SPSS问卷

多重响应分析
可以用在处理多选题上。
有两种处理，分别是多重二分法和多重分类法。
多重二分法就是将多选题拆分为多个单选题的叠加。0未选，1为选中。
多重分类法就是我们在问卷的所有多选题当中找出最多的选项数，比如选项最多是九个，那我们就设置。这九个变量分别编号一到九。然后最多有人选了六个变量，那么那么我们就会在这六个选项中填上六个变量的名称，未选的则不填写。
我们需要先定义变量集，然后应用则是对于频率和交叉表的应用。

---

信度分析

分析    标度   可靠性分析
它分为内在信度与外在限度
内在信度是检验一组问题，是否测量的是同一个概念
外在信度是指一份问卷测量结果是否可靠。描述的全部项之间的相关性。这些我们都要选。

在结果解读上，科隆巴赫系数大于0.7则一致性较好，0.6到0.7为可以接受，0.8以上非常好。
删除某条目的话，他的皮尔森系数小于0.3，就可以向总项统计，删除向后的数越大越好这样的话。

删除优化的方法有延长问卷的长度，难度适中，同质内容，时间充分，测验程序一致。关于信度测量的方法分类有重测信度短时间两到四周内对同一对象测两次看皮尔森系数

第二个复本信度一次填两份的问卷，可以反应问卷的误差。依次填两份问卷，可以反应问卷的误差。
折半信度则是将奇数题和偶数题分别抽出来，然后分别进行计算。

---

效度分析，分为两部分
内容效度和结构效度，
那内容效度是指设计的能否反映所要测量的内容
结构效度是指问卷是否能够反映出某些因素，就是能不能提取出来公因子？
他在分析 降维 因子分析当中。
步骤就是统计  初始解  相关性系数KM O和巴洛特利。
提取主成份   相关性矩阵  未旋转  基于特征值大于一。旋转最大方差法旋转后的解
选项。
r要大于0.4，即为相关性变高。在相关性矩阵皮尔森系数上，KM O大于0.5，P小于0.05即可进行因子分析，证明整体是有效的。
总方差解释是指提取因子提取，因此对总体的概括度。我们可以看到，他可以划分为几个维度，70%以上就可以了。50%以上也算比较理想。
旋转成分矩阵。数值小的不要看。每一类中会有一群高数值，即大于0.5的数字。如果原本的设计只有三个数值，旋转出四个就需要进行调整。各类都能反映的需要剔除。
公因子方差，每个变量被公因子提取多少大于0.7就是很好的，能够被表达出来了。
成分得分系数矩阵，可以看出公因子方程式系数即为得分，分值为X1到X N。载荷图上小于0.3为低载荷  大于0.4，为高载荷。

相关概念

如果量表的内容效度较高，则每题得分与总得分的相关性均应该较高，判定标准为r>0.4，在因子分析的结果中，用于评价架构效度的主要指标有累积贡献率、共同度和因子负荷。累积贡献率反映公因子对量表或问卷的累积有效程度，共同度反映由公因子解释原变量的有效程度，因子负荷反映原变量与某个公因子的相关程度库德－理查森信度适用于计算“对或错”的是非题的同质性信度，其是计算所有可能的分半信度的平均数。该信度系数实际应用较少。
5. 克隆巴赫信度系数（cronbach'sα）
cronbach's α系数是Cronbach于1951年创立的，用于评价问卷的内部一致性。α系数取值在0～1，α系数越高，信度越高，问卷的内部一致性越好。Cronbach's α系数不仅适用于两级记分的问卷，还适用于多级计分的问卷。克隆巴赫信度系数具有如下特点：①α系数是所有可能的分半信度的平均值；②α系数是估计信度的最低限度；③当问卷计分为二分名义变量时，即答案为0或1，α系数与KR20值相同，即库德－理查森信度公式是克隆巴赫的α系数的一个特例。
一般地，问卷的α系数在0.8以上该问卷才具有使用价值。Cronbach's α值皆达0.85以上，表明问卷信度良好。α系数评价的是量表中各题项得分间的一致性，属于内在一致性系数。这种方法适用于态度、意见式问卷（量表）的信度分析。
一份信度系数好的量表或问卷，最好在0.80以上，0.70～0.80还算是可以接受的范围；分量表最好在0.70以上，0.60～0.70可以接受。若分量表的内部一致性系数在0.60以下或者总量表的信度系数在0.80以下，应考虑重新修订量表或增删题项。
6. 评分者信度（inter-scorer reliability）
考察评分者信度的方法为，随机抽取相当份数的问卷，由两位评分者按记分规则分别给分；然后根据每份问卷的分数计算相关系数，即可得到评分者信度。评分者信度也可以是一位评分者两次评分的相关系数。如果是多个评分者或一位评分者两次以上的评分，可采用肯德尔和谐系数和Kappa系数。肯德尔和谐系数用于等级资料，Kappa系数用于定性资料。
上述6种信度系数，以克隆巴赫信度系数应用最广，其次为折半信度，后续将对这两个信度系数进行案例讲解。

