1、SPSS 19(中文版)统计分析实用教程 电子工业出版社1第十一章时间序列分析SPSS 19(中文版)统计分析实用教程 电子工业出版社2主要内容主要内容11.1 时间序列的建立和平稳化时间序列的建立和平稳化11.2 指数平滑法指数平滑法11.3 ARIMA模型模型11.4 时序序列的季节性分解时序序列的季节性分解SPSS 19(中文版)统计分析实用教程 电子工业出版社311.1 时间序列的建立和平稳化时间序列的建立和平稳化11.1.1 填补缺失值填补缺失值 时间序列分析中的缺失值不能采用通常删除的办法来解决，因为这样会导致原有时间序列周期性的破坏，而无法得到正确的分析结果。 按“转换替换缺失值
2、”打开“替换缺失值”对话框缺失值替换示例SPSS 19(中文版)统计分析实用教程 电子工业出版社411.1 时间序列的建立和平稳化时间序列的建立和平稳化11.1.2 定义日期变量定义日期变量 定义日期模块可以产生周期性的时间序列日期变量。使用“定义日期”对话框定义日期变量，需要在数据窗口读入一个按某种时间顺序排列的数据文件，数据文件中的变量名不能与系统默认的时间变量名重复，否则系统建立的日期变量会覆盖同名变量。系统默认的变量名有：年份，年份、季度，年份、月份，年份、季度、月份，日，星期、日，日、小时等。 按“数据定义日期”顺序打开“定义日期”对话框 定义日期变量示例SPSS 19(中文版)统计
3、分析实用教程 电子工业出版社511.1 时间序列的建立和平稳化时间序列的建立和平稳化11.1.3 创建时间序列创建时间序列 时间序列分析建立在序列平稳的条件上，判断序列是否平稳可以看它的均数方差是否不再随时间的变化而变化，自相关系数是否只与时间间隔有关而与所处时间无关。在时间序列分析中，为检验时间序列的平稳性，经常要用一阶差分、二阶差分，有时为选择一个合适的时间序列模型还要对原时间序列数据进行对数转换或平方转换等。这就需要在已经建立的时间序列数据文件中，再建立一个新的时间序列变量。 按“转换创建时间序列”顺序打开“创建时间序列”对话框创建时间序列示例SPSS 19(中文版)统计分析实用教程 电
4、子工业出版社611.1 时间序列的建立和平稳化时间序列的建立和平稳化11.1.3 创建时间序列创建时间序列 时序图举例，按“分析预测序列图”顺序打开“序列图”对话框 时序图示例SPSS 19(中文版)统计分析实用教程 电子工业出版社7主要内容主要内容11.1 时间序列的建立和平稳化时间序列的建立和平稳化11.2 指数平滑法指数平滑法11.3 ARIMA模型模型11.4 时序序列的季节性分解时序序列的季节性分解SPSS 19(中文版)统计分析实用教程 电子工业出版社811.2 指数平滑法指数平滑法11.2.1 基本概念及统计原理基本概念及统计原理（1）基本概念）基本概念 指数平滑法的思想来源于对
5、移动平均预测法的改进。指数平滑法的思想是以无穷大为宽度，各历史值的权重随时间的推移呈指数衰减，这样就解决了移动平均的两个难题。（2）统计原理）统计原理 0100(1)jtjjjttjjjjzzzSPSS 19(中文版)统计分析实用教程 电子工业出版社911.2 指数平滑法指数平滑法11.2.1 基本概念及统计原理基本概念及统计原理（2）统计原理）统计原理 简单模型211121(1)(1)(1)Nttttt NzzzzzHolt线性趋势模型 1111(1)(), , 01ttttzzzbzz111()(1) 0, 01ttttbzzbb，t mttzzbmSPSS 19(中文版)统计分析实用教程
6、 电子工业出版社1011.2 指数平滑法指数平滑法11.2.2 SPSS实例分析实例分析【例11-4】 为了研究上海市的人口情况，某研究小组提取了19782004年上海市的人口数据，其中有3个统计指标，即x1：年末人口数（万人），x2：非农业人口数（万人），x3：人口密度（人/平方千米），具体数据如下表所示。试用指数平滑法对上海市的“年末人口数”进行预测分析。年份x1x2x3年份x1x2x319781098.28645.23177619921289.37875.55203419791132.14687.38183019931294.74893.46204219801146.52702.4318
