你这个没必要做结构效度分析信度分析有很多种，不是每种都适合的最多做一下专家评估我经常帮别人做这类的数据统计分析
老师也未必都是很懂的所谓的信效度最早就是从心理学的量表出来的，因为心理学的量表是用来测人的心理感知情况，所以必须要有信效度来检验量表设计的科学性，到后来才慢慢推广起来，但也仅限于量表的信效度检验。而问卷根本就不在所谓的信效度概念，量表设计主要是围绕一个主题进行的，而问卷里面涵盖各种不同的主题，所以问卷不需要做信效度
你先把数据输入到EXCEL，然后用其数据透视表分析；实在不会，把EXCEL数据导入到BDP个人版进行分析（操作简单）。。。
非量表问卷可以使用文字形式进行描述，以证明数据质量可信可靠，建议按以下几点分别说明。
参考资料：信度分析-SPSSAU
SPSS软件主要用于对数据做统计学方面的一些分析和检验，是用于对数据进行一些基本处理、分析，以及做一些统计检验的软件，使用SPSS分析数据通常有以下几步：导入数据——>数据基本处理——>数据分析——>总结并得出结论。打开SPSS后会出现两个界面，如下图；图一是数据处理分析区，包括数据视图（数据处理区）和变量视图（数据包含各字段编辑区）；图二是分析结果区，分析的各类结果都会在此显示。导入数据：在数据处理区左上方选择“文件”——>“导入数据”，导入相应格式的数据，此处我以csv文件格式为例。点击之后，出现如下对话框，选择好要处理的数据，点击“打开”，对要导入数据数据按需要进行预处理，再点击确定。
1. Introduction 简介2. Data Screening & Cleaning 数据筛选和整理3. Profile of Respondents 受访者介绍4. Reliability of the Measurement 测量的可靠性分析5. Descriptive of Main Variables 主要变量描述6. Correlation Analysis 相关性分析7. Multiple Regression Analysis 多元回归分析8. Summary of Findings 调查结果总结This chapter focuses on presenting the results of this research. It begins with Data Screening & Cleaning. Next, Profile of Respondents will be presented followed by Reliability of the Measurement, Descriptive of Main Variables and Correlation Analysis.
对于论文中用SPSS分析数据的部分，一般需要写以下八个小节：1. Introduction 简介2. Data Screening & Cleaning 数据筛选和整理3. Profile of Respondents 受访者介绍4. Reliability of the Measurement 测量的可靠性分析5. Descriptive of Main Variables 主要变量描述6. Correlation Analysis 相关性分析7. Multiple Regression Analysis 多元回归分析8. Summary of Findings 调查结果总结This chapter focuses on presenting the results of this research. It begins with Data Screening & Cleaning. Next, Profile of Respondents will be presented followed by Reliability of the Measurement, Descriptive of Main Variables and Correlation Analysis.