基于SPSS的大学生主观幸福感影响因素研究.docVIP

基于SPSS的大学生主观幸福感影响因素研究 摘要：本文主要阐述信息分析技术在大学生主观幸福感影响因素分析中的应用，重点介绍了基于SPSS的因子分析和决策树方法，以及如何利用因子分析和决策树方法进行大学生主观幸福感影响因素的分析，以更好地了解影响大学生主观幸福感的主要因素。 关键词：信息分析 主观幸福感 因子分析 决策树 1、引言 信息分析是指以社会用户的特定需求为依托，以定性和定量的研究方法为手段，通过对社会信息的收集、整理、鉴别、评价、分析、综合等系列化加工过程，形成新的、增值的信息产品，最终将一系列分析结果呈现在用户面前，为不同层次的科学决策服务的一项具有科学研究性质的智能活动[1]。 如今，我们的物质生活水平有了很大的提高，然而，有很多人感觉到自己是不幸福的。特别是如今大学生自杀事件或出现心理问题的现象越来越严重。那么，什么是幸福能？可能至今也没有一个明确的定义。因为，幸福是一个复杂而又主观的概念。每个人对生活质量的整体性评估都有自己的评价标准[2,3]。因此，我们希望能在此研究中应用信息分析技术，了解大学生主观幸福感（Subjective Well-Being，SWB）的现状及其主要影响因素，分析、预测及引导大学生的认知和行为，以及为帮助解决大学生心理方面的问题等提供参考。 2、方法 2.1 数据采集 本次数据采集运用网上问卷调查的方法，共回收问卷122份，其中合格问卷107份。将结果导至Excel表存储，进一步将数据录入到SPSS软件。 2.2 数据处理 得到可靠的样本数据后，根据研究分析目的，在 PC微机上利用社会科学统计软件SPSS19.0进行数据统计及分析，包括因子分析、分类决策树等操作。 因子分析(factor analysis)就是一种降维、简化数据的技术。它通过研究众多变量之间的内部依赖关系，探求观测数据中的基本结构，并用少数几个“抽象”的变量来表示其基本的数据结构。 决策树是一个类似于流程图的树形结构，是一种用来表示人们为了做出某一个决策而进行的一系列判断过程的树形图。决策树方法首先进行数据处理，利用归纳算法生成可读的规则和决策树，然后利用决策树对新数据进行分析，本质上决策树是通过一系列规则对数据分类的过程[1,5]。 3、数据计算 3.1 降维——因子分析 由于问卷所涉及的问题较多，即录入到SPSS里面的原始变量较多，但其实有些变量之间是有相关性的，他们对SWB的影响作用相似，因此，数据计算的第一步，首先利用降维的思想，我们通过SPSS软件的因子分析工具可以得到少量的因子，再依次从中选出一个代表变量，作为以后分类生成树用到的自变量。 3.2 分类——树 将多变量进行降维以后，就要利用分类决策树的方法，更直观地得到SWB与这些代表因素之间的关系或规律。分类决策树方法主要包括CHAID（Chi-squared Automatic Interaction Detector卡方自交互侦测决策树)和CRT(Classification Regression Tree分类回归树），是非常好用和有价值的多变量分析技术，是最有名的分类树方法，主要用于预测和分类。其中，树根节点是独立变量-因变量，子节点基于独立变量和其他分类变量（父节点），按照卡方显著性不断划分或组合为树状结构。预测变量一般也是非数量型的分类变量。分类树方法产生真实的细分类别，这种类是基于一个独立变量得到的一种规则和细分市场。也就是说，每一个树叶都是一个细分市场。 4、主要结果输出与分析 4.1 因子分析结果输出与分析 表-1 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量.592 Bartlett 的球形度检验 近似卡方 511.768 df 253 Sig. .000 公因子方差 初始 提取 初始 提取 性别 1.000 .570 担任职务与否 1.000 .583 来自where 1.000 .610 与班级同学关系 1.000 .686 独生子女 1.000 .701 知心朋友 1.000 .607 月生活费 1.000 .716 18(5) 1.000 .757 家庭环境满意度 1.000 .669 学习压力 1.000 .734 与家人沟通频率 1.000 .719 学习成绩 1.000 .779 目标制定 1.000 .547 活动参与 1.000 .635 兴趣爱好 1.000 .566 获得奖项 1.000 .711 做事风格 1.000 .650 惩处 1.000 .750 兼职情况 1.000 .683 专业满意度 1.000 .576 恋爱与否 1.000 .606 对所学专业就业前景看法 1.000 .669 生活充实、充满希望与否