7、5419941298.81910.49204819811162.84715.08188019951301.37921.7205219821180.51731.31190819961304.43932.14205719831194.01745.86193019971305.46943.03205919841204.78760.75194819981306.58953.65206119851216.69776.37196719991313.12969.63207119861232.33802.56194420001321.63986.16208419871249.51822.31197120011
8、327.14999.07209319881262.42838.93199120021334.231018.81210419891276.45855.84201320031341.771041.39211619901283.35864.46202420041352.391097.62133SPSS 19(中文版)统计分析实用教程 电子工业出版社1111.2 指数平滑法指数平滑法第第1步步 数据组织：数据组织：将数据组织成4列，一列是“年份”，另外3列是3个人口数据的变量，输入数据并保存。第第2步步 分析：分析：看用指数平滑法处理是否恰当。按11.1.3节所述创建年末人口数的时序图，如下图所示。从
9、此图可以看出，年末人口数呈逐年增加趋势，开始增长较快，然后变慢，近似线性趋势，也可以说呈衰减的线性趋势，或者用指数趋势描述更准确。所以选用指数平滑法进行处理。SPSS 19(中文版)统计分析实用教程 电子工业出版社1211.2 指数平滑法指数平滑法第第3步步 定义日期变量：定义日期变量：按11.1.2节所述将“年份”定义为日期变量。第第4步步 指数平滑法设置：指数平滑法设置：按“分析预测创建模型”顺序打开“时间序列建模器”对话框。具体设置如几下几张图所示：SPSS 19(中文版)统计分析实用教程 电子工业出版社1311.2 指数平滑法指数平滑法SPSS 19(中文版)统计分析实用教程 电子工业
10、出版社1411.2 指数平滑法指数平滑法第第5步步 主要结果及分析：主要结果及分析：模型的描述表模型类型模型 ID年末人口数模型_1Holt表示对“年末人口数”变量进行指数平滑法处理，使用的是“Holt”模型。模型的拟合情况表 拟合统计量均值SE最小值最大值百分位5102550759095平稳的R方.005.005.005.005.005.005.005.005.005.005R方.995.995.995.995.995.995.995.995.995.995RMSE4.811.4.8114.8114.8114.8114.8114.8114.8114.8114.811MAPE.243.243.
11、243.243.243.243.243.243.243.243MaxAPE1.632.1.6321.6321.6321.6321.6321.6321.6321.6321.632MAE3.001.3.0013.0013.0013.0013.0013.0013.0013.0013.001MaxAE18.707.18.70718.70718.70718.70718.70718.70718.70718.70718.707正态化的BIC3.386.3.3863.3863.3863.3863.3863.3863.3863.3863.386包含了8个拟合情况度量指标，其中“平稳的R方”值为0.005，“R方
12、”值为0.995，并给出了每个度量模型的百分位数。SPSS 19(中文版)统计分析实用教程 电子工业出版社1511.2 指数平滑法指数平滑法模型统计量表从中可以看出模型的决定系数为0.995，说明拟合模型可以解释原序列99.5%的信息量，正态化的BIC值也比较小，说明模型的拟合效果是很好的，另外还给出了拟合统计量及Ljung-Box统计情况。此外，所有数据中没有离群值（孤立点）。指数平滑法拟合的模型参数表模型预测变量数模型拟合统计量Ljung-Box Q(18)离群值数R方正态化的 BIC统计量DFSig.年末人口数-模型_10.9953.3865.87116.9890模型估计SEtSig.年
