如何⽤SPSS分析学业情绪量表数据
1、数据检验。由于问卷、量表的题⽬是主观判断和选择，因⽽难免有些⼈不认真填，所以，筛选出有效、⾼质量的数据⾮常关键。通常需要作如下检查：（1）是否有⼈回答互相⽭盾，⽐如A1与A2不应该都同意，结果却都同意了；在学业情绪问卷中体现为积极体验和消极体验的题⽬得分应该互斥，不应该具有相同体验；（2）是否有⼈没有明显态度偏向，例如⼤多数题⽬都选了完全同意或完全不同意或中⽴；（3）是否有⼈应答率太低，例如在很多题⽬上都没有填写；（4）是否有⼈故意回答出有规律的题⽬，例如23354-54332-23354，重复有规律的作答；（5）数据录⼊是否有重复、蹿题、超出题⽬取值范围等。
2、反向计分与维度得分计算。确认量表是否有反向计分题，如果有要反向计分，注意，不要在数据录⼊时就反向，应该是原样录⼊数据然后在中做反向处理。其次，维度分的计算要注意使⽤的是题⽬加和得分还是题⽬均值得分。虽然在相关、差异和回归分析中，维度分使⽤总分或均分，其结论都是⼀样的，但是为了和其他研究保持⼀致，便于研究对⽐，量表必须⽤原编制者所采⽤的计分⽅法。由于学业情绪问卷题⽬很多，维度也很多，因此建议采⽤SPSS的Syntax来计算维度分，这样⽅便核对和重复计算。此外，⼩因⼦分和⼤维度分都应该计算，以备各种可能分析。
怎么做数据分析3、⼈⼝学变量的处理。⼈⼝学变量（性别、年龄、年级、家庭所在地等）通常是⽤于做t检验、⽅差分
析等均值差异分析，也可以间接的说明⼈⼝学变量与量表维度得分之间的相关性。在这⼀环节中，⼈⼝学变量的分组或分类⾮常重要，为了保证结果的可靠性，每个分组⽔平下的样本量应该⼤于30或接近30，如果不是，那就要考虑与临近⽔平组合并或者排除这⼀类别。此外，单因素⽅差分析中，分组数⽬建议不超过四组。
4、数据极端值与缺失值的处理。数据存在极端值的话，会严重影响⼈⼝学变量差异分析、相关性分析以及回归分析的结果，因⽽要识别极端值将其剔除。其次，缺失值如果较少，建议⽤均值替换掉，以便在结构⽅程模型中⽅便应⽤。
5、在环节，⼀般包括各个量表维度和总分的描述性统计、⼈⼝学变量差异分析（t检验与⽅差分析，深⼊⼀点的还需要使⽤多元⽅差分析）、相关系数分析、回归分析，这些都是SPSS可以做的。更复杂的分析内容包括中介效应、调节效应分析，可以⽤SPSS的Process来处理中介和调节作⽤。尤其是中介作⽤分析，不建议⽤Baron、kenney的三步法来做，这个⽅法不规范、结果不可靠甚⾄会导致结果出错。由于学业情绪问卷的因⼦太多，我们可以考虑只分析⼏个⼤维度的得分，或者⽤Amos等结构⽅程模型软件构建潜变量模型。