研究生必备：手把手教你SPSS分析，毕业论文轻松过

如果你是正在熬大夜改问卷、赶毕业论文数据分析的研究生，相信你一定懂这种崩溃：

导师一句话“你的数据结果不对，重新分析”，直接把你半个月的努力打回原形；对着SPSS满屏的英文菜单点来点去，不知道选哪个分析方法；问卷回收了几百份，却不知道该用什么检验，出来的结果p值不对全白做；辛辛苦苦做出来的图表，导师说不规范要重改，离查重答辩只剩一周还卡在这里……

作为一个帮三个室友改完SPSS数据分析、自己靠这套流程一次通过盲审的老研究生，今天给你出保姆级手把手SPSS分析教程，从数据录入到结果解读全给你讲明白，看完就能直接上手用，帮你把毕业论文的数据分析这关稳稳过掉。

很多同学刚打开SPSS就懵：我到底该选什么分析方法？选错了不仅结果不对，还会被导师说“逻辑不严谨”。我整理了社科、经管、教育、公卫这些文科/社科研究生毕业论文最常用的分析方法，你可以直接对着自己的研究内容对号入座：

是不是一下就清晰了？确定好你要用的方法，我们接下来一步步操作，从数据录入开始讲。

很多同学数据分析出错，其实根本不是分析方法错了，是一开始数据录错了格式，后面怎么跑结果都是错的。我给你说几个SPSS录入必须记住的规则：

打开SPSS你会看到底部有「变量视图」和「数据视图」两个标签，先点进变量视图设置，每一行代表一个变量，核心要改的就是这几个选项：

• 名称：用英文/拼音，不要打中文，不要有空格，比如“性别”就设成`gender`，“年龄”就是`age`，方便后面找变量；
• 类型：一般选「数值」就行，如果是开放性文本题才选「字符串」；
• 标签：这里可以填中文，比如`gender`的标签就写“性别”，输出结果的时候会显示，方便你看；
• 值：这里是给分类变量赋值用的！比如性别，1=男，2=女，点「值标签」里设置，这样你后面看结果就知道1和2分别代表什么，千万不要偷懒不设，到时候自己都搞混；
• 度量标准：这个一定要选对！很多新手错在这里：
• 连续变量（比如年龄、得分、身高）选「标度」；
• 有序分类变量（比如学历：1=专科，2=本科，3=研究生）选「有序」；
• 无序分类变量（比如性别：1男2女，专业：1文科2理科3工科）选「名义」。

设置完变量，切到数据视图，记住一句话：一行就是一个样本，一列就是一个变量。

举个例子：你回收了300份问卷，那你的数据就是300行，不会错，千万不要把同一个人的多个数据拆成几行，也不要把多个变量挤在同一列，这样后面根本没法分析。

还有一个小技巧：录入完先点「分析→描述统计→频率」，把所有分类变量跑一遍频率，看看有没有异常值——比如性别最大是3，那肯定是你录错了，提前改好比最后结果不对再翻数据轻松一百倍。

接下来就是核心操作环节了，我把毕业论文里用得最多的几个分析，一步一步截图逻辑给你理清楚，你跟着点就行。

几乎所有用到量表的毕业论文，第一步都要做信度检验，最常用的就是克隆巴赫α系数，操作步骤：

1. 打开SPSS，点击顶部菜单：分析→度量→可靠性分析（分析）

2. 把你问卷里所有维度的题目，全部选进「项目」框里（如果要分维度算信度，就一个维度一个维度放进去做）

3. 模型默认选「α」就行，不用改；然后点「统计」，勾选「相关性」「项之间的统计量」，继续点确定。

直接看输出表里的「Cronbach α系数」，标准是：

• α > 0.8：信度很好，完全合格，可以用；
• 0.7 < α < 0.8：信度可以接受，一般文科论文这个程度就过了；
• 0.6 < α < 0.7：信度一般，最好修改删除一些载荷低的题目；
• α < 0.6：信度不合格，你的问卷有问题，要么重新发要么调整题项。