13、末人口数-模型_1无转换 Alpha（水平）1.000.1576.351.000Gamma（趋势）.799.3002.659.013SPSS 19(中文版)统计分析实用教程 电子工业出版社1611.2 指数平滑法指数平滑法预测表表中给出了20052009年“年末人口”变量的预测值、上区间和下区间值。模型20052006200720082009年末人口数-模型_1预测1362.361372.341382.311392.281402.26UCL1372.271392.731415.151439.301465.02LCL1352.451351.941349.471345.261339.49对于每个模
14、型，预测都在请求的预测时间段范围内的最后一个非缺失值之后开始，在所有预测值的非缺失值都可用的最后一个时间段或请求预测时间段的结束日期（以较早者为准）结束。观测值与预测值的时序图SPSS 19(中文版)统计分析实用教程 电子工业出版社1711.2 指数平滑法指数平滑法数据文件中保存情况SPSS 19(中文版)统计分析实用教程 电子工业出版社18主要内容主要内容11.1 时间序列的建立和平稳化时间序列的建立和平稳化11.2 指数平滑法指数平滑法11.3 ARIMA模型模型11.4 时序序列的季节性分解时序序列的季节性分解SPSS 19(中文版)统计分析实用教程 电子工业出版社1911.3 ARIM
15、A模型模型11.3.1 基本概念及统计原理基本概念及统计原理（1）基本概念）基本概念 在预测中，对于平稳的时间序列，可用自回归移动平均（AutoRegres- sive Moving Average, ARMA）模型及特殊情况的自回归（AutoRegressive, AR）模型、移动平均（Moving Average, MA）模型等来拟合，预测该时间序列的未来值，但在实际的经济预测中，随机数据序列往往都是非平稳的，此时就需要对该随机数据序列进行差分运算，进而得到ARMA模型的推广ARIMA模型。 ARIMA模型全称综合自回归移动平均（AutoRegressive Integrated Movi
16、ng Average）模型，简记为ARIMA(p, d, q)模型，其中AR是自回归，p为自回归阶数；MA为移动平均，q为移动平均阶数；d为时间序列成为平稳时间序列时所做的差分次数。ARIMA(p, d, q)模型的实质就是差分运算与ARMA(p, q)模型的组合，即ARMA(p, q)模型经d次差分后，便为ARIMA(p, d, q)。 SPSS 19(中文版)统计分析实用教程 电子工业出版社2011.3 ARIMA模型模型11.3.1 基本概念及统计原理基本概念及统计原理（2）统计原理）统计原理 ARMA过程 11221122tttptptttqt qxxxxaaaa1122ttttqt
17、qxaaaa1122tttptptxxxxa212( )1ppBBBB 212( )1qqBBBB 则ARMA(p, q)模型简记为( )( )ttB xB a1( ) ( )ttxBB a或 SPSS 19(中文版)统计分析实用教程 电子工业出版社2111.3 ARIMA模型模型11.3.1 基本概念及统计原理基本概念及统计原理（2）统计原理）统计原理 ARMA模型的识别 设ACF代表xt的自相关函数，PACF代表xt的偏自相关函数。根据Box-Jenkins提出的方法，用样本的自相关函数（ACF）和偏自相关函数（PACF）的截尾性来初步识别ARMA模型的阶数。具体如下表所示。 模 型自相关
18、函数（ACF）偏自相关函数（PACF）AR(p)拖尾p阶截尾MA(q)q阶截尾拖尾ARMA(p, q)拖尾拖尾SPSS 19(中文版)统计分析实用教程 电子工业出版社2211.3 ARIMA模型模型11.3.1 基本概念及统计原理基本概念及统计原理 所谓拖尾是自相关系数或偏相关系数逐步趋向于0，这个趋向过程有不同的表现形式，有几何型的衰减，有正弦波式的衰减；而所谓截尾是指从某阶后自相关或偏相关系数为0。SPSS 19(中文版)统计分析实用教程 电子工业出版社2311.3 ARIMA模型模型11.3.1 基本概念及统计原理基本概念及统计原理（2）统计原理）统计原理 非平稳时间序列ARIMA过程
