廢卷。

 

 

3          SPSS軟體內部的clean

3.1         利用信度分析的「項目與總分相關」檢查有無反向題,若有反向題則要重新編碼作為新的反向題變項。

3.2         確認是否量表分數越高代表程度越高、越同意,若並非如此則需要將各題轉換為反向題再重新計分

 

經由上述步驟,可以讓使用者在處理資料更加清楚每個題目的意義,也可確保資料的正確性,降低分析的錯誤率。

arrow
arrow
    全站熱搜

    晨晰部落格新站 發表在 痞客邦 留言(1) 人氣()