适用场景 殡葬服务满意度调研 丧葬行为/观念调查 临终关怀研究 生死教育问卷 本科/研究生毕业论文
| 步骤 | 分析任务 | 对应方法 | 解决的核心问题 |
|---|---|---|---|
| 1数据预处理 | 缺失值、反向计分、编码规范化 | 数据清洗 / 反向转换 | 保证后续分析的数据质量 |
| 2信效度验证 | 量表内部一致性与结构有效性 | Cronbach α / CITC / EFA / CFA | 确认量表真实测量了研究构念 |
| 3频数描述 | 样本人口统计特征、丧葬方式分布 | 频数分析 / 描述统计 | 刻画"这批被访者是谁" |
| 4满意度水平描述 | 各服务维度均值、标准差 | 描述统计 / 均值比较 | 整体评估殡葬服务质量现状 |
| 5组间差异检验 | 不同家属背景的满意度差异 | 独立样本t检验 / 单因素ANOVA | 发现哪类家属满意度更低 |
| 6驱动因素分析 | 哪个服务维度对整体满意度影响最大 | 相关分析 / 多元线性回归 | 为服务改进提供量化优先级依据 |
殡葬服务问卷通常包含 Likert 量表（如1~5分评价服务满意度）和背景信息题。预处理要点：
"请检查数据缺失值情况，对Q8、Q12做反向计分（5分制量表），并输出处理后的数据基本信息"
信度分析（Cronbach α）：每个量表维度需单独计算，α≥0.7为合格。同时输出CITC（修正的项目-总分相关系数），CITC < 0.3的题目建议删除或修订。殡葬服务量表常见维度：遗体处理专业性、设施环境、服务态度、收费合理性、后续心理关怀。
"请对殡葬服务满意度量表各维度分别做信度分析：遗体处理维度（Q1~Q4）、设施环境维度（Q5~Q8）、服务态度维度（Q9~Q12）、收费合理性维度（Q13~Q15）、后续关怀维度（Q16~Q18），输出各维度Cronbach α和各题CITC值，生成三线表"
效度分析（EFA）：前提是KMO≥0.6且Bartlett球形检验p < 0.05。提取特征值大于1的因子，使用最大方差旋转（Varimax），累计方差解释率≥50%为可接受，因子载荷≥0.4表示良好归属。
"请对殡葬服务评价量表（Q1~Q18）做探索性因子分析EFA，提取特征值大于1的因子，使用最大方差旋转，输出KMO值、Bartlett检验结果和旋转后因子载荷矩阵，累计方差解释率，生成三线表"
如需做验证性因子分析（CFA）以验证预设理论模型，chatspss基于R语言lavaan包输出CFI、TLI、RMSEA、SRMR，判断标准：CFI≥0.90、RMSEA≤0.08。
"请对我预设的殡葬服务五因子模型（遗体处理Q1~Q4、设施环境Q5~Q8、服务态度Q9~Q12、收费合理性Q13~Q15、后续关怀Q16~Q18）做CFA，输出CFI、TLI、RMSEA、SRMR拟合指标和各题标准化因子载荷"
信效度判断标准速查（三线表格式）：
| 指标 | 理想标准 | 可接受下限 | 不合格判断 |
|---|---|---|---|
| Cronbach α | ≥0.80 | ≥0.70 | <0.60，需删题或重测 |
| CITC | ≥0.50 | ≥0.30 | <0.30，建议删除该题 |
| KMO | ≥0.80 | ≥0.60 | <0.60，不适合EFA |
| 因子载荷 | ≥0.60 | ≥0.40 | <0.40，题目归属不清晰 |
| CFI / TLI | ≥0.95 | ≥0.90 | <0.90，模型拟合差 |
| RMSEA | ≤0.05 | ≤0.08 | >0.10，模型拟合差 |
| 注：以上为社会科学研究通用判断标准，具体可结合期刊/导师要求调整。 | |||
殡葬服务研究的描述统计分为两类：
"请对性别、年龄段、学历、丧葬方式做频数分析，输出频数和百分比，生成三线表；再对多选题Q5（选择该机构的原因，8个选项）做多选频数分析，按选中率从高到低排序"
样本特征描述示例（三线表格式）：
| 变量 | 类别 | 频数（n） | 百分比（%） |
|---|---|---|---|
| 性别 | 男 | 118 | 47.2 |