19、SPSS 19(中文版)统计分析实用教程 电子工业出版社2411.3 ARIMA模型模型11.3.1 基本概念及统计原理基本概念及统计原理（2）统计原理）统计原理 季节ARIMA模型 时间序列常呈周期性变化，或称为季节性趋势。用变通的ARIMA模型处理这种季节性趋势会导致参数过多，模型复杂。季节性乘积模型可以得到参数简约的模型。季节性乘积模型表示为ARIMA(p, d, q, sp, sd, sq)（或ARIMA(p, d, q) (sp, sd, sq)k）。其中，sp表示季节模型的自回归系数；sd表示季节差分的阶数，通常为一阶季节差分；sq表示季节模型的移动平均参数。如是月度资料，要描述年
20、度特征，则sd = 12；如是日志资料，要描述每周特征，则sd = 7。SPSS 19(中文版)统计分析实用教程 电子工业出版社2511.3 ARIMA模型模型11.3.1 基本概念及统计原理基本概念及统计原理（3）ARIMA建模步骤建模步骤 ARIMA建模实际上包括3个阶段，即模型识别阶段、参数估计和检验阶段、预测应用阶段。其中前两个阶段可能需要反复进行。 ARIMA模型的识别就是判断p，d，q，sp，sd，sq的阶，主要依靠自相关函数（ACF）和偏自相关函数（PACF）图来初步判断和估计。一个识别良好的模型应该有两个要素：一是模型的残差为白噪声序列，需要通过残差白噪声检验，二是模型参数的简
21、约性和拟合优度指标的优良性（如对数似然值较大，AIC和BIC较小）方面取得平衡，还有一点需要注意的是，模型的形式应该易于理解。SPSS 19(中文版)统计分析实用教程 电子工业出版社2611.3 ARIMA模型模型11.3.2 SPSS实例分析实例分析【例11-5】表是某加油站55天的燃油剩余数据，其中正值表示燃油有剩余，负值表示燃油不足，要求对此序列拟合时间序列模型并进行分析。天12345678910111213141516171819燃油数据 92-858012103-1-20-90 100 -40-22078-98-97565天202122232425262728293031323334
22、35363738燃油数据 80-20 -8501150 -100 135 -70 -60 -5030-103-65108-10 10天3940414243444546474849505152535455燃油数据 -2590-30 -32 1520159015-10-88025 -12070-10SPSS 19(中文版)统计分析实用教程 电子工业出版社2711.3 ARIMA模型模型第第1步步 数据组织：数据组织：将数据组织成两列，一列是“天数”，另一列是“燃油量”，输入数据并保存，并以“天数”定义日期变量。第第2步步 观察数据序列的性质：观察数据序列的性质： 先作时序图，观察数据序列的特点。按
23、“分析预测序列图”的顺序打开“序列图”对话框，将“油料量”设置为变量，并将所生成的日期新变量“DATE_”设为时间标签轴，生成如下图所示的时序图。可以看出数据序列在0上下振荡，且无规律，可能是平稳的时间序列。SPSS 19(中文版)统计分析实用教程 电子工业出版社2811.3 ARIMA模型模型再做自相关图和偏自相关图进一步分析。按“分析预测自相关”顺序打开“自相关”对话框，并在“输出”选项组中将“自相关”和“偏自相关”同时选上，输出结果如下面两图所示。从上左图可以看出，自相关函数呈现出比较典型的拖尾性，说明数据自相关性随时间间隔下降。从上右图可以看出，除了延迟1阶的偏自相关系数在2倍标准差范
24、围之外，其他除数的偏自相关系数都在2倍标准差范围内波动。根据这个特点可以判断该序列具有短期相关性，进一步确定序列平稳。同时，可以认为该序列偏自相关函数1阶截尾。综合该序列自相关函数和偏自相关函数的性质，根据前表的模型识别规则，可以拟合模型为AR(1)，即ARIMA(1, 0, 0)。SPSS 19(中文版)统计分析实用教程 电子工业出版社2911.3 ARIMA模型模型第第3步步 模型拟合：模型拟合： 按“分析预测创建模型”顺序打开“时间序列建模器”对话框，将“燃油量”选入“因变量”框。设置过程与图11-7类似，并选择“方法”下的“ARIMA”模型。“条件”对话框设置。单击“方法”右边的“条件