---

信度分析

 信度分类

1. 重测信度（test-retest reliability）
假定短时间内一批对象的状况并没有改变，对每个对象用同一个问卷先后测验两次，两次测验得分的相关系数就称为重测信度。重测信度是用皮尔逊积差相关系数r公式计算的。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。如果没有突发事件导致被调查者的态度、意见突变，这种方法也适用于态度、意见式问卷。
由于重测信度法需要对同一样本试测两次，被调查者容易受到各种事件、活动和他人的影响，而且间隔时间长短也有一定限制，因此在实施中有一定困难。通常重测时间跨度以2～4周为宜，太短会受记忆的影响，太长又受环境的影响。
2. 复本信度法（alternate form reliability）
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模式不同外，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，但在实际调查中，很难使调查问卷达到这种要求，因此采用这种方法者较少。复本编制不容易，易出现顺序效应，受练习的影响；复本信度只能反映问卷内容所造成的误差，无法反映答卷者本身所造成的误差等。
3. 折半信度法（split-half reliability）
当测验没有复本且测验不可避免地受到时间的影响，只适合用于一次测验时，可用分半信度。分半的方法很多，一般是将奇数题和偶数题各作为一半，而非前后分半，目的是避免顺序效应。分半信度也叫折半信度，其计算方法是将问卷的题目分成对等的两半，分别求出两半题目的总分，再计算两部分总分的相关系数。使用分半信度时要注意两个问题：（1）问卷题目所测的应是同一种特质；（2）两半题目应是等值的。对问卷题目进行分半会造成对整个问卷信度的低估，为此需要对分半信度进行校正，其校正公式为斯皮尔曼－布朗（Spearman-Brown）公式；Spearman-Brown公式要求两个分半表的信度和方差均满足齐性；Guttman分半信度，可不满足上述要求。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。在问卷调查中，态度测量最常见的形式是5级李克特（Likert）量表。
4. 库得－理查森信度（Kuder - Richardson）信度是指量表测量结果的可靠性，可重复性、可靠性越高的量表，越不受时间、地点等环境的影响，用其进行检测结果较为稳定。效度是指量表的准确性，是指量表能否把要测量的目标真正地检测出来

相关概念

随访资料的特点主要有：存在截尾数据且数据呈正偏态分布。
1. 生存时间
生存时间指从某个起始事件开始，到出现我们想要得到的终点事件发生所经历的时间，也称为失效时间。生存时间具有的特点：分布类型不确定，一般表现为正偏态分布；数据中常含有删失数据。
2. 完全数据
完全数据指从事件开始到事件结束，观察对象一直都处在观察范围内，我们得到了事件从开始到结束的准确时间。
3. 删失数据
指在研究分析过程中由于某些原因，未能得到所研究个体的准确时间，这个数据就是删失数据，又称为不完全数据。产生删失数据的原因有很多：在随访研究中大多是由于失访所造成的；在动物实验研究中大多由于观察时间已到，不能继续下去所造成的。
4. 生存概率
生存概率指从某单位时间段开始，存活的个体到该时间段结束时个体仍存活的可能性。
5. 生存函数
生存函数指个体生存时间T大于等于t的概率，又称为累积生存概率，或生存曲线。
6. 半数生存时间
半数生存时间指50%的个体存活且有50%的个体死亡的时间，又称为中位生存时间。因为生存时间的分布常为偏态分布，故应用半数生存时间较平均生存时间更加严谨。
7. 风险函数
风险函数指在生存过程中，t时刻存活的个体在t时刻的瞬时死亡率，又称为危险率函数、瞬时死亡率、死亡率等。一般用h（t）表示。
生存分析方法
按照使用参数与否一般可以分为三种。
（1）参数方法，数据必须满足相应的分布。常用的参数模型有：指数分布模型、Weibull分布模型、对数正态分布模型、对数Logistic分布模型、Gamma分布模型。
（2）半参数方法，是目前非常流行的生存分析方法，相对而言，半参数方法比参数方法灵活，比非参数方法更易解释分析结果。常用的半参数模型为Cox模型。
（3）非参数方法，当数据没有参数模型可以拟合时，通常可以采用非参数方法进行生存分析。常用的非参数模型包括寿命表法分析和Kalpan-Meier方法。
目前生存分析最常用的方法即寿命表法、Kaplan-Meier法和COX回归法，我们一直在谈统计分三级，初级说一说，中级比一比，高级找关系，而寿命表法就是生存分析的初级说一说，Kaplan-Meier法就是中级比一比，而COX回归法就是生存分析的高级找关系。Cox回归策略可以先进行单因素分析，然后对筛选出的有意义单变量，再进行多因素分析。如果研究因素皆为分类变量，则可以采用Kaplan-Meier法进行单因素筛选，如果包含连续性计量资料，如本例的年龄，可以直接用Cox回归进行单因素筛选。
2. 不同建模策略，肯定会得到不同的模型，模型一定要结合专业进行解释。如本例采用的是向前：LR法，软件会自动筛选有意义的模型，而我们基于专业知道年龄和性别应该会影响治疗的结局，虽然上述变量无统计学意义，也可以加入模型，采用输入法进行分析