如果你的信度不够怎么办？看「项已删除的α系数」这一列，哪道题删除后α提升明显，就把这道题删掉重新算，一般删个1-2道就能达标。

描述性统计就是用来展示你的样本基本情况，比如性别、年龄、专业分布，是毕业论文里必放的内容，操作非常简单：

1. 点击：分析→描述统计→频率

2. 把你要展示的人口统计学变量（性别、年龄、学历、专业这些）选进变量框；

3. 点「图表」，可以勾选「条形图」或者「饼图」，方便你放在论文里展示，点确定就出结果。

一般结果整理成表格放在论文里，就像这样：

如果是连续变量，比如年龄，就用描述统计输出平均值和标准差：操作就是分析→描述统计→描述，把年龄放进去，出来结果里的均值和标准差直接用就行，一般写“本次调查样本平均年龄为21.35±2.14岁”就可以。

做“不同X对Y的差异”这类研究，差异分析是核心，我分两种情况说：

适用场景：分类自变量是两组（比如性别：男/女，是否独生子女：是/否），因变量是连续变量（比如抑郁得分、学习倦怠得分），操作步骤：

1. 点击：分析→比较平均值→独立样本T检验

2. 把你的连续因变量放到「检验变量」框，把你的二分类自变量放到「分组变量」框；

3. 点「定义组」，输入你之前设置好的分组值（比如1和2），点继续→确定，就出结果了。

第一步先看莱文方差齐性检验的显著性（p值）：

• 如果p > 0.05：说明方差齐，看第一行“假设方差相等”的t值和p值；
• 如果p < 0.05：说明方差不齐，看第二行“不假设方差相等”的t值和p值；

然后看显著性p值：p < 0.05说明两组差异显著，p > 0.05说明差异不显著。

举个例子：我们做不同性别大学生焦虑得分差异，莱文检验p=0.235>0.05，看第一行p=0.012<0.05，就说明不同性别大学生焦虑得分存在显著差异，女生得分显著高于男生，这样写进论文就对了。

如果你是做干预研究，比如干预前测一次，干预后测一次，或者同一批人做两种不同实验处理，就用配对样本t检验，操作更简单：

1. 点击：分析→比较平均值→配对样本T检验

2. 把前测和后测两个变量成对选进去，放到「成对变量」框里，点确定就可以。

结果直接看配对样本检验的p值：p<0.05说明前后差异显著，干预有效；p>0.05说明差异不显著，干预没效果。

如果你的自变量分了三组及以上，比如年级分为大一大三大四，学历分为专科本科研究生，就用单因素方差分析，操作：

1. 点击：分析→比较平均值→单因素ANOVA检验

2. 因变量（连续变量）放到「因变量列表」，自变量（多分类变量）放到「因子」；

3. 点「事后比较」，勾选「LSD」和「塔姆黑尼T2（Tamhane's T2）」——为什么选两个？因为如果方差齐用LSD，不齐用塔姆黑尼，都选上就不用再跑一遍了；

4. 点「选项」，勾选「描述性」「方差齐性检验」，点继续→确定。

第一步先看方差齐性检验的p值：

• p>0.05：方差齐，看ANOVA表的p值，如果ANOVA的p<0.05说明整体差异显著，然后看LSD的事后多重比较结果，看哪两组之间差异显著；
• p<0.05：方差不齐，看韦尔奇检验的p值，整体显著再看塔姆黑尼T2的事后比较结果。

很多同学会问：整体显著了才看两两比较，整体都不显著就不用写两两差异了，直接说“不同XX的XX得分没有显著差异”就可以。

研究A和B有没有关系，比如“自我效能感和学业成绩的关系”，就用相关分析，操作：

1. 点击：分析→相关→双变量

2. 把你要分析的所有变量都选进「变量」框；

3. 相关系数：如果两个都是连续变量，选「皮尔逊」；如果有一个是有序分类变量，选「斯皮尔曼」；

4. 勾选「标记显著性相关」，点确定。

看两个指标：一个是相关系数r，一个是p值：

• p<0.05：相关显著，r为正就是正相关，r为负就是负相关；
• p>0.05：相关不显著，说明两个变量没有统计上的相关性；
• r绝对值越大，相关性越强：一般|r|>0.7是强相关，0.3-0.7是中等相关，<0.3是弱相关。

举个例子：自我效能感和学业成绩的r=0.42，p=0.001<0.01，就说明自我效能感和学业成绩呈显著正相关，自我效能感越高，学业成绩越好，这样表述就非常规范。