25、（C）”按钮，打开“时间序列建模器：ARIMA条件”对话框，并按如下图所示进行设置。在“ARIMA阶数”框中需设置“非季节性”参数：自回归的阶p、差分的阶d和移动平均数q。如果时间序列有季节性因素，还需设置“季节性”参数sp，sd和sq。由于经过前面的分析，此例是ARIMA(1, 0, 0)模型，且无季节性影响，则只需将自回归的阶数设为1，其余均为0。SPSS 19(中文版)统计分析实用教程 电子工业出版社3011.3 ARIMA模型模型 “统计量”选项卡的设置：“统计量”选项卡如图11-9所示，将“按模型显示拟合度量、Ljung-Box统计量和离群值的数量”、“R方”、“标准化的BIC”、“
26、拟合优度”、“参数估计”勾上。“图表”选项卡的设置：在其中将“序列”、“残差自相关函数”、“残差偏自相关函数”、“观测值”和“预测值”这些选项选上。其他选项卡的设置读者可参照例11-4进行。第第4步步 主要结果及分析：主要结果及分析：模型的统计量表模型预测变量数模型拟合统计量Ljung-Box Q(18)离群值数R方正态化的 BIC统计量DFSig.燃油量-模型_10.1398.17014.68817.6180列出了模型拟合的一些统计量，包括决定系数（R方）、标准化BIC值、Ljung-Box统计量值，从结果看，拟合效果不太理想，决定系数的值偏小，而且从Sig.0.05来看，Ljung-Box
27、统计量的观测值也不显著。SPSS 19(中文版)统计分析实用教程 电子工业出版社3111.3 ARIMA模型模型 ARIMA模型参数表可以看出，残差的自相关和偏自相关函数都是0阶截尾的，因而残差是一个不含相关性的白噪声序列。因此，序列的相关性都已经充分拟合了。估计SEtSig.燃油量-模型_1燃油量无转换常数4.6905.399.869.389AR滞后 1-.382.127-3.020.004可以看出，AR(1)模型的参数为-0.382，参数是显著的，常数项为4.69，不显著，这里仍然保留常数项。从结果来看，其拟合模型为 10.3824.69tttxxa自相关函数和偏自相关函数图SPSS 19
28、(中文版)统计分析实用教程 电子工业出版社32主要内容主要内容11.1 时间序列的建立和平稳化时间序列的建立和平稳化11.2 指数平滑法指数平滑法11.3 ARIMA模型模型11.4 时序序列的季节性分解时序序列的季节性分解SPSS 19(中文版)统计分析实用教程 电子工业出版社3311.4 时序序列的季节性分解时序序列的季节性分解11.4.1 基本概念及统计原理基本概念及统计原理（1）基本概念）基本概念 SPSS 19(中文版)统计分析实用教程 电子工业出版社3411.4 时序序列的季节性分解时序序列的季节性分解11.4.2 SPSS实例分析实例分析【例11-7】 对表11.1所示某企业的销
29、售数据进行季节性分解。（参见数据文件：data11-1.sav。）第第1步步 数据组织：数据组织：如例11-1，进行数据组织，并定义“年份、月份”格式的日期变量。第第2步步 观察数据序列的性质：观察数据序列的性质：对销售额作时序图，具体见下图。从该时序图可以看出，销售额总的趋势是增长的，但增长并不是单调上升的，而是有涨有落。这种升降不是杂乱无章的，和季节或月份的季节因素有关。当然，除了增长的趋势和季节影响之外，还有些无规律的随机因素的作用。SPSS 19(中文版)统计分析实用教程 电子工业出版社3511.4 时序序列的季节性分解时序序列的季节性分解第第3步步 季节性分析设置：季节性分析设置：按
30、“分析预测季节性分解”顺序打开“周期性分解（季节性分解）”对话框，并按下图进行设置。“保存”对话框的设置 SPSS 19(中文版)统计分析实用教程 电子工业出版社3611.4 时序序列的季节性分解时序序列的季节性分解第第4步步 主要结果及分析：主要结果及分析：模型的描述表季节性因素表模型名称MOD_1模型类型可加序列名称1销售额季节性期间的长度12移动平均数的计算方法跨度等于周期加 1，端点权重为 0.5正在应用来自 MOD_1 的模型指定。显示了模型的名称、类型及季节性期间的长度等信息序列名称:销售额期 间季节性因素1.9722324.0740733.0284043.5646853.2436