| 女 | 132 | 52.8 | |
| 丧葬方式 | 火葬 | 162 | 64.8 |
| 土葬 | 54 | 21.6 | |
| 生态葬 | 34 | 13.6 | |
| 年龄段 | 30岁以下 | 41 | 16.4 |
| 31~50岁 | 137 | 54.8 | |
| 51岁及以上 | 72 | 28.8 | |
| 合计 | 250 | 100.0 | |
计算殡葬服务各维度满意度的均值（M）和标准差（SD），以5分制量表为参照（M≥4.0为高满意，M < 3.0为低满意）。均值越高表示该维度服务获评越好；标准差大说明家属间感受分歧较大，可能存在服务体验不一致的问题。
常见维度：整体满意度、遗体处理专业性、设施环境、工作人员服务态度、收费合理性、殡仪流程规范性、后续心理关怀服务。
"请对殡葬服务各维度满意度（整体满意度、遗体处理专业性、设施环境、服务态度、收费合理性、后续关怀）做描述统计，输出均值、标准差、最小值、最大值，按均值从高到低排序，生成三线表"
典型研究假设：
"比较城市和农村家属在殡葬服务整体满意度上的差异，做独立样本t检验，先进行Levene方差齐性检验，输出t值、自由度、p值和各组均值标准差，生成三线表"
"对不同丧葬方式（土葬/火葬/生态葬）的家属殡葬服务整体满意度做单因素方差分析，显著后做LSD事后多重比较，输出F值、p值和各组均值，生成三线表"
用多元线性回归以整体满意度为因变量，各服务子维度满意度为自变量。标准化回归系数Beta（β）绝对值最大的维度，就是对整体满意度影响最强的关键驱动因素，可为殡葬服务机构确定改善优先级提供量化证据。
建议先做Pearson相关分析查看各变量间的初步相关，再做多元回归。检查VIF < 10（共线性可接受），F检验p < 0.05（模型整体显著），各自变量β的p值判断单独贡献的显著性。
"请对殡葬服务整体满意度、遗体处理专业性、设施环境、服务态度、收费合理性、后续关怀六个变量做Pearson相关分析，输出相关系数矩阵（含显著性标注），生成三线表"
"以殡葬服务整体满意度为因变量，以遗体处理专业性满意度、设施环境满意度、服务态度满意度、收费合理性满意度、后续心理关怀满意度为自变量做多元线性回归，输出标准化系数Beta、t值、p值和VIF，以及模型R²、调整R²和F检验结果，生成三线表"
回归结果示例（三线表格式）：
| 自变量 | Beta（β） | t值 | p值 | VIF |
|---|---|---|---|---|
| 服务态度满意度 | 0.41 | 6.82 | <0.001 | 1.83 |
| 收费合理性满意度 | 0.28 | 4.71 | <0.001 | 1.67 |
| 后续关怀满意度 | 0.22 | 3.94 | <0.001 | 1.72 |
| 遗体处理专业性 | 0.18 | 2.86 | 0.005 | 1.91 |
| 设施环境满意度 | 0.11 | 1.74 | 0.084 | 1.55 |
| 注：R²=0.587，调整R²=0.578，F(5,244)=69.42，p<0.001。Beta为标准化回归系数。 | ||||
以下是可以直接复制到 chatspss 对话框的完整指令，上传数据文件后即可执行：
"我上传的是殡葬服务满意度问卷数据（250份，Q1~Q18为5分制量表，分为5个维度），请依次做：①对各维度分别做Cronbach α信度分析并输出CITC；②对全量表做EFA探索性因子分析（最大方差旋转），输出KMO值、Bartlett检验结果和旋转后因子载荷矩阵；所有结果生成三线表格式"
"请先对样本人口学变量（性别、年龄段、丧葬方式、城乡）做频数分析，输出频数和百分比；再比较城市与农村家属在殡葬服务整体满意度上的差异（独立样本t检验），以及不同丧葬方式在整体满意度上的差异（单因素ANOVA，显著后LSD事后检验）；所有结果生成三线表"
"以殡葬服务整体满意度为因变量，以服务态度、收费合理性、后续关怀、遗体处理专业性、设施环境五个子维度满意度为自变量，请先做Pearson相关矩阵（含显著性标注），再做多元线性回归输出标准化系数Beta、t值、p值、VIF和模型R²、F值，并给出可直接写进论文正文的结果描述句，生成三线表"
