

## 写在前面

SPSS 的教程网上很多，但大部分是"功能说明书"式的写法——告诉你每个菜单是干什么的，却不告诉你实际做项目时这些功能怎么串起来。

这篇文章用一个完整的分析案例，记录从拿到原始问卷数据到产出一份规范分析报告的全过程。不追求覆盖所有功能，而是把一条真实的工作流跑通。

软件环境：SPSS Statistics 27。安装包可以从 spss.ijinshan.com 获取，IBM 官方也提供 14 天全功能试用。
![屏幕截图 2026-07-10 164151.png](https://developer.qcloudimg.com/http-save/yehe-11953936/a82777642f6b02f1a26d9b867a9b9b8a.png)
---

## 案例背景

某高校教学改革项目，对三个平行班分别采用了三种教学方法（讲授法、案例法、混合法），学期末采集了以下数据：

- 学生基本信息：学号、性别、专业类别
- 前置成绩（上学期 GPA）
- 出勤次数（共 16 次课）
- 期末考试成绩（满分 100）
- 一份 15 题的学习满意度问卷（5 点 Likert 量表）

研究问题：
1. 三种教学方法下的期末成绩是否有显著差异？
2. 出勤率、前置成绩能否预测期末成绩？
3. 满意度问卷的信度是否达标？

---

## 第一步：数据编码与录入

拿到纸质问卷或在线表单导出数据后，第一步不是打开 SPSS 分析菜单，而是先把原始数据整理成 SPSS 能正确识别的格式。

### 编码方案

| 变量名 | 含义 | 类型 | 编码规则 |
|--------|------|------|----------|
| ID | 学生编号 | 字符串 | 学号原值 |
| Gender | 性别 | 数值（名义） | 1=男, 2=女 |
| Major | 专业类别 | 数值（名义） | 1=理工, 2=文史, 3=经管 |
| Method | 教学方法 | 数值（名义） | 1=讲授法, 2=案例法, 3=混合法 |
| PreGPA | 前置成绩 | 数值（刻度） | 保留两位小数 |
| Attend | 出勤次数 | 数值（刻度） | 0-16 |
| Final | 期末成绩 | 数值（刻度） | 0-100 |
| Q1~Q15 | 满意度各题 | 数值（有序） | 1=非常不满意, 5=非常满意 |

### 在 SPSS 中建变量

打开 SPSS，左下角切到"变量视图"标签页，逐行建好变量。这一步耗时约 10-15 分钟，但磨刀不误砍柴工——变量属性设对了，后面分析不会出奇奇怪怪的报错。

三个容易搞错的地方：
- **"测量"列**：Gender、Major、Method 选"名义"，Q1~Q15 选"有序"，PreGPA、Attend、Final 选"刻度"。
- **"值"列**：给分类变量写好标签（如 Gender 的值标签：1=男, 2=女），这样输出结果里直接显示"男""女"而不是"1""2"。
- **缺失值**：如果问卷有"未作答"情况，在"缺失"列定义缺失值编码（如 999），避免 SPSS 把 999 当有效数据参与计算。

---

## 第二步：数据导入与初步检查

### 导入

```
文件 → 打开 → 数据 → 选择 Excel 文件
```

如果 Excel 第一行是变量名，勾选"从第一行读取变量名称"。工作表如果有多张，确保选的是数据所在的那张。

导入完成后打开数据视图，快速浏览前 20 行和后 20 行，确认数据没有偏移或丢失。

### 数据质量初步筛查

跑三个快速检查：

**① 频率分布（发现异常编码）**

```
分析 → 描述统计 → 频率
```

把所有分类变量（Gender、Major、Method）加入变量列表。查看输出中的频数表——如果有某个编码出现了但你不认识（比如 Gender 出现了 3），说明录入有误，回原始数据排查。

**② 描述统计（发现异常值）**

```
分析 → 描述统计 → 描述
```

把连续变量（PreGPA、Attend、Final）加入变量列表，勾选"最小值"和"最大值"。检查 Attend 的最小值是否在 0-16 之间，Final 是否在 0-100 之间。如果最小值或最大值超出了合理范围，说明数据录入有误。

**③ 缺失值检查**

同样是"频率"功能，每个变量输出中都有"缺失"计数和百分比。如果某个变量缺失率超过 30%，后续分析需要考虑剔除这个变量，或者在论文里说明缺失原因和处理方式。

---

## 第三步：数据清洗

经过初步检查，假设发现了以下问题：

| 问题 | 处理方式 |
|------|----------|
| 学号 20240105 的 Final 为 105（超出满分） | 核实后修正为正确值；无法核实则标记为缺失 |
| Major 有 3 条缺失 | 数据量较大（N=120），缺失率 2.5%，选择保留但标注 |
| Q8 是反向题（满意度问卷中设了反向计分） | 使用"转换 → 重新编码"将分值反转 |