31、861.9090072.7109184.4425791.25785102.13070由于季节性的影响，各月份的销售额有很大不同，可看出11月、12月、35月的季节性因子为负值，这几个月的销售情况比较差，12月最差。同理，8月份的销售情况最好。 SPSS 19(中文版)统计分析实用教程 电子工业出版社3711.4 时序序列的季节性分解时序序列的季节性分解第第4步步 主要结果及分析：主要结果及分析：数据文件的数据视图从该图中可以看到，数据文件中增加了4个序列：ERR_1表示“销售额”序列进行季节性分解后的不规则或随机波动序列；SAS_1表示“销售额”序列进行季节性分解除去季节性因素后的序列；SAF
32、_1表示“销售额”序列进行季节性分解产生的季节性因素序列；STC_1表示“销售额”序列进行季节性分解出来的序列趋势和循环成分。SPSS 19(中文版)统计分析实用教程 电子工业出版社3811.4 时序序列的季节性分解时序序列的季节性分解第第4步步 主要结果及分析：主要结果及分析：季节分解后的时序图：用数据文件中新增加的4个数据序列作时序图，如下图所示。可以看到趋势、季节性影响、随机影响等已被成功分开。SPSS 19(中文版)统计分析实用教程 电子工业出版社39The EndSPSS 19(中文版)统计分析实用教程 电子工业出版社40第十二章信度分析SPSS 19(中文版)统计分析实用教程 电子
33、工业出版社41主要内容主要内容12.0 信度分析概述信度分析概述12.1 内在信度分析内在信度分析12.2 再测信度分析再测信度分析12.3 Kendall和谐系数和谐系数SPSS 19(中文版)统计分析实用教程 电子工业出版社4212.0 信度分析概述信度分析概述(1)效度 效度指的是量表是否真正反映了我们希望测量的东西。一般来说，有4种类型的效度：内容效度、标准效度、结构效度和区分效度。内容效度是一种基于概念的评价指标，其他三种效度是基于经验的评价指标。如果一个量表实际上是有效的，那么我们希望上述4种指标都比较满意。 (2) 信度 是指测量的一致性。信度本身与测量所得结果正确与否无关，它的
34、功能在于检验测量本身是否稳定。制作完成一份量表或问卷后，首先应该对该量表进行信度分析，以确保其可靠性和稳定性，以免影响问卷内容分析结果的准确性。(3)信度与效度关系信度与效度关系 效度与信度的关系是信度为效度的必要而非充分条件，即有效度一定有信度，但有信度不一定有效度。SPSS 19(中文版)统计分析实用教程 电子工业出版社43主要内容主要内容12.0 信度分析概述信度分析概述12.1 内在信度分析内在信度分析12.2 再测信度分析再测信度分析12.3 Kendall和谐系数和谐系数SPSS 19(中文版)统计分析实用教程 电子工业出版社4412.1 内在信度分析内在信度分析12.1.1 基本
35、概念及统计原理基本概念及统计原理(1) (1) 基本概念基本概念 内在信度也称为内部一致性，用以衡量组成量表题项的内在一致性程度如何。常用的检测方法是Cronbachs系数法和分半（Split-half）系数法。(2) (2) 统计原理统计原理 Cronbachs系数系数212(1)1kiixSkkSSPSS 19(中文版)统计分析实用教程 电子工业出版社4512.1 内在信度分析内在信度分析12.1.1 基本概念及统计原理基本概念及统计原理分半信度系数：分半信度系数：是在测试后对测试项目按奇项、偶项或其他标准分成两半，分别记分，由两半分数之间的相关系数得到信度系数。需要进行斯皮尔曼布朗公式校