本章重点介绍了本研究的结果。它从数据筛选和清理开始。接下来，将介绍受访者的概况，然后是测量的可靠性、主要变量的描述和相关分析。2. Data Screening & Cleaning 数据筛选和整理调查数据必须首先对数据输入错误进行筛选和清理，然后才能进行分析。我们首先使用函数频率和描述性来筛选数据输入错误来检测回答中的异常。然后我们还评估了是否有很多空白的回答，最后我们还检查了被调查者是否回答相同的回答。首先，将收集来的数据整合成进Excel；然后打开SPSS，按照"File"→"Open"→"Data"的顺序导入文件第二步我们需要定义数据，包括 name， label， label， value首先定义variable name：然后定义value：（这一步是需要根据自己的调查问卷，比如问卷中定义1为男性，2 为女性，那么我们编码的时候也需要这样写）以定义性别为例之后我们就可以进行数据筛选和整理了：下面为输出结果：在这一部分我们需要介绍关于受访者的信息，以确认不同受访者对调查结果是否有影响。我们选择描述性统计中的频率将需要分析的受访者背景数据移到右侧这是频率表输出结果对于这个结果我们不能直接复制到论文中，我们可以另整理一个表格，如下图：4. Reliability of the Measurement 测量的可靠性分析对于可靠性分析的操作：选择分析→刻度→可靠性分析将需要分析的变量移到右侧可靠性分析的输出结果整理为表格写进论文中5. Descriptive of Main Variables 主要变量描述。
你要先有论文的目的和分析思路，然后根据目的的论文和分析思路，确定需要收集的数据和类型，最后才考虑 应该用spss什么方法来实现。下面是我自己写的一个 带数据分析的论文写作指导首先，我要说明这里的指导并非常规意义的指导，我这里说的指导是到底应该如何写论文（应该还是很抽象，不过看完就知道了）。迄今为止，我大约也帮忙做了能有上千份的学生论文数据分析部分，包括一部分的整篇论文写作,其中涉及到有医学类、护理类、人文社科类、教育类、经济学类、心理学类等，单凡需要用到数据分析的论文。因为我是做市场研究与数据分析的，擅长的主要工具是spss，不敢说百分百精通spss，但是应付个八九十应该是足够了，很自然的平时就利用下班和业余时间帮学生做一些论文数据分析以及论文写作指导。很多论文的核心部分都包括数据分析，而统计学也应该是所有学科应该学习的一门重要课程，但是恰恰相反，很多学科只是把统计学和数据分析作为一项选修甚至不重要的课程对待，这样导致学生在最后做论文时完全不懂。而在这种情况下，很多学生因为对数据分析的一窍不通，导致论文从开始的设计到后续的数据收集、整理等都会出现问题，最终导致分析出问题。因此，在对数据分析一窍不通的情况下，应该如何从头构建论文及写作呢？很多论文虽然数据分析部分是核心，但是不管哪种论文的写作，都脱离不了论文的框架。因此，具体的过程应该如下：首先是选题，当然很多时候是导师直接给选题，这个没有太多讨论。其次是选题确定后，马上要做的不是想我应该怎么去写作，或者在哪抱怨“哎~~郁闷，完全不知道怎么写嘛”。而是先通过文献查找，看前人在这个选题方面已经做了哪些研究，都是如何做的。通过查找文献找到跟选题有关的资料，然后对这些资料进行整理，整理不需要计较参考文献的结论和数据细节等，而是要把每篇文献的研究目的、采用的研究方法、采用的分析方法整理出来。当然参考文献中的分析方法你可能还完全不懂，但是没关系，你先把这些参考文献中使用的分析方法全部罗列出来，如线性回归、方差分析、均值t检验、logistic回归等，把这些文献中常用的统计方法罗列出来，你需要弄清楚对应关系，即每种分析方法是用来支持和实现什么样的研究目的，以及能够得出什么样的结论，认真阅读文献就能实现这一步。第三．通过上一步，你应该朦胧的知道你选题相关的参考文献中常用的统计方法名称，以及这些统计方法能够帮助实现哪些目的，或者得出什么结论，同时也不会对自己的选题那么恐惧和迷茫了，因为可能你的选题已经有前人做过了，你的论文只是“复制”一遍而已了，我说的复制是重复一遍前人的研究。