スケールは測定ツールです。多くのスケールの設計基準があり、各スケールの設計には独自の特徴があります。異なるスケールの特性も測定スケールを決定します。データ分析で一般的に使用されるスケールは、Li Ke 特殊スケールです。リッカート尺度は、1932 年にアメリカの社会心理学者リッカートによって当時の独自の合計尺度に基づいて作成されました。市場調査の手法です。表には通常 5 つの回答が設定されています。1、2、 3、4、5、7つのスケールもあります。
リッカート尺度の方が一般的に使用されるため、この記事では説明のためにリッカート尺度の分析 (以下、尺度データと呼びます) を使用します。大まかに6つの部分に分けることができ、第1部はサンプルデータの特徴の説明、第2部はスケールの信頼性、第3部は差分関係、第4部は影響関係、などの説明がありますので、順に説明していきます。
- データの特徴
サンプルデータを収集したら、まずデータの特徴を説明します。その目的は、統計的記述分析や周波数分析など、サンプルの基本的な状況をより深く理解し、サンプルの特徴的な動作や基本的な態度をさらに理解することです。サンプル母集団。 - スケールの信頼性
スケールの信頼性は、信頼性と妥当性の分析によって説明できます。信頼性とは何ですか? 信頼性とは、サンプル データが真実で信頼できるかどうかを調べることです。有効性とは何ですか? 妥当性とは、アンケートの測定項目の設計が合理的かどうかを指しますが、詳しくは後述します。
一般に、スケール信頼性調査を実施した後、研究者がサンプル情報のマイニングを継続し、より効果的な結論を得たい場合、一般的なものは差異関係、相関関係、および影響関係です。- 相関関係と影響関係
差異関係だけでなく、相関関係や影響関係も調べることができます。相関関係は、2 つの変数間の関係を調べます。相関関係を通じて、研究者は、変数間の基本的な関係や、変数間の関係の有無を大まかに理解できます。相関関係に関する研究のほとんどは、回帰分析への道を開くことを目的としています。相関関係には必ずしも影響関係があるとは限りませんが、影響関係には相関関係がなければならないため、一般に研究者は回帰分析を実行する前に相関調査を実施します。 - 他の
場合によっては、分類 (クラスター分析) や指標の重み計算などのために複数のサンプルが研究されることがあります。次に説明する。
1. データの特性
一般に、データの特性は、データの分布特性を理解するために周波数分析または記述分析を使用して記述されます。場合によっては、結果をより直感的に説明するために視覚的なグラフィックスを使用することもできます。事例の背景: アンケートは主に従業員の満足度を調査します。従業員の満足度は 4 つの変数に分割されます: 個人開発、仕事の特性、リーダーシップ管理、仕事の成果です。4 つの側面は 2 ～ 4 段階の質問で表されます (「アンケート データは次の質問に貼り付けることができます」を参照)使用するブラウザ)。たとえば、回答者の「労働賃金と労働収入が一致するという観点に同意するかどうか」を調査したい場合、分析結果は次のようになります。
表の結果から、合計 389 件の有効サンプルが収集できます。その中で、上記の意見に同意する人の割合が最も多いのは 164 人で、「同意する」および「完全に同意する」という意見を持つ人の割合は、 42.16%+12.08%=54.24%となり、半数以上の調査員が「労働賃金と労働収入は一致している」という見方に同意していることがわかります。さまざまな性別やさまざまな職業の見解や意見を分析するなど。次のステップは、スケールの信頼性を確認することです。
2. スケールの信頼性
スケールの信頼性は、信頼性と妥当性の観点から説明できますが、信頼性分析とは、サンプルが本当に質問に答えているかどうかを意味します。通常、信頼性解析ではスケール項目しか解析できません。信頼性分析は定量的なデータのみを対象としています。
妥当性分析とは、研究測定項目の設計が合理的であるかどうかを指します。通常の状況では、妥当性分析は尺度データのみに対して行われ、多肢選択、単一選択の性別、その他のトピックなどの非尺度質問の妥当性を分析することはできません。妥当性を分析したい場合は、アンケート設計のプロセスを言葉で詳しく説明し、そのアンケートが何をするのか、何に役立つのか、なぜそれを行うのかを明確に記述する「内容妥当性」を活用することをおすすめします。合理的であり、専門家からも認定されており、アンケートの設計が合理的かつ効果的であることがわかります。一般に、妥当性の前に信頼性が必要であるため、信頼性分析が最初に実行されます。信頼性は内部信頼性と外部信頼性に分類されます。具体的な違いについては、推奨記事(下記)
を参照してください。内部信頼性の信頼性係数の計算方法は数多くありますが、最も一般的に使用されるのはクロンバック係数です。クロンバック係数の観点からも説明されます。このアンケートには合計 4 つの次元が含まれているため、次元ごとの信頼性分析の結果は次のように整理されます。