### 反向题编码实操

Q8 的原题为"我对本课程的学习体验感到困惑"，这是一个反向描述。原始编码 1=非常不同意, 5=非常同意。需要反转为 1→5, 2→4, 3→3, 4→2, 5→1。

```
转换 → 重新编码为不同变量
```

- 输入变量：Q8
- 输出变量：Q8_r（新变量名）
- 点击"旧值和新值"，逐一设置映射关系
- 执行后在变量视图中给 Q8_r 写好标签："Q8（反向计分已反转）"

---

## 第四步：信度分析（满意度问卷）

在进行后续分析之前，先检验问卷本身的可靠性。

```
分析 → 标度 → 可靠性分析
```

把所有满意度题项（Q1~Q7 和 Q8_r~Q15，排除已反转前的 Q8）加入项目列表。模型选"Alpha"。

### 结果解读

**可靠性统计表：**

| Cronbach's Alpha | 项数 |
|------------------|------|
| 0.847 | 15 |

α = 0.847 > 0.8，说明内部一致性良好，问卷信度达标。

**项总计统计表：**

查看"删除项后的 Cronbach's Alpha"列。如果删除某道题后 α 值明显提高（比如从 0.847 跳到 0.89），说明这道题可能跟其他题项不太一致，考虑在正式分析中剔除。本例中所有项的删除后 α 都在 0.82-0.85 之间波动，说明15道题整体一致性较好，无需剔除。

---

## 第五步：描述性统计

先对核心变量做一个整体画像。

### 分类变量

```
分析 → 描述统计 → 频率
```

输出 Gender、Major、Method 的频数分布表。在论文中通常报告样本的性别比例、专业分布和各组人数。

### 连续变量

```
分析 → 描述统计 → 探索
```

将 Final 和 PreGPA 放入因变量列表，Method 放入因子列表。点击"图"，勾选"含检验的正态图"。

这一步同时获得了：
- 各组均值、标准差
- 正态性检验结果（Shapiro-Wilk）
- 箱线图（直观展示分布和离群点）

三个组（讲授法、案例法、混合法）的 Shapiro-Wilk 检验 p 值均大于 0.05，说明各组数据近似正态分布，满足后续方差分析的前提条件。

---

## 第六步：核心分析——单因素方差分析

回应研究问题 1：三种教学方法的期末成绩是否有显著差异。

```
分析 → 比较平均值 → 单因素 ANOVA
```

- 因变量：Final
- 因子：Method
- 事后比较：勾选 LSD（方差齐时）和 Tamhane's T2（方差不齐时）
- 选项：勾选"方差齐性检验"和"描述"

### 结果解读

**方差齐性检验：**
Levene 统计量 = 1.23, p = 0.295 > 0.05。方差齐性假设成立。

**ANOVA 表：**

| 来源 | SS | df | MS | F | p |
|------|-----|-----|-----|---|---|
| 组间 | 1842.6 | 2 | 921.3 | 8.472 | **<0.001** |
| 组内 | 12721.4 | 117 | 108.7 | | |
| 总计 | 14564.0 | 119 | | | |

F(2, 117) = 8.472, p < 0.001, η² = 0.127。三种教学方法的期末成绩存在显著差异，教学方法的效应量为中等偏小。

### 事后比较

LSD 事后检验结果：

| 对比 | 均值差 | p |
|------|--------|-----|
| 案例法 vs 讲授法 | 8.32 | **<0.001** |
| 混合法 vs 讲授法 | 6.15 | **0.012** |
| 案例法 vs 混合法 | 2.17 | 0.347 |

案例法显著优于讲授法，混合法显著优于讲授法，但案例法与混合法之间差异不显著。

### 这一段写到论文里

> 以教学方法为自变量、期末成绩为因变量进行单因素方差分析。Levene 检验显示方差齐性假设成立（F=1.23, p=0.295）。方差分析结果表明，不同教学方法的期末成绩存在显著差异，F(2,117)=8.472, p<0.001, η²=0.127。LSD 事后比较显示，案例法（M=78.35, SD=9.21）显著优于讲授法（M=70.03, SD=11.47, p<0.001），混合法（M=76.18, SD=10.05）也显著优于讲授法（p=0.012），但案例法与混合法之间差异不显著（p=0.347）。

---

## 第七步：回归分析

回应研究问题 2：出勤率和前置成绩能否预测期末成绩。

```
分析 → 回归 → 线性
```

- 因变量：Final
- 自变量：PreGPA、Attend
- 方法：输入
- 统计：勾选"共线性诊断"

