用 SPSS 完成商科数据分析作业：从问卷数据到研究报告的完整指南
SPSS（Statistical Package for the Social Sciences）是英国商科、心理学和社会科学专业 Dissertation 和 Research Methods 课程中最常用的统计软件。许多中国留学生在国内只用过 Excel，面对 SPSS 的输出结果一头雾水，不知道该汇报哪些数字、如何解读 p 值和 F 值。
本文从实际作业场景出发，手把手带你走完 SPSS 分析的完整流程。
一、数据准备：问卷数据如何导入 SPSS
1.1 Variable View 的正确设置
打开 SPSS 后，你会看到两个 Tab：Data View（数据本身）和 Variable View（变量定义）。许多人跳过 Variable View 直接粘贴数据，导致后续分析出错。
Variable View 中关键列的含义：
| 列名 | 含义 | 常见设置 |
|---|---|---|
| Name | 变量名（不能有空格） | age, gender, q1_score |
| Type | 数据类型 | Numeric（数字）/ String（文字） |
| Measure | 测量尺度 | Scale（连续）/ Ordinal（有序）/ Nominal（名义） |
| Values | 数值标签 | 如：1="Male", 2="Female" |
关键原则：Likert 量表题（如"非常同意=5"到"非常不同意=1"）在 Measure 列选 Ordinal，不要选 Scale。这直接影响后续选哪种统计检验。
1.2 处理缺失值
真实问卷数据总有缺失。处理方式：
- 少量缺失（<5%）：用均值填充（
Transform → Replace Missing Values → Series Mean） - 较多缺失（>10%）：考虑将该问卷整行删除，并在报告中注明有效样本量
- 系统缺失：SPSS 用小圆点表示，不要手动填 0（0 和"没填"是两个不同含义）
二、选择正确的统计检验：一张决策树
这是中国学生最大的困惑点。以下是针对商科 Dissertation 最常见的检验选择逻辑：
你的研究问题是？
├── 比较两组/多组均值差异？
│ ├── 两组 → Independent Samples t-test（自变量是分类，因变量是连续）
│ ├── 同一组，前后测 → Paired Samples t-test
│ └── 三组及以上 → One-Way ANOVA（+ Post Hoc 检验找具体哪组有差异）
├── 探索两个连续变量之间的关系？
│ ├── 只看相关程度 → Pearson / Spearman 相关分析
│ └── 用 X 预测 Y → 线性回归（Simple / Multiple Regression）
└── 探索类别变量之间的关联？
└── Chi-Square Test（卡方检验）
Pearson vs Spearman：数据符合正态分布用 Pearson；Likert 量表数据（非正态）用 Spearman。
三、实操：以"员工满意度与离职意向"为例
假设你的 Dissertation 研究问题是：工作满意度（job satisfaction）是否能预测离职意向（turnover intention）？
步骤 1：描述性统计
Analyze → Descriptive Statistics → Descriptives
选中所有量表变量，勾选：Mean、Std. Deviation、Minimum、Maximum。
输出解读：
N Mean Std. Dev Min Max
JobSat 200 3.72 0.89 1 5
TurnInt 200 2.91 1.12 1 5
在报告中写法："工作满意度的均值为 M = 3.72（SD = 0.89），离职意向均值为 M = 2.91（SD = 1.12）。"
步骤 2：相关分析
Analyze → Correlate → Bivariate，选两个变量，勾选 Pearson。
输出中找 Pearson Correlation 和 Sig.(2-tailed)：
| TurnInt | |
|---|---|
| JobSat | r = -.48** |
| Sig. | .000 |
报告写法："工作满意度与离职意向呈显著负相关，r = -.48，p < .001，表明满意度越高，离职意向越低。"
步骤 3：回归分析
Analyze → Regression → Linear，将 TurnInt 拖入 Dependent，JobSat 拖入 Independent(s)。
关键输出数字：
| 指标 | 含义 | 示例值 |
|---|---|---|
| R² | 模型解释力（0-1，越高越好） | .231 |
| F | 整体模型显著性检验 | F(1,198) = 59.5, p < .001 |
| β (Beta) | 标准化回归系数 | -.48 |
| Sig. | 该预测变量是否显著 | .000 |
报告写法： "回归分析结果显示，工作满意度显著预测离职意向，β = -.48，t(198) = -7.71，p < .001，R² = .23，表明工作满意度解释了离职意向 23% 的方差。"
四、SPSS 输出如何放进 Dissertation
4.1 APA 格式汇报规范
商科 Dissertation 通常要求 APA 格式汇报统计结果，公式如下：
- t 检验：t(df) = t值, p = .xxx
- 相关分析：r(df) = r值, p = .xxx
- 回归：F(df_回归, df_残差) = F值, p = .xxx, R² = .xxx
- ANOVA：F(df_组间, df_组内) = F值, p = .xxx, η² = .xxx
p 值写法：当 p < .001 时写 p < .001，不写具体值；当 p ≥ .001 时写精确值如 p = .023。
4.2 表格 vs 图形
- 描述性统计和相关矩阵用表格（Table）
- 正态性检验（Histogram/Q-Q Plot）和散点图作为 Appendix
- 不要把 SPSS 的输出窗口截图直接粘贴进报告——需要手工重新排版成 APA 格式的表格
4.3 讨论章节如何解释结果
拿到显著结果后，讨论章节需要回答三个问题：
- 结果是什么？（重述统计发现，不要照抄数字，用语言描述方向和程度）
- 为什么会这样？（联系已有文献，引用 2-3 篇支持你结果的论文）
- 这意味着什么？（对实践的 implication，如"管理者应通过...提升员工满意度以降低离职率"）
五、常见错误总结
❌ 错误 1：Likert 数据用 Pearson 相关而非 Spearman → 违反正态假设，结果不可靠
❌ 错误 2：回归系数只汇报 B（非标准化），不汇报 β（标准化）→ 无法跨变量比较贡献度
❌ 错误 3：p < .05 就说"强相关"→ p 值只代表显著性，不代表相关程度；相关强度看 r 值（.1小，.3中，.5大）
❌ 错误 4：直接截图 SPSS 输出窗口 → 导师扣格式分，必须手工做 APA 格式表格
✅ 正确做法：先做描述性统计，再做相关，最后做回归；每步都先检查前提假设（正态性、同方差性）再解读结果。
如果 SPSS 分析卡住了，或者不确定该用哪种统计检验，欢迎扫码联系我们——我们有商科数据分析方向的导师，能从研究设计到最终报告全程辅导。