36、正，校正的公式为： 21xxxxrrrSPSS 19(中文版)统计分析实用教程 电子工业出版社4612.1 内在信度分析内在信度分析12.1.2 SPSS统计分析实例统计分析实例【例12-1】 在学生的性格特征调查中共选了10名学生在8个项目上进行测试，其数据如下表，试对其进行内在信度分析。 序号 内向性 活动性 支配性 深思性 健壮性 稳定性 社会性 激动性1465553542254553423353641314564755625365644636333211217466656518762645649232274721023445631SPSS 19(中文版)统计分析实用教程 电子工业出版社
37、4712.1 内在信度分析内在信度分析第第1步步 分析：分析：本例通过求克朗巴哈系数来衡量其内在一致性。第第2步步 数据组织：数据组织：按如上表所示的表头定义变量，输入数据并保存。第第3步步 内在一致性分析的设置：内在一致性分析的设置：按“分析度量可靠性分析”顺序打开“可靠性分析”对话框，将衡量性格的8个变量移入“项目”框中模型选择，本例选择使用Cronbachs 信度系数法。打开“可靠性分析：统计量” ，按如下图所示进行设置。SPSS 19(中文版)统计分析实用教程 电子工业出版社4812.1 内在信度分析内在信度分析第第4步步 主要结果及分析。主要结果及分析。克朗巴哈系数表Cronbach
38、s Alpha基于标准化项的 Cronbachs Alpha项数.790.7908可知系数为0.79，其标准化后的系数为0.79，说明量表的信度一般，还有进一步优化的必要。 SPSS 19(中文版)统计分析实用教程 电子工业出版社4912.1 内在信度分析内在信度分析第第4步步 主要结果及分析。主要结果及分析。所有评估项目的描述性情况表项已删除的刻度均值项已删除的刻度方差校正的项总计相关性多相关性的平方项已删除的 Cronbachs Alpha 值内向性28.7048.233.460.905.773活动性27.3045.122.752.982.730支配性28.4054.489.238.908
39、.802深思性27.3043.567.626.946.744健壮性27.7051.567.323.752.793稳定性28.4045.156.509.879.766社会性27.5044.500.626.850.745激动性30.1051.211.479.701.772显示了将某一项从量表中删除的情况下，量表的平均分、方差、每个项目得分与剩余各项目得分之间的相关系数，以该项目为自变量，所有其他项目为因变量建立回归方程的 值以及Cronbachs 值。从表中可以看出，“活动性”与其他项目之间的相关性最高，为0.752，而且“活动性”与其他项目的复相关系数（ ）也最高，为0.982，这表明“活动性”
40、与其他项目的关系最为密切。同时也可以看出，如果删除“支配性”，则其 系数变成了0.802，有所提升，但幅度并不大。SPSS 19(中文版)统计分析实用教程 电子工业出版社50主要内容主要内容12.0 信度分析概述信度分析概述12.1 内在信度分析内在信度分析12.2 再测信度分析再测信度分析12.3 Kendall和谐系数和谐系数SPSS 19(中文版)统计分析实用教程 电子工业出版社5112.2 再测信度分析再测信度分析12.2.1 基本概念及统计原理基本概念及统计原理(1) 基本概念基本概念 同一个测验项目，对同一组人员进行前后两次测试，两次测试所得分数的相关系数即为再测信度。它反映两次测
41、验结果有无变动，也就是测验分数的稳定程度，故又称为稳定性系数。(2) 统计原理统计原理 再测信度实质是求的同一量表在两次测试中的相关系数，通常求的是如下式所示的Pearson相关系数相关系数。 12211()()()()niiinniiiixxyyrxxyySPSS 19(中文版)统计分析实用教程 电子工业出版社5212.2 再测信度分析再测信度分析12.2.2 SPSS实例分析实例分析【例12-2】心理调查第一次调查的数据如例12-1所示，第二次调查的数据如下表所示。试对该量表进行再测信度分析。 序号 内向性1 活动性1 支配性1 深思性1 健壮性1 稳定性1 社会性1 激动性1135654