在这种情况下，可以构思下自己的选题，这一步属于纯理论层面的，你需要将自己的思路具体化，比如要实现什么目的，很自然的需要什么数据分析方法也就能确定了。当然很多论文会预先设计一系列待验证的假设，也是在这一步完成，因为你找到的文献中可能会存在矛盾的结论，可能会存在一些你认为的研究缺陷（文献看多了，自然自己就会有想法出来了），提出自己的一系列假设，能够很清楚的指导后面的数据收集和分析。第四．选题、假设还有研究方法这些经过前面几步都能确定了，接下来就是要考虑具体研究和收集数据的环节了。这个环节最重要的也是首要的是弄清楚你的数据应该是什么类型的，通过哪种方法来获取。其实也容易了，因为前面你已经确定了统计分析方法，而每种方法有它特定的数据类型要求，比如是分类数据（如性别、民族、年级等）、比如连续性数据（如年龄、身高、体重、温度、长度、距离等）。分类数据简单通俗点的理解就是这些数字本身是没有意义的，是人为赋予它一定的含义，这些数据之间不存在连续性，且加减乘除没有意义，而连续性数据是数据本身有意义，且能够进行一些加减乘除运算。确定了所需要的数据类型，就大致能够知道在数据收集时，应该注意的问题。比如一份问卷调查，其中应该如何设计问题也就大致清楚了，通常问卷设计时就要考虑两种数据类型的问题，因为不同的选项设计会导致不同的数据类型。如你设计一个问题的答案选项是“有/没有”、“是/否”这种是属于分类数据，如果你的答案选项是李克特量表式“非常满意----非常不满意”这种，在处理时可以按照分类数据，只能统计出一些百分比，也可能将其按照连续数据如12345打分形式，这样可以求均值，可以做很多其他多元统计分析。因此这一步确定数据类型很关键，如果数据类型弄错的话，则收集的数据完全无用。第五．具体收集数据过程，不细说了，收集回来之后就是数据的录入。记住一定要录入原始的数据，而不是经过加减整理汇总后的数据。数据录入格式也是有要求的，一般大致同样的情况下，都是一行代表一个个案或者一份问卷的数据，而一列对应表示的是问卷中的一个问题，即变量。因此数据录入完成后，应该是有多少样本数据，就有多少行，数据中包含多少个指标，那就有多少列。第六．这一步才是你应该开始头疼的数据分析不会了怎么办。因为到这里才开始是数据的具体分析过程了。不会怎么办，前面已经知道了分析方法，这种情况，只有找本教材，然后找对应的方法介绍学习即可，或者实在不行找人指导，找人帮忙等等。最后。分析完成后，开始整篇论文的写作。其实完成前面的每一步，到最后写文献综述以及讨论时，自然就会得心应手了，很少会需要绞尽脑汁甚至东拼西凑。
没问题，数据分析你要提供数据
1、首先打开SPSS版本软件，找到想要进行编辑处理的数据，如下图所示。
2、找到上方菜单栏中的分析菜单，鼠标移动至一般线性模型，然后选择单变量，点击鼠标左键选择。
3、在单变量对话框中，将变量分别对应移至因变量和协变量，这里将身高移动至因变量，药物移动至协变量。
4、点击右侧菜单的选项，鼠标移动至单变量选项中，选中参数估算值，将参数估算值标记为打勾状态。
5、选中完成后，单击选项中的继续选项，然后在单变量对话框中单击确定，进行编辑之后的查看操作。
6、最后在SPSS的查看器中,可以看到药物对身高影响的显著性分析，红框中显著性为0＜，具有显著性。
spss数据分析论文有具体的排版格式.
你先把数据输入到EXCEL，然后用其数据透视表分析；实在不会，把EXCEL数据导入到BDP个人版进行分析（操作简单）。。。
