1. การวิเคราะห์ข้อมูลทางสถิติ ด้วยโปรแกรม SPSS + ผศ . ศิรวัฒน์ เฮงชัยโย e-mail : [email_address] mobile: 081-9781609

2. การเรียกใช้โปรแกรม SPSS + ให้คลิกเลือกตามขั้นตอนต่อไปนี้ Start  Programs  SPSS for Windows  SPSS 11.5 For Windows คลิกที่ปุ่ม Cancel จะปรากฏหน้าจอ ดังนี้

3. การกำหนดรูปแบบตัวอักษร ( Fonts) View>fonts.. > เลือก font เลือก font style และ size> แล้ว OK

5. หน้าจอมุมมอง Variable view เมื่อมีการสร้างตัวแปรสำหรับใช้งาน

6. หน้าจอมุมมอง Data view เมื่อมีการป้อนข้อมูลในแต่ละตัวแปร

7. การกำหนดตัวแปร คลิกเลือกมุมมอง Variable View ที่คอลัมน์ Name กำหนดชื่อตัวแปรต่าง ๆ เช่น Sex, Edu หรืออื่น ๆ Type กำหนดรูปแบบของข้อมูลที่ใช้ เช่น Numeric, String หรืออื่นๆ และก็กำหนดเงื่อนไขต่าง ๆ จนเสร็จ เมื่อเสร็จแล้วให้คลิกมาที่มุมมอง Data View จะพบตัวแปรที่กำหนดในคอลัมน์ต่าง ๆ ตัวแปรที่กำหนด

8. การป้อนข้อมูล และการใช้ View Lable คลิกเลือกมุมมอง Data View ป้อนข้อมูลในคอลัมน์ต่าง ๆ ของตัวแปรที่ได้กำหนดไว้ ข้อมูลที่ป้อนลงในคอลัมน์ของตัวแปรต่าง ๆ หากไม่ทราบว่ามีการป้อนข้อมูลอย่างไร ในเงื่อนไขที่กำหนดไว้ ให้คลิกที่ เมนู View  Value Labels จากนั้น ให้คลิกเลือกยังเซลล์ที่ต้องการป้อนข้อมูลได้เลย จะมีให้เลือกข้อมูลตามเงื่อนไขที่เรากำหนด เช่น เพศ ก็จะมี ชายหรือหญิง ให้เราเลือกได้ เป็นต้น

9. การบันทึกแฟ้มข้อมูล คลิก File  Save หรือ Save As จะปรากฏไดอะล็อกบล็อกซ์ขึ้นมา จากนั้นให้เลือกโฟลเดอร์ที่ต้องการจัดเก็บ จากนั้นให้ใส่ชื่อไฟล์ที่ต้องการจัดเก็บ ตรง File name แล้วคลิกปุ่ม Save ชื่อไฟล์ คลิก Save เมื่อคลิก Save แล้วจะปรากฏชื่อไฟล์นั้น บนส่วนหัว Title Bar ชื่อไฟล์ที่จัดเก็บ

10. การเปิดแฟ้มข้อมูล คลิก File  Open  Data จะปรากฏไดอะล็อกบล็อกซ์ขึ้นมา จากนั้นให้เลือกโฟลเดอร์ที่ต้องการเปิดใช้งาน แล้วเลือกชื่อไฟล์ที่ต้องการเปิด ตรง File name แล้วคลิกปุ่ม Open เลือกโฟลเดอร์ที่จัดเก็บ คลิก Open คลิกเลือกโฟลเดอร์ที่จัดเก็บ แล้วเลือกไฟล์ที่ต้องการ จากนั้น คลิกปุ่ม Open

14. การเรียงลำดับข้อมูล ( Sort) Data>Sort Cases.. --> เลือกตัวแปรที่จะเรียงลำดับ

15. การเรียงลำดับข้อมูล ( Sort) 25 26 27 32 36 37 37 42 42 42 56 Age 32 36 37 42 25 26 27 56 37 42 42 ตัวอย่าง การเรียงลำดับอายุ จากน้อยไปหามาก

16. การคำนวณ ( Compute) Transform>Compute.. 32 36 37 42 25 26 27 56 37 42 42 64.00 72.00 74.00 84.00 50.00 52.00 54.00 112.00 74.00 84.00 84.00 Age Tage เก็บข้อมูลที่ได้จากการคำนวณ ไว้ที่ตัวแปร Tage

