遺漏值於SPSS上的處裡

今天再次嘗試在SPSS上處理missing data ，發現知道如何寫語法還滿重要的，因為有些計算可能無法或不容易，可直接在SPSS上點選後得到想要的結果，。

處理遺漏值的方法：
舉個例子，10題在測同一概念的量表(a1~a10)，老師之前教的方式為，10*(sum (a1 to a10)/(10-missing))，此方法可以填補總分的遺漏值。
處理每項題目的遺漏值，例如：處理題目al遺漏值之syntax
COMPUTE amean=sum (a1 to a10)/(10-amissing).
IF (MISSING(a1)) a1=amean.
EXECUTE.

但是要注意，假如一個量表底下有次量表，且同個概念的項目排列順序不連續時，處理方法有一些兒不同。
例如，有個10題題目的量表，1、3、5、7、9表示b概念，2、4、6、8、10表示c概念。
處理每項題目的遺漏值，例如：處理題目b1之syntax
IF(MISSING(b1)) b1=0.
COMPUTE bmean=sum (b1 + b3 + b5 + b7 + b9)/(5-bmissing).
IF(MISSING(b1_1)) b1_1=bmean.
*b1_1為事先複製 b1的資料

感覺有部分仍是土法煉鋼的方式。
應該可以使用do if.........else if..........end if....的方式，但我今天嘗試了一個下午，語法就是不正確。

討論資料分析結果

問題一：有幾個相關係數數值和原先預測有很大的差距，懷疑是否計算錯誤。
老師的建議：先檢查raw data，然後畫圖，看相關性的結果。

問題二：不確定計算scaling success的方式是否正確?
老師的建議：詢問李晏的意見。

老師其他的建議：
1. 有些數據的小數點，到第一位即可。
2. 仍需分析年齡的描述性統計。

資料分析困難

今天寫關於SF-36文獻彙整，寫完後，嘗試其中的分析方式來分析手中的SF-36資料，發現好困難喔!單是描述性分析，就一直不斷重覆修改分析結果。現在碰到一個瓶頸，不知要如何處理才好。

問題一：依照彙整文獻的步驟，我先分析missing data，但我要刪除哪些不完整的資料?
回答一：依照彙整文獻，我需要把SF-36每個次量表資料中，保留項目中1/2和以上有資料填寫，missing data由平均值取代

問題二：假如我照回答一的方式，每個項目的missing data就變得很少，如此一來，missing data的分析就不是變得沒有意義了嗎?
回應二：所以我是否應該只刪除36題都未回答的受測者資料，然後先分析missing data，此時missing data的分析比較有意義。然後再刪除每個次量表中，項目裡1/2資料未填寫的受測者，然後再以平均值取代。此作法會較正確嗎?

工欲善其事，必先利其器

最近因作業的需要，開始使用SPSS，在使用過後，覺得SPSS還滿好用的。

計算 SF-36每一時期的樣本數和比較每一時期的有多少共同受測者
1. 在excel整理好每一時期的樣本
2. 輸入資料到SPSS裡
3. 然後使用SPSS的select cases的if功能，就能比較快速地比較每一時期的有多少共同受測者

原本使用土法練鋼的方式，真的好花時間、眼力.......

internal consistency

內部(在)一致性
定義：各單項分數之間的相關性以及各單項分數與總分之間的相關性，以確認問卷所有項目之間的同質性(homogeneity)

Cronbach's alpha (α)係數為最常使用的分析方法。分析題目間互動關連程度，一組題目之間可能有相當的關連性且多向度。量表之內部一致性是表示題目間關連性(interralatedness)，但不一定是指題目所包括的向度(dimensionality)。
一個量表具有單一向度，即具有內部一致性，但一個量表具有內部一致性，並不表示具有單一向度----內部一致性為信度，和建構效度不同(分析向度)

因素分析後，知道有那些的建構層面，可比較每個建構層面的內部一致性。

α係數受到量表的題目數、題目之間的相關係數之平均數、與向度數目等三個因素所影響。

SPSS

• 從SPSS得到的兩種alpha信度係數，信度係數和標準化信度係數(standardized item alpha)。 標準化的alpha是指考量各題項變異量不相等所造成的影響，校正後的係數。
• 各單項分數與總分之間的相關性
• 於SPSS中可得到item-total statistics表中的item-toal correlation，item-toal correltaion表示個別項目與總分之間的相關性。假如量表是同質性，項目與總分的相關性應該要高。
• 於SPSS中可得到item-total statistics表中的Cronbach's alpha if item deleted，意指刪除某題後，所計算出其他題的alpha係數。假如刪除某題後的α變小，則表示此題不適合刪除；假如刪除某題後的α變大，表示此題與其他題的內部一致性低，則需考慮刪除此題。

Cronbach's alpha的公式為n*ṝ/[1+(n-1)*ṝ]
n: number of items
r-bar: average inter-term correlation among the items

Reliability Statistics
Cronbach's Alpha	N of Items
.945	10

在SPSS上得到以上的Cronbach's α，是各單項分數之間的相關性，
在SPSS上得到以下的Corrected Item-Total Correlation Cronbach's α，是各單項分數與總分之間的相關性。

Item-Total Statistics
	Scale Mean if Item Deleted	Scale Variance if Item Deleted	Corrected Item-Total Correlation	Cronbach's Alpha if Item Deleted
motora11	8.43	33.989	.775	.939
motora12	8.57	33.380	.783	.939
motora13	8.66	35.751	.659	.944
motora14	8.60	33.811	.853	.937
motora15	8.91	33.993	.788	.939
motora16	9.04	33.129	.753	.940
motora17	9.15	33.130	.842	.936
motora18	8.94	31.670	.806	.938
motora19	9.15	32.303	.812	.938
motora10	9.21	32.606	.715	.943