如果你的研究假设是X会影响Y，就需要做回归分析，最常用的是线性回归，操作步骤：

1. 点击：分析→回归→线性

2. 把你的因变量Y放到「因变量」框，把自变量X（如果有多个控制变量比如性别年龄，也一起放进去）放到「自变量」框；

3. 方法一般选「进入」就可以，不用换逐步回归那些花里胡哨的，毕业论文用进入法就够；

4. 点「统计」，勾选「估计」「模型拟合度」「R方变化」「共线性诊断」，点继续→确定。

分四步看：

1. 先看共线性诊断：如果容差>0.2，VIF<5（有的要求是<10），说明没有多重共线性，没问题，如果VIF太大，说明你的自变量相关性太高，需要合并或者删除；

2. 看模型F值：看ANOVA表的显著性，如果p<0.05，说明回归模型成立，你的自变量整体可以预测因变量；如果p>0.05，说明模型不成立，白搭；

3. 看R方：R方说明你的自变量能解释多少因变量的变化，比如R方=0.32，就说明你的自变量可以解释因变量32%的变异，社科论文一般R方0.2-0.5都很正常，不用追求特别高；

4. 看回归系数和p值：看系数表中每个自变量的p值，p<0.05说明这个自变量对因变量有显著预测作用，B为正就是正向预测，B为负就是负向预测。

举个例子：回归结果中自我效能感的B=0.31，p=0.002<0.01，就说明自我效能感对大学生学业成绩有显著正向预测作用，假设成立，完美。

我整理了自己和身边同学踩过的所有坑，你提前知道，就不用走弯路：

很多同学回收问卷，直接把所有数据都导进去分析，里面混着乱填的（比如所有题都选1，答题时间不到10秒的），这些异常数据会严重影响结果，一定要先清洗：

• 答题时间少于总答题时间1/3的直接删掉；
• 所有题选同一个选项的直接删掉；
• 逻辑矛盾的（比如选了“没谈过恋爱”又选了“恋爱时长3年”）直接删掉。

很多同学把年龄这种连续变量当成分类做方差，把分类变量当成连续做相关，结果肯定错，记住：

• 分类变量是看类别，连续变量是看大小得分，别搞混。

t检验和方差分析都要看方差齐性对应的p值，很多新手不管齐不齐直接看第一行，结果结论错了被导师骂，记住：先看方差齐性p，再选对应行的p，别错。

很多同学信度0.5还直接放进去，导师一眼就看出来你问卷设计有问题，信度不够就删题，删完还不够就再补收数据，千万别硬凑。

学校都要求用规范的三线表放结果，原始输出花花绿绿还有很多没用的信息，一定要自己重新整理成符合学校格式的表格，这是基本要求，很多同学偷懒直接截，直接被打回重改。

很多同学为了让假设成立，p=0.06硬写成p<0.05，盲审专家一眼就能看出来，说实话，不显著也是有意义的，你可以分析为什么不显著，是样本问题还是理论假设本身有问题，造假风险太大了，千万别做。

探索性因子分析要求KMO>0.6，巴特利特球形检验p<0.05，如果KMO<0.6说明你的题目不适合做因子分析，要么调整题项，要么改分析方法，别硬做。

如果你的毕业论文要做中介或者调节效应，不用手动一步步点，SPSS有现成的PROCESS插件，装了之后选对应的模型，填变量直接出结果，非常简单，我把安装和使用教程放这里了，你可以直接拿过去用：SPSS PROCESS插件中介调节效应保姆级教程

1. 一定要提前备份数据！最好存在电脑+云端两个地方，我见过临近答辩SPSS文件损坏哭着重新录数据的同学，千万别偷懒；

2. 每做一步分析就把结果整理好，存好，别等全做完再整理，到时候哪个结果是哪个你自己都分不清；

3. 如果你的数据结果不对，先看数据录入对不对，再看方法选对不对，大部分时候不是你数据不好，是操作错了；

4. 要是实在不会，找同实验室的师兄师姐吃顿饭，比你自己瞎搜一下午有用多了，绝大多数人都愿意帮你，毕竟大家都是这么过来的。

其实研究生毕业论文的SPSS分析真的没有那么难，不需要你懂多么高深的统计原理，只要你方法选对，步骤走对，把结果规范整理出来，就能满足绝大多数学校的要求，毕竟我们不是发顶刊，只是过个毕业论文答辩。

按照我这个流程一步步走，半天就能搞定所有分析，不用天天熬夜熬到三点，该改改该写写，顺顺利利把盲答辩过了，早点毕业去玩不好吗？