SPSSAU: 複数の信頼性解析手法 7 いいね · 0 コメント 記事をアップロード中...再アップロードキャンセル
次に、アンケートの妥当性を確認します。アンケート尺度は 4 次元なので、次元数を 4 に設定します。操作は次のとおりです。
結果は次のとおりです。
上表から、妥当性分析スケールの 12 項目が 4 つの次元に分割されていることがわかり、結果から構造は良好であり、KMO 値は 0.916>0.6 であることがわかります。 p 値が 0.05 未満の場合、累積分散説明率値は 74.78% であり、4 つの次元で商品情報のほとんどを抽出できることを示しています。したがって、研究データには十分なレベルの構成妥当性があることがわかります。その他のコンテンツについては、以下も参照できます。
SPSSAU: 卒業論文におけるアンケートの妥当性をどのように分析するか? 3 いいね · 0 コメント 記事をアップロード中...再アップロード キャンセル
3. 差分関係
差分関係は通常、2 つ以上のデータセット間の差分を比較するために使用されます。差異を研究するための一般的な方法は、t 検定、分散、カイ二乗検定です。3 つの違いは、データ型が異なることです。t 検定 (ここでは独立サンプルの t 検定の値) と分散 (ここでは一元配置分散分析を指します) では、データ独立変数が次である必要があります。固定変数、従属変数は量的変数、カイ二乗検定には独立変数が必要 従属変数と従属変数は両方とも定変数 t 検定と分散の場合、独立変数が男性など 2 つのグループの場合女性の場合はt検定が一般的ですが、独立変数が「小学生」「中学生」「高校生」など2つ以上のグループの場合は分散分析が一般的です。例えば、アンケートで「立場の違いによる個人の成長に違いがあるかどうか」を調べたい場合、立場のグループが複数あるため、分散分析（一元配置分散分析）を使用して記述します。 , まずは個人開発中の4つのスケール タイトルを変数に結合します。
次のように進めます。
- まず[データ処理]の[変数の生成]をクリックします。
- 次に、「自己啓発」で 4 つの尺度の質問を選択します。
- スケール質問は 1 つの次元に結合されているため、処理には平均値が使用されます。
- 最後に、ディメンションに名前を付け、「確認」をクリックして処理します
次に、立場を独立変数、個人開発を従属変数として一元配置分散分析を実行すると、結果は次のようになります。
結果から、モデルの F 値は 3.061、p 値は 0.05 未満の 0.028 であることがわかり、このモデルは有意であり、異なる立場の個人の発達に違いがあることを示しています。同様に、独立サンプルの t 検定も、性別の違いによる個人の発達に違いがあるかどうかを分析するために使用できます。結果は次のとおりです。
この結果から、t 値は -2.597、p 値は約 0.01<0.05 であることがわかり、性別が異なると個人の発達に差があることがわかります。詳しい内容については、以下を参照してください。
SPSSAU: 差分分析はどのように選択すればよいですか? 4 いいね · 2 コメント 記事をアップロード中...再アップロード キャンセル
4. 相関関係と影響関係
研究の違いに対処するために、尺度質問で相関関係や影響関係を調査することもできます。たとえば、個人の成長、仕事の特性、リーダーシップ管理が仕事の成果に及ぼす影響を研究したい場合は、まず複数の尺度質問を 1 つの次元に結合し、手順は上記と同じで、分析すると、結果は次のようになります。
自己啓発、仕事の特性、仕事の成果におけるリーダーシップとマネジメントの関係などの研究では、データはすべて定量的な変数であるため、分析には線形回帰が用いられます。分析結果は次のとおりです。
上の表からわかるように、相関分析を使用して、仕事の報酬とリーダーシップ管理、仕事の特性、自己啓発との相関関係を調査すると、結果は仕事の報酬と 3 つの要素の間に相関関係があることを示しています。回帰分析:
まず F テストを見てみましょう。結果は次のとおりです。
上の表から、回帰二乗和の次元は 149.909、残差二乗和は 144.613、総二乗和は 149.909+144.613=294.522、F 統計量は 133.033、p 値はより小さいと結論付けることができます。 0.05 より大きいため、少なくとも 1 つの自己 A 変数が従属変数に影響を及ぼし、モデルの構築が意味のあるものであることを示しています。回帰結果は次のように表示されます。
仕事のリターンを従属変数、リーダーシップマネジメント、仕事の特性、自己啓発を独立変数とした線形回帰式を立て、その結果から、リーダーシップマネジメント、仕事の特性、自己啓発の3変数のp値を求めた。回帰係数はすべて 0.05 未満であり、回帰係数はすべて 0 より大きい場合、リーダーシップ管理、仕事の特性、および個人の成長はすべて仕事の収益にプラスの影響を及ぼします。私は影響関係を研究したいだけなので、やりません。回帰式のモデルについては詳しく説明しません。