调查问卷推荐选择问卷星，问卷星强大易用的在线问卷调查平台，丰富的题型和多样的功能帮助各行从业者，高效完成其问卷调查的工作。信誉良好，值得推荐。信效度分为很多种，信度有重测信度、折半信度、内部一致性信度等。效度有结构效度、内容效度、效标效度等。非量表问卷可以使用文字形式进行描述，以证明数据质量可信可靠，建议按以下几点分别说明。1、用文字描述数据收集的过程，比如纸质收集，网络收集等。2、用文字描述样本有效性，比如收集样本是否满足研究需要，收集的样本人群为有效样本群体等，比如研究大学生网购行为，收集样本人群一定需要为大学生等。3、用文字描述数据中无效样本的处理过程，比如使用SPSSAU的无效样本功能，将选择同一个答案超过70%的样本设置为无效样本等。4、其它可用于论证数据质量有保障的说明等。想要了解更多关于调查问卷的相关问题，推荐咨询问卷星 问卷星是强大易用的在线问卷调查平台，丰富的题型和多样的功能帮助各行从业者，高效完成其问卷调查的工作。此外，还可以创建在线考试、报名表单、在线测评和360度员工评估、在线投票等丰富应用；更是拥有1亿+模板复制可用，多终端+多渠道问卷分发，不限填写次数，实时监控填写进度，数据自动统计分析。专业团队，值得信任！
论文问卷数据怎么分析如下：
一、问卷类型
问卷调查分为两大类：即量表问卷和非量表问卷。
量表问卷通常更多用于学术研究，其特点在于更多的态度认知题项，体现样本人群对于某事物的态度看法态度情况等，通过对各研究变量的关系研究，找出其中内涵逻辑关系。
非量表问卷更多体现对某现状的事实情况和基本态度调研，比如样本进行网购的原因，不进行网购原因，网购平台的使用现状情况等。此类问卷更多在于分析思路的逻辑和现状情况的了解分析，以及样本的基本态度情况。
二、分析方法
从分析方法上，量表类问卷最大的特点是：非常多的量表题，而且量表题对应着‘变量’或者‘维度’。便于研究‘变量’间的关系情况。以及可以使用信度、效度、因子分析等方法。
非量表题其最大的特点为大部分为单选题、多选题或者排序填空题等，但很少 有出现量表题（是量表题是指类似答项为“非常不同意”，“比较不同意”，“中立”，“比较同意”和 “非常同意”之类的问题）更多是使用基本频数分析和交叉分析等，同时使用图形和表格进行多样化展示。
三、分析结果
问卷数据一般使用SPSS进行分析即可，分析基础比较薄弱，可使用SPSSAU进行分析。SPSSAU分析结果生成的是“类三线表”的格式，系统会自动生成指标解读报告。
不一定要做anova，可以做卡方，可以做回归
调查问卷推荐选择问卷星，问卷星强大易用的在线问卷调查平台，丰富的题型和多样的功能帮助各行从业者，高效完成其问卷调查的工作。信誉良好，值得推荐。信效度分为很多种，信度有重测信度、折半信度、内部一致性信度等。效度有结构效度、内容效度、效标效度等。非量表问卷可以使用文字形式进行描述，以证明数据质量可信可靠，建议按以下几点分别说明。1、用文字描述数据收集的过程，比如纸质收集，网络收集等。2、用文字描述样本有效性，比如收集样本是否满足研究需要，收集的样本人群为有效样本群体等，比如研究大学生网购行为，收集样本人群一定需要为大学生等。3、用文字描述数据中无效样本的处理过程，比如使用SPSSAU的无效样本功能，将选择同一个答案超过70%的样本设置为无效样本等。4、其它可用于论证数据质量有保障的说明等。想要了解更多关于调查问卷的相关问题，推荐咨询问卷星 问卷星是强大易用的在线问卷调查平台，丰富的题型和多样的功能帮助各行从业者，高效完成其问卷调查的工作。此外，还可以创建在线考试、报名表单、在线测评和360度员工评估、在线投票等丰富应用；更是拥有1亿+模板复制可用，多终端+多渠道问卷分发，不限填写次数，实时监控填写进度，数据自动统计分析。专业团队，值得信任！
信度的检验方法 ：重测信度法、复本信度法、折半信度法、α信度系数法。效度的检验方法 ：内容效度、构想效度、效标效度。1、重测信度法这一方法是用同样的问卷对同一组被调查者间隔一定时间重复施测，计算两次施测结果的相关系数。显然，重测信度属于稳定系数。重测信度法特别适用于事实式问卷，如性别、出生年月等在两次施测中不应有任何差异，大多数被调查者的兴趣、爱好、习惯等在短时间内也不会有十分明显的变化。2、复本信度法复本信度法是让同一组被调查者一次填答两份问卷复本，计算两个复本的相关系数。复本信度属于等值系数。复本信度法要求两个复本除表述方式不同外，在内容、格式、难度和对应题项的提问方向等方面要完全一致，而在实际调查中，很难使调查问卷达到这种要求，因此采用这种方法者较少。3、折半信度法折半信度法是将调查项目分为两半，计算两半得分的相关系数，进而估计整个量表的信度。折半信度属于内在一致性系数，测量的是两半题项得分间的一致性。这种方法一般不适用于事实式问卷（如年龄与性别无法相比），常用于态度、意见式问卷的信度分析。