42、4442255534533353652324464754535365644456432211327466645528662545549333365631023445642SPSS 19(中文版)统计分析实用教程 电子工业出版社5312.2 再测信度分析再测信度分析第第1步步 分析：分析：进行再测信度分析。第第2步步 数据组织：数据组织：建立“内向性”“激动性”8个变量及这8个变量的总分“total”（总分通过“转换变量计算”来计算）变量，和“内向性1”“激动性1”及这8个变量的部分“total1”外加一个“序号”变量，共19个变量，如下图所示。SPSS 19(中文版)统计分析实用教程 电子工业
43、出版社5412.2 再测信度分析再测信度分析第第3步步 再测信度分析设置：再测信度分析设置：按“分析相关双变量”顺序打开“相关性”对话框：将前后两次调查的变量及数据移入“变量”对话框；在“相关系数”框中选择“Pearson”系数；在“显著性检验”框中选择“双侧检验”，进行双尾检测。第第4步步 主要结果及分析：主要结果及分析：内向性 活动性 支配性 深思性 健壮性 稳定性 社会性 激动性 总分0.8980.9730.9060.9660.8330.9040.7870.880 0.976在对输出的结果表进行了整理后，各相关变量，从表中可以看出可见各变量的相关系数比较高，其中总分的相关系数为0.976
44、，说明量表的再测信度很好。SPSS 19(中文版)统计分析实用教程 电子工业出版社55主要内容主要内容12.0 信度分析概述信度分析概述12.1 内在信度分析内在信度分析12.2 再测信度分析再测信度分析12.3 Kendall和谐系数和谐系数SPSS 19(中文版)统计分析实用教程 电子工业出版社5612.3 Kendall和谐系数和谐系数12.3.1 基本概念及统计原理基本概念及统计原理(1) 基本概念基本概念 Kendall和谐系数常用于考察评分者信度。所谓评分者信度（Scorer Reliability），指多个评分者给同一批人进行评分的一致性程度。例如，在教育和心理测量中，常关心不同
45、的评分者对同一个主观题的评分是否一致；在医学临床疗效评价中，常关心不同的医生对同一个患者的评价是否一致。当评分者人数为2时，可以采用Pearson或Spearman相关系数评价一致性；当评分者人数多于2时，可以采用Kendall和谐系数考察评分者信度。SPSS 19(中文版)统计分析实用教程 电子工业出版社5712.3 Kendall和谐系数和谐系数12.3.1 基本概念及统计原理基本概念及统计原理(2) 统计原理统计原理 Kendall和谐系数的计算公式为 2223/12()iiRRNWKNN若评分中出现相同的等级，则需要计算校正的系数。公式如下： 22233/12()()/12iiRRNW
46、KNNKnnSPSS 19(中文版)统计分析实用教程 电子工业出版社5812.3 Kendall和谐系数和谐系数12.3.2 SPSS实例分析实例分析【例12-5】 三名神经内科医生对6名重症肌无力患者分别进行肌力的评分，结果如下表所示，试评价三名医生的评分信度，计算Kendall和谐系数。序号医生甲医生乙医生丙135322524036303373128430302453835316424032SPSS 19(中文版)统计分析实用教程 电子工业出版社5912.3 Kendall和谐系数和谐系数第第1步步 分析：分析：这是一个考察几个人对同一批患者评价一致性的问题，考虑用Kendall系数来度量
47、。第第2步步 数据组织：数据组织：建立“序号”、“医生甲”、“医生乙”和“医生丙”四个变量，输入数据并保存。第第3步步 Kendall系数设置：系数设置：按“分析非参数检验旧对话框K个相关样本”顺序打开“多个关联样本检验”对话框，并按下图进行设置，之后提交系统运行。SPSS 19(中文版)统计分析实用教程 电子工业出版社6012.3 Kendall和谐系数和谐系数第第4步步 主要结果及分析：主要结果及分析：检验统计结果表 N6Kendall Wa.964卡方11.565df2渐近显著性.003a. Kendall 协同系数。不仅给出了Kendall系数0.964，还给出了显著性水平0.003，说明三个医生评分结果具有较好的一致性。SPSS 19(中文版)统计分析实用教程 电子工业出版社61The End