17. อายุ รหัส น้อยกว่าหรือเท่ากับ 25 ปี 1 26-30 ปี 2 31-40 ปี 3 อายุตั้งแต่ 41 ปี 4 การแปลงข้อมูลอายุ เป็นรหัสใหม่ตามที่กำหนด โดยใช้คำสั่ง Recode Transform>Recode>Into Difference Variable 25 1 26 2 27 2 32 3 36 3 37 3 37 3 42 4 42 4 42 4 56 4 อายุเก่า รหัสใหม่

18. ตัวอย่าง แสดงขั้นตอนการใช้คำสั่ง recode โดยแปลงจากอายุ ( age) ไปเก็บในตัวแปร code ให้คลิกปุ่ม Old and New Value..

19. หลังจาก คลิกปุ่ม Old and New Value.. จะปรากฏหน้าจอดังนี้ ให้ใส่ค่าข้อมูลเก่า ( old value) ตามเงื่อนไขการแปลงรหัส จากนั้นกำหนดค่าใหม่ ( new value) เมื่อกำหนดเสร็จแล้ว คลิก Add

20. เมื่อคลิก Add แล้ว จะปรากฏหน้าจอ ดังนี้ เมื่อกำหนดข้อมูลตามเงื่อนไขครบถ้วนแล้ว ให้คลิก Continue เพื่อออกจากการกำหนดค่า จากนั้นให้กดปุ่ม OK

21. ผลลัพธ์จากการ recode จะเป็นดังนี้

22. การหาค่าความถี่ของข้อมูล (Frequencies) Analyze>Descriptive Statistics>Frequencies

23. ตัวอย่าง การหาค่าความถี่ ตามตัวแปรที่กำหนด

25. ตัวอย่าง ผลลัพธ์ของการหาค่าความถี่ กรณี มีค่า Missing

26. ตัวอย่าง การหาค่าความถี่ กรณีมีหลายตัวแปร

27. ไม่มีการกำหนดค่าให้กับ value

29. การหาค่าความถี่ข้อมูลแบบหลายทาง หรือใช้ตารางไขว้ ( Crosstabs) ผลลัพธ์ที่ได้จากการใช้คำสั่ง Crosstabs.. กรณีมีค่า Missing

30. ผลลัพธ์ที่ได้จากการใช้คำสั่ง Crosstabs.. กรณีไม่มีค่า Missing

31. การใส่ร้อยละ ( %) ให้กับ Crosstabs.. หลังจากใช้คำสั่ง Analyze>Descriptive Statistics>Crosstabs.. แล้วให้คลิกที่ Cell จะปรากฏหน้าจอ ดังนี้ ให้เลือกใส่ % ( Percentages) ให้คลิกเลือก Row จากนั้นให้คลิกปุ่ม Continue

32. การหาค่าความถี่ข้อมูลแบบหลายทาง หรือใช้ตารางไขว้ ( Crosstabs) ผลลัพธ์ที่ได้จากการใช้คำสั่ง Crosstabs.. และมีการกำหนด % ตามแถว ( row)

33. การหาค่าความถี่ข้อมูลแบบหลายทาง หรือใช้ตารางไขว้ ( Crosstabs) ให้เลือกใส่ % ( Percentages) ให้คลิกเลือก Row และ Column จากนั้นให้คลิกปุ่ม Continue

34. การหาค่าความถี่ข้อมูลแบบหลายทาง หรือใช้ตารางไขว้ ( Crosstabs) ผลลัพธ์ที่ได้จากการใช้คำสั่ง Crosstabs.. และมีการกำหนด % ตาม row และ Column

35. การหาค่าความถี่ข้อมูลแบบหลายทาง หรือใช้ตารางไขว้ ( Crosstabs) ผลลัพธ์ที่ได้จากการใช้คำสั่ง Crosstabs.. และมีการกำหนด % ตาม Column

37. สามารถใช้วิธีการหาค่าความถี่แต่ละตัวแปร Analyze>Descriptive Statistics>Frequencies