我们都知道很多分析方法只有量表题才可以使用，非量表题可用的方法是很有限的，但即便如此很多问卷还是会被设计成非量表的格式，那么非量表问卷应该如何分析呢？非量表题又有什么特点？在分析时需要注意什么呢？下面就来一一解答。 研究非量表，首先要先清楚什么是量表。 量表是一种测量工具，这里指的量表是李克特量表，用于测量样本人群对于某件事情的态度或者看法情况。通常会有很多题项构成，答项类似于“非常同意”、“同意”、“不一定”、“不同意”、“非常不同意”这种有比较意义的选项。 量表的尺度形式有多种，常见是五级量表，即五个答项，另外还会有七级量表，九级量表或者四级量表等。 除量表题以外的题项，可称为非量表题，比如多选题、填空题。非量表题多用于了解某个主题的现状，样本的基本态度情况，通常情况下 现状政策类研究 会更多使用非量表题。 比如不同年龄对于旅游需求的现状研究，在一些以量表题为核心的问卷中，也需要设计非量表题来收集样本的基本背景信息（比如性别、年龄）、样本特征、行为（比如您平时关注旅游方面的信息吗?）等。 具体分析步骤： 1、样本背景分析，样本特征、行为分析 样本背景分析，或者样本特征、行为分析这两部分，通常情况下均是使用频数分析，统计样本对于各个选项的选择比例情况。 2、基本现状和样本态度分析 此步为基础分析，首先充分了解样本现状情况，以及样本的态度情况，结合结果可以对不同群体的态度差异情况、现状差异情况进行分析，或者进一步研究影响关系。 在进行研究时，不应该拘泥于分析方法的使用，此部分更多会使用简单易懂的频数和百分比描述，最好结合各种图形展示，比如多选题可以使用条形图，单选题可以使用柱形图展示等。 3、差异分析 在上一部分打好基础后，就可以开始比较差异了。可以分析不同样本人群在题项上的态度差异，也或者不同人群在基本现状题项上的差异情况进行差异对比分析。 研究方法上看，针对非量表类题项关系研究，即分类与分类数据之间的关系研究，应该使用卡方分析。 4、影响关系分析 除了差异分析，也可以研究某种因素对样本态度的影响关系。Logistic回归分析类似于多元线性回归，均为研究X对Y的影响情况。如果Y为定量数据，则使用多元线性回归，如果Y为分类数据，则应该使用Logistic回归分析。 结合数据情况，可以将Logistic回归分析分为二元logistic回归分析，或者多分类logistic回归分析。二者即有相同之处，也有不同的地方。主要区别在于Y的选项个数。Y为定类且选项仅2个，应该使用二元logistic回归；如果Y有多个选项，应该使用多分类logistic回归分析。 此类研究框架的核心在于“分组”。 第一件事情为“分组”，也就是给每个题分组，比如问卷有30个题，那这30题可以被归纳为几个方面呢？比如基本背景，认知，态度，行为，原因等五个方面。 第二件事情是将“分组”分别作为一个部分进行分析，比如上面提到的样本基本背景，就可以用频数分析来统计分析数据。 第三件事情是 分组题项与分组题项 之间进行交叉。比如基本背景分别与“认知”，“态度”，“行为”，“原因”上的差异性。通常是使用交叉分析。 信度分析和效度分析仅仅是针对量表数据，非量表数据一般不进行信效度分析。 更多分析方法的使用说明可到 SPSSAU官网 查看。
信效度分为很多种，信度有重测信度、折半信度、内部一致性信度等；效度有结构效度、内容效度、效标效度等
非量表问卷可以使用文字形式进行描述，以证明数据质量可信可靠，建议按以下几点分别说明。
具体可以参考spssau帮助手册。