本文介绍数据分析中最最最基础和常用的概念，分为四个部分：显著性指标、量表、数据类型、样本。

常见概念

1. P值

P值也称显著性值，或者Sig值，用于描述某件事件发生的概率情况，其取值范围介于0到1之间，不包括0或者1。通常情况下P值有三个标准，分别是0.01，0.05和0.1。如果P值小于0.01即说明某件事情的发生至少有99%的把握，如果P值小于0.05（并且大于0.01）则说明某件事情的发生至少有95%的把握。针对大部分分析，都需要通过显著性检验，说明分析具有统计学意义。

2. 量表

通常是指李克特量表，其用于测量被试对于某构念(通俗讲即某件事情)的态度或者看法情况。通常量表会由很多项目(题项)构成，并且答项类似于”非常同意”、”同意”、”不一定”、”不同意”、”非常不同意”，也或者“非常满意”、“比较满意”、“中立”、“比较不满意”，“非常不满意“等。

量表被广泛使用于学术研究的各个领域，并且大多数统计方法均只能针对量表。量表的尺度形式有多种，常见是五级量表，即五个答项，另外还会有七级量表，九级量表或者四级量表等，四级量表或者九级量表使用频率相对较少。

非量表，即除量表(或者类似量表)的题项，比如多选题，或者基本事实现状题项等，非量表题项更多用于了解基本事实现状，研究人员可以通过此类题项分析研究当前现状情况。

3.数据类型

针对数据类型，当前分类标准并不统一，本书将数据分为两类，分别是定量数据和分类数据。

定量数据和分类数据区别在于数字大小是否具有比较意义，比如研究满意度（1=非常不满意，2=比较不满意，3=中立，4=比较满意，5=非常满意）,可以看到每项的数值是具有比较意义的，数值越高，代表样本的满意度越高。

而定类数据数值大小仅作为区分类别，每项数值之间不存在有比较的关系，例如1=男性，2=女性，不能说“数值越大越女性”。

4. 样本

通俗地讲即为填写问卷的人，针对样本数量要求，统计上并没有统一标准，通常情况下为量表题项的5倍或者10倍即可。有时研究人员需要的样本比较特殊，比如需要样本具有企业高管背景，因而此时样本量要求会较少。从经验上看，作为硕士研究生，多数情况下样本需要大于200，如果作为本科生，样本量需要高于100。

如果样本中有大篇幅题项没有填写，或者多数题项均填写同样一个答案，也或者样本本身并不具有研究的背景性质(比如研究对象为90后，但部分样本为80后，则80后为无效样本)，也或者研究者认为某部分样本的填写存在逻辑问题等，上述几种情况下的样本均称作无效样本，分析之前需要将无效样本进行删除或者筛选处理，以上两种剔除样本的方法在SPSSAU中均可实现。

spssau筛选样本