38. ผลลัพธ์ที่ได้

40. การดูผลลัพธ์ให้ดูที่ ค่าความถี่ของการ เลือก (1) จะไม่ดูที่ ไม่เลือก (0) โดยดูว่า ถ้าตัวแปรไหนมีค่า ความถี่สูงสุด ก็จะเป็นเหตุผลใน การเลือกอบรมมากที่สุด นั่นเอง

41. การใช้คำสั่งหาความถี่ดังกล่าว จะ มีปัญหายุ่งยากในการดูผลลัพธ์ที่ได้ เนื่องจากต้องดูผลลัพธ์จากตัวแปรในแต่ละตาราง จากนั้น จึงนำค่าที่ได้มาเขียนใหม่ เรียงลำดับจาก การค่าที่เป็น เลือก จึงใช้คำสั่ง Multiple Response.. แทน

43. การใช้คำสั่ง Multiple Response.. หาค่าความถี่ จากตัวแปรที่ได้กำหนด Set แล้ว คือ ตัวแปร Reason Analyze>Multiple Response>Frequencies.. หลังจากเลือกตัวแปร set แล้ว จึงคลิกที่ปุ่ม OK

44. Group $REASON เหตุผลการฝึกอบรม (Value tabulated = 1) Pct of Pct of Dichotomy label Name Count Responses Cases อยากมีความรู้ REASON1 7 25.9 63.6 นำความรู้ไปใช้ในการทำวิจัย REASON2 7 25.9 63.6 นำความรู้ไปเผยแพร่แก่ผู้ร่วมงาน REASON3 6 22.2 54.5 ปฏิบัติหน้าที่เกี่ยวข้องกับการวิจัย REASON4 7 25.9 63.6 ------- ----- ----- Total responses 27 100.0 245.5 0 missing cases; 11 valid cases ผลลัพธ์ที่ได้

45. การหาค่าเฉลี่ย ( Mean) หรือตัวกลางเลขคณิต ( Arithmetic Mean) ค่าเฉลี่ย หรือตัวกลางเลขคณิต คือ ค่าที่ได้จากการเอาผลรวมของข้อมูลทั้งหมดหารด้วยจำนวนข้อมูลทั้งหมด X =  X N

46. การหาค่าเฉลี่ย ( Mean) โจทย์ ท่านสามารถนำความรู้ในหัวข้อต่อไปนี้ไปใช้ประโยชน์ได้มากน้อยเพียงใด จะใช้ในการหาค่าของข้อมูล เช่น อายุ เงินเดือน หรือรายได้ เป็นต้น หรือการหาค่าของระดับความคิดเห็น หรือทัศนคติ เป็นต้น เช่น 5. การเขียนรายงานการวิจัย (order5) 4. การวิเคราะห์ข้อมูล (order4) 3. การสร้างเครื่องมือ (order3) 2. การออกแบบการวิจัย (order2) 1. การเขียนโครงร่างการวิจัย (order1) น้อยที่สุด (1) น้อย (2) ปานกลาง (3) มาก (4) มากที่สุด (5) ข้อความ

47. การหาค่าเฉลี่ย ( Mean) Analyze>Descriptive Statistics>Descriptives..

48. การหาค่าเฉลี่ย ( Mean)

49. การหาค่าเฉลี่ย ของอายุ

50. การหาค่าสถิติเบื้องต้นแบบจำแนกตามกลุ่มตัวอย่าง ตัวอย่าง คำนวณหาค่าสถิติของอายุ ( Age) จำแนก ตามเพศ (sex) Analyze>compare means> mean..

51. ตัวอย่าง การหาค่าเฉลี่ยของอายุ จำแนกตามเพศ

52. ตัวอย่าง การหาค่าเฉลี่ยของอายุ จำแนกตามการศึกษา

53. การทดสอบค่าเฉลี่ยในหนึ่งตัวอย่าง ในการทดสอบ จะต้องตั้งสมมุติฐานในการวิจัย และสมมุติฐานทางสถิติ H 0 : U = 5000 ( เงินรายได้เฉลี่ยเท่ากับ 5000 บาท ) H 1 : U > 5000 ( เงินรายได้เฉลี่ยมากกว่า 5000 บาท ) จะมีการทดสอบที่ระดับความเชื่อมั่น 95 % โดยที่ ถ้าค่า Sig. >= .05 แปลผลตาม H o แต่ถ้าค่า Sig. < .05 แปลผลตาม H 1 สมมุติฐานวิจัย : รายได้เฉลี่ยของกลุ่มตัวอย่างมีค่าเท่ากับ 5000 บาท สมมุติฐานทางสถิติ :