### 结果解读

**模型摘要：**

| R | R² | 调整 R² |
|---|-----|---------|
| 0.687 | 0.472 | 0.463 |

**ANOVA：**
F(2, 117) = 52.30, p < 0.001。模型整体显著。

**系数表：**

| 变量 | B | SE | β | t | p | VIF |
|------|---|-----|---|---|---|---|
| (常量) | 22.15 | 5.43 | | 4.08 | <0.001 | |
| PreGPA | 12.80 | 1.96 | 0.488 | 6.53 | <0.001 | 1.02 |
| Attend | 1.85 | 0.38 | 0.364 | 4.87 | <0.001 | 1.02 |

VIF 均为 1.02，不存在共线性问题。前置成绩和出勤次数均能显著正向预测期末成绩，共同解释期末成绩 46.3% 的变异。

### 回归方程

Final = 22.15 + 12.80 × PreGPA + 1.85 × Attend

解释：前置 GPA 每提高 1 分，期末成绩预期提高 12.80 分；每多出勤 1 次，期末成绩预期提高 1.85 分。

---

## 第八步：生成分析报告

### 导出方式

SPSS 的输出窗口默认保存为 `.spv` 格式。如需嵌入论文或发给导师/同事，两种方式：

**方式一：导出为 Word**
```
文件 → 导出 → 选择 Word/RTF 格式
```
先在输出窗口 Ctrl+点击选中需要的表格和图表（避免导出冗余内容），再执行导出。

**方式二：手动整理**
对于正式论文，建议从 SPSS 输出窗口逐个表格复制数据到 Word 中，按 APA 或学校要求的格式重新制表。SPSS 默认的表格式通常不符合论文规范，需要手动调整。

### 报告结构建议

一份完整的数据分析报告通常包含：

1. **样本描述**：有效样本量、性别分布、专业分布、各组人数
2. **描述性统计**：核心变量的均值、标准差、最小值、最大值
3. **信度检验**：问卷 Cronbach's α 系数
4. **假设检验**：按研究问题逐一报告分析方法、检验结果和效应量
5. **结论与讨论**：对结果的解释和研究意义

---

## 整个流程回顾

```
原始数据 → 编码录入 → 初步检查 → 数据清洗 → 信度检验 → 描述统计 → 假设检验 → 结果导出 → 分析报告
```

SPSS 的关键不在于知道每个菜单在哪，而在于理解每一步的目的。比如"为什么先做描述统计再做假设检验"——因为你需要先了解数据的基本特征，确认是否满足所选用统计方法的前提条件。跳过前置检查直接跑检验，结果可能站不住脚。

---

## 常见卡住的地方

| 问题 | 原因 | 解决 |
|------|------|------|
| T 检验/ANOVA 菜单灰色点不了 | 因变量类型设为"字符串"而非"数值" | 变量视图改类型为数值 |
| 方差分析结果显著但组均值看起来差不多 | 没做事后比较 | ANOVA 对话框点"事后比较"选一个方法 |
| 回归 R² 很低（<0.2） | 可能是遗漏了重要自变量或变量间不是线性关系 | 考虑增加变量或尝试非线性模型 |
| 信度 α 很低（<0.6） | 题项设计有问题或样本量太小 | 看"删除项后 α"找问题题项 |
| 导入 Excel 中文乱码 | 编码不匹配 | 编辑→选项→常规→字符编码改为"Locale的写入系统" |

---

如果这篇文章对你处理论文数据有帮助，欢迎分享给同组同学。软件环境方面，SPSS Statistics 27 可以从 spss.ijinshan.com 获取，IBM 官网也提供免费试用。后续会更新因子分析和非参数检验的专题，可以留意。


SPSS 的教程网上很多，但大部分是"功能说明书"式的写法——告诉你每个菜单是干什么的，却不告诉你实际做项目时这些功能怎么串起来。

SPSS 数据分析完整工作流：从原始数据到分析报告的全过程记录

大数据

职业发展

新闻资讯

SPSS数据分析全流程实战教程：从问卷录入到报告生成。通过真实教学案例，详解数据编码、清洗、信度检验、方差分析和回归分析等核心步骤。掌握SPSS操作技巧，解决分类变量设置、反向题处理、结果导出等常见问题。适合科研论文和项目报告的数据分析需求，提供完整可复用的分析框架。

数据分析

数据清洗

代码解释

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

SPSS 数据分析完整工作流：从原始数据到分析报告的全过程记录-腾讯云开发者社区-腾讯云

SPSS 数据分析完整工作流：从原始数据到分析报告的全过程记录

SPSS 数据分析完整工作流：从原始数据到分析报告的全过程记录

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