如何用SPSS分析学业情绪量表数据
1、数据检验。由于问卷、量表的题目是主观判断和选择，因而难免有些人不认真填，所以，筛选出有效、高质量的数据非常关键。通常需要作如下检查：（1）是否有人回答互相矛盾，比如A1与A2不应该都同意，结果却都同意了；在学业情绪问卷中体现为积极体验和消极体验的题目得分应该互斥，不应该具有相同体验；（2）是否有人没有明显态度偏向，例如大多数题目都选了完全同意或完全不同意或中立；（3）是否有人应答率太低，例如在很多题目上都没有填写；（4）是否有人故意回答出有规律的题目，例如23354-54332-23354，重复有规律的作答；（5）数据录入是否有重复、蹿题、超出题目取值范围等。
2、反向计分与维度得分计算。确认量表是否有反向计分题，如果有要反向计分，注意，不要在数据录入时就反向，应该是原样录入数据然后在SPSS中做反向处理。其次，维度分的计算要注意使用的是题目加和得分还是题目均值得分。虽然在相关、差异和回归分析中，维度分使用总分或均分，其结论都是一样的，但是为了和其他研究保持一致，便于研究对比，量表必须用原编制者所采用的计分方法。由于学业情绪问卷题目很多，维度也很多，因此建议采用SPSS的Syntax来计算维度分，这样方便核对和重复计算。此外，小因子分和大维度分都应该计算，以备各种可能分析。
3、人口学变量的处理。人口学变量（性别、年龄、年级、家庭所在地等）通常是用于做t检验、方差分析等均值差异分析，也可以间接的说明人口学变量与量表维度得分之间的相关性。在这一环节中，人口学变量的分组或分类非常重要，为了保证结果的可靠性，每个分组水平下的样本量应该大于30或接近30，如果不是，那就要考虑与临近水平组合并或者排除这一类别。此外，单因素方差分析中，分组数目建议不超过四组。
4、数据极端值与缺失值的处理。数据存在极端值的话，会严重影响人口学变量差异分析、相关性分析以及回归分析的结果，因而要识别极端值将其剔除。其次，缺失值如果较少，建议用均值替换掉，以便在结构方程模型中方便应用。
5、在数据分析环节，一般包括各个量表维度和总分的描述性统计、人口学变量差异分析（t检验与方差分析，深入一点的还需要使用多元方差分析）、相关系数分析、回归分析，这些都是SPSS可以做的。更复杂的分析内容包括中介效应、调节效应分析，可以用SPSS的Process来处理中介和调节作用。尤其是中介作用分析，不建议用Baron、kenney的三步法来做，这个方法不规范、结果不可靠甚至会导致结果出错。由于学业情绪问卷的因子太多，我们可以考虑只分析几个大维度的得分，或者用Amos等结构方程模型软件构建潜变量模型。