54. การทดสอบค่าเฉลี่ยในหนึ่งตัวอย่าง Analyze>compare means>one-Sample t-Test

55. การทดสอบค่าเฉลี่ยในหนึ่งตัวอย่าง ผลลัพธ์ที่ได้ ค่า sig. น้อยกว่า .05 แสดงว่า ปฏิเสธ H 0 ยอมรับ H 1

56. การทดสอบค่าเฉลี่ยกลุ่มตัวอย่างสองกลุ่มที่เป็นอิสระจากกัน H 0 : U 1 = U 2 ( เงินรายได้เฉลี่ยของเพศชายและเพศหญิงเท่ากัน ) H 1 : U 1 <> U 2 ( เงินรายได้เฉลี่ยของเพศชายและเพศหญิงแตกต่างกัน ) กำหนดให้ U 1 คือค่าเฉลี่ยของรายได้ของเพศชาย กลุ่มที่ 1 U 2 คือค่าเฉลี่ยของรายได้ของเพศหญิง กลุ่มที่ 2 Analyze>compare means>Independent Sample t-Test สมมุติฐานการวิจัย คือ ต้องการทดสอบรายได้เฉลี่ยของผู้ชายและผู้หญิง

57. การทดสอบค่าเฉลี่ยกลุ่มตัวอย่างสองกลุ่มที่เป็นอิสระจากกัน

58. การทดสอบค่าเฉลี่ยกลุ่มตัวอย่างสองกลุ่มที่เป็นอิสระจากกัน ผลลัพธ์ที่ได้ ค่า sig. มากกว่า .05 แสดงว่า ยอมรับ H 0 ปฏิเสธ H 1

59. การทดสอบค่าเฉลี่ยกลุ่มตัวอย่างสองกลุ่มที่เป็นอิสระจากกัน ค่า sig. น้อยกว่า .05 แสดงว่า ปฏิเสธ H 0 ยอมรับ H 1

60. การทดสอบค่าเฉลี่ยกลุ่มตัวอย่างสองกลุ่มที่สัมพันธ์กัน 23 18 32 17 23 30 21 27 26 29 21 33 28 38 37 33 40 32 37 45 39 40 1 2 3 4 5 6 7 8 9 10 11 ผู้เรียนคนที่ Pretest Postest ตัวอย่าง ต้องการทดสอบคะแนนทดสอบก่อนเรียน ( Pretest) และคะแนนทดสอบหลังเรียน ( Postest) ของผู้เรียน โดยมีคะแนนดังนี้

61. Ho : U 1 = 0 หรือ คะแนนเฉลี่ยก่อนเรียนและหลังเรียนไม่แตกต่างกัน H1 : U 1  0 หรือ คะแนนเฉลี่ยก่อนเรียนและหลังเรียนแตกต่างกัน สมมุติฐานการวิจัย : ต้องการทดสอบว่าผู้เรียนมีความรู้เพิ่มขึ้นหรือไม่ จึงได้มีการทดสอบความรู้ก่อนเรียน และหลังการเรียน

62. Analyze>compare means>Paired Sample t-Test

63. ผลลัพธ์ที่ได้

64. ค่า sig. น้อยกว่า .05 แสดงว่า ปฏิเสธ H 0 ยอมรับ H 1

68. การวิเคราะห์ความแปรปรวน ( Analysis of Variances) เทคนิคการวิเคราะห์ข้อมูลที่ใช้ในการเปรียบเทียบค่าเฉลี่ยระหว่างกลุ่มตั้งแต่ 3 กลุ่มขึ้นไป เรียกว่า การวิเคราะห์ความแปรปรวน ซึ่งเรียกย่อ ๆ ว่า ANOVA ( แอน - โน - วา ) การศึกษาความสัมพันธ์ระหว่างตัวแปร 2 ประเภท คือ ตัวแปรตาม ( dependent) และตัวแปรอิสระ ( indepepent) โดยตัวแปรอิสระจะเป็นตัวแบ่งกลุ่มข้อมูลเป็นกลุ่ม ๆ เพื่อทดสอบว่าในแต่ละกลุ่มที่แตกต่างกันนั้นจะทำให้ตัวแปรตามแตกต่างกันหรือไม่

