Stata问卷数据分析（零基础）

JAQUEzyz

于 2024-09-21 17:25:11 发布

阅读量5.7k

点赞数 19

文章标签：数学建模

本文链接：https://blog.csdn.net/JAQUEzyz/article/details/142393497

版权

一、导入数据

注意按需选择【将第一行作为变量名】

二、信度与效度检验

2.1信度检验

对问卷进行Cronbach’s Alpha信度检验。如果此值高于0.8，则说明信度高；如果此值介于0.7~0.8之间，则说明信度较好；如果此值介于0.6~0.7，则说明信度可接受；如果此值小于0.6，说明信度不佳。

命令：

alpha var1 var2 var3...

输出：

分析：

Cronbach’s Alpha为0.8610，说明信度高

2.2 效度检验

对量表的效度分析采用KMO和Bartlett球检验法进行检验。如果此值高于0.8，则说明研究数据非常适合提取信息，效度很好；如果此值介于0.7~0.8之间，则说明研究数据适合提取信息，效度较好；如果此值介于0.6~0.7，则说明研究数据比较适合提取信息，效度一般；如果此值小于0.6，说明数据效度一般。

命令：

ssc install factortest
factortest var1 var2 var3

先安装factortest，然后进行检验

输出：

找到Bartlett球检验近似卡方=1475.101，df=78, p-value=0, KMO=0.891.

分析：

KMO结果结果为0.891，大于0.8，Bartlett的球形度检验中p<0.001，说明变量间存在相关因子，适合做因子分析。

三、因子分析

3.1量表的旋转因子载荷系数与公因子方差结果

命令：

factor q1_1 q1_2 q1_3 q2_1 q2_2 q2_3 q3_1 q3_2 q3_3 q4_1 q4_2 q4_3, factors(4)
rotate, varimax

上面假设量表有4个维度。

输出：

分析：

经过处理可得量表的旋转因子载荷系数与公因子方差结果：

可以看出，各题项的因子载荷系数绝对值均大于0.4，即说明选项和因子有对应关系

tips：如何快速将stata的表格复制到word？

Answer：安装 asdoc并用asdoc 导出

ssc install asdoc
asdoc summarize, replace

其中summarize可替换成你想输出的命令

3.2量表方差解释率结果

根据前面factor和rotate的输出可总结如下：

四、描述性统计分析

4.1样本人口统计学特征（频数统计）

命令

tab var1

输出：

4.2多选题的处理

Q5为多选题，数据格式如下：

现在需要将各选项分开计算出现频次并绘制直方图，步骤如下

1. 创建唯一标识符变量：

gen id = _n

2. 拆分多选项变量

split Q5, parse(,) gen(option)

3. 将数据转换为长格式

reshape long option, i(id) j(option_num)
drop if option == ""

4. 将选项变量转换为数值类型：

destring option, replace

5. 将选项值替换为汉字标签：

label define option_label 1 "抖音" 2 "快手" 3 "B站" 4 "微信视频号" 5 "其他"
label values option option_label

6. 计算频次：

tabulate option, generate(freq)

输出：

7. 绘制直方图

这一步我还没太搞懂哈哈哈，我就弄进excel里面画啦，也蛮方便的

五、相关性分析

需要获得的不是每个变量间的相关性，而是维度间的相关性

这里我采用的是维度内取平均，然后再进行相关性分析的方法

egen dim1_mean = rowmean(dim1_var1 dim1_var2)
egen dim2_mean = rowmean(dim2_var1 dim2_var2)
egen dim3_mean = rowmean(dim3_var1 dim3_var2)
egen dim4_mean = rowmean(dim4_var1 dim4_var2)

correlate dim1_mean dim2_mean dim3_mean dim4_mean

输出

六、回归分析

将Q1 Q2 Q3 Q4 Q6 Q7 Q8作为控制变量，dim1_mean dim2_mean dim3_mean作为自变量，而将 dim4_mean作为因变量进行线性回归分析，另外需要计算VIF

命令：

regress dim4_mean Q1 Q2 Q3 Q4 Q6 Q7 Q8  dim1_mean dim2_mean dim3_mean
regress dim4_mean Q1 Q2 Q3 Q4 Q6 Q7 Q8  dim1_mean dim2_mean dim3_mean ,beta
vif

注意第一条命令是进行回归分析，输出非标准化系数、t值和p值

第二条命令是为了计算标准化系数beta

输出：