Cronbach α、CITC、EFA、CFA 在同一对话内依次执行，结果可追溯，无需切换软件。
所有分析结果自动以三线表呈现，符合社会学/公管/护理学期刊和毕业论文格式要求。
系统自动做正态性和方差齐性检验，不满足时自动推荐非参数替代方案并说明原因。
基于R语言lavaan包运行验证性因子分析，输出论文答辩必备的拟合指标，无需自己装R。
不懂KMO、VIF、RMSEA代表什么？直接追问AI，获得通俗解释和论文写法参考句式。
无需安装SPSS、R或Python，Mac/Windows均可用，上传Excel/CSV即刻开始分析。
Q：殡葬服务满意度量表的信度分析标准是什么？
Cronbach α≥0.7为可接受（学术发表基本门槛），α≥0.8为良好，α≥0.9为优秀。同时需查看CITC（修正的项目-总分相关系数），CITC低于0.3的题目建议考虑删除或修订。在chatspss中输入"请对殡葬服务满意度量表（Q1~Q18）做信度分析，输出Cronbach α和各题CITC值，并标注CITC低于0.3的题目"，系统自动输出三线表。
Q：丧葬行为研究问卷的效度分析怎么做？KMO要达到多少？
效度分析通常用探索性因子分析（EFA）。EFA的前提：KMO≥0.6且Bartlett球形检验p < 0.05。因子载荷≥0.4表示良好题目归属；出现交叉载荷（同一题在多个因子上载荷均≥0.4）时建议删除该题。chatspss指令示例："请对殡葬服务评价量表（Q1~Q18）做EFA，提取特征值大于1的因子，最大方差旋转，输出KMO值、Bartlett检验结果和旋转后因子载荷矩阵"。
Q：殡葬服务研究中，家属背景变量对满意度有没有差异，该用什么检验？
比较两组（如城市vs农村）用独立样本t检验；三组及以上（如不同丧葬方式：土葬/火葬/生态葬）用单因素方差分析（ANOVA），显著后需做LSD事后多重比较。chatspss指令："对不同丧葬方式（土葬/火葬/生态葬）的家属殡葬服务满意度做单因素ANOVA，显著后LSD事后比较，生成三线表"。
Q：殡葬服务研究的样本量一般需要多少才够？
EFA效度分析建议至少100份有效问卷；多元回归建议每个自变量对应10~20份样本。殡葬相关研究样本获取较困难，建议联合医院、殡仪馆或通过线上问卷定向触达有丧葬经历的家属。200份有效问卷可满足本科及大多数硕士论文的基本分析需求。
Q：殡葬服务问卷中有多选题（如殡葬服务选择原因），怎么处理？
多选题需转为哑变量（每个选项单独一列，选中为1，未选为0），再做频数分析。在chatspss中输入"请对多选题Q5（殡葬服务选择原因，共8个选项）做多选频数分析，输出每个选项的选中人数和选中率，按选中率从高到低排序，生成三线表"，系统自动识别格式并输出结果。
Q：殡葬服务满意度哪些维度对整体满意度影响最大？怎么用chatspss找驱动因素？
用多元线性回归，以整体满意度为因变量，各子维度满意度为自变量，标准化系数Beta绝对值最大的维度就是最重要的驱动因素。chatspss指令："以整体满意度为因变量，以服务态度、收费合理性、后续关怀、遗体处理专业性、设施环境五个维度满意度为自变量做多元线性回归，输出标准化系数Beta、t值、p值、VIF和R²，生成三线表"。
Q：chatspss能做殡葬服务研究需要的CFA验证性因子分析吗？
能。chatspss支持CFA，基于R语言lavaan包输出CFI、TLI、RMSEA、SRMR等拟合指标。判断标准：CFI≥0.90、TLI≥0.90、RMSEA≤0.08、SRMR≤0.08。chatspss指令示例："请对我预设的殡葬服务三因子模型（遗体处理维度Q1~Q5、环境设施维度Q6~Q10、人文关怀维度Q11~Q15）做CFA，输出CFI、TLI、RMSEA和SRMR拟合指标，以及各题标准化因子载荷"。
信效度验证 + 频数描述 + 组间对比 + 驱动回归，三线表自动生成，结果解读随问随答。
免费使用 chatspss无需安装 · 全程中文 · 支持 Excel / CSV · 三线表直出