70. การวิเคราะห์ความแปรปรวนแบบมี 1 ตัวประกอบ ( one-way analysis of variances) หรือการวิเคราะห์แบบทางเดียว ( One-way Classicfication) ใช้สำหรับทดสอบความแตกต่างระหว่างค่าเฉลี่ย ( Mean) ที่ได้จากกลุ่มตัวอย่างตั้งแต่ 3 กลุ่มขึ้นไป เพื่อตรวจสอบว่าตัวแปรอิสระ 1 ตัว ซึ่งแบ่งออกเป็น k ประเภทจะส่งผลแตกต่างกันหรือไม่ ตัวอย่าง จุดมุ่งหมายของงานวิจัยต่อไปนี้ 1. เพื่อเปรียบเทียบความพึงพอใจต่อการเรียนการสอนของนักเรียนระดับมัธยมศึกษาตอนต้น มัธยมศึกษาตอนปลาย และอาชีวศึกษา

71. ตัวอย่าง จุดมุ่งหมายของงานวิจัยต่อไปนี้ 2. เพื่อเปรียบเทียบผลสัมฤทธิ์ทางการเรียนวิชาสังคมศึกษาระหว่างนักเรียนชั้นมัธยมศึกษาปีที่ 3 ที่เรียนโดยใช้สื่อ เรียนโดยใช้ผู้บรรยายประกอบสื่อ และ เรียนโดยวิธีบรรยายอย่างเดียว 3. เพื่อเปรียบเทียบ แรงจูงใจในการทำงานของบุคลากรมหาวิทยาลัย ราชภัฏสุราษฎร์ธานี ตามระดับการศึกษา รายได้ / เดือน และตำแหน่งงาน

72. ตัวอย่าง ตัวแปรอิสระ 1. อาชีพ เช่น เกษตรกร ธุรกิจการค้า รับราชการ และรับจ้าง เป็นต้น 2. ระดับการศึกษา เช่น ต่ำกว่า ปริญญาตรี ปริญญาตรี และสูงกว่าปริญญาตรี 3. รายได้ เช่น ต่ำกว่า 5 ,000 บาท 5 ,000-10,000 บาท และมากกว่า 10 ,000 บาท

73. สมมุติฐานทางสถิติ H 0 : อายุเฉลี่ยของกลุ่มตัวอย่างในแต่ละระดับการศึกษาไม่แตกต่างกัน H 1 : มีอย่างน้อย 2 ระดับการศึกษาที่มีอายุเฉลี่ยของกลุ่มตัวอย่างแตกต่างกัน H 0 : U 1 =U 2 =U 3 H 1 : U i <> U j

74. Analyze>compare means>one-way ANOVA..

75. ให้เลือกตัวแปรตาม (dependent List) คือ Age และตัวแปรอิสระ ( Factor) คือ Edu จากนั้นให้คลิกปุ่ม Options…

76. เมื่อคลิกเลือกปุ่ม Options… แล้วให้คลิกเลือก descriptive และ Homogeneity-of-variance มีเครื่องหมาย  จากนั้นคลิก Continue

77. เมื่อคลิกเลือกปุ่ม Continue จะกลับมาที่หน้าจอ จากนั้นให้คลิกปุ่ม OK

78. เมื่อคลิก OK จะปรากฏผลลัพธ์ ดังนี้ ตารางทดสอบความแปรปรวนว่าแตกต่างกันหรือไม่ พบว่า Sig. มีค่ามากกว่า 0.05 จึงสรุปว่า ความแปรปรวนไม่แตกต่างกัน

79. เมื่อคลิก OK จะปรากฏผลลัพธ์ ดังนี้ ตารางทดสอบค่าความแตกต่างของค่าเฉลี่ย พบว่า Sig. มีค่าน้อยกว่า 0.05 จึงสรุปว่า มีระดับการศึกษาอย่างน้อย 2 ระดับที่มีอายุเฉลี่ยของกลุ่มตัวอย่างแตกต่างกัน ที่ระดับนัยสำคัญ 0.05

80. กรณีที่มีค่า Sig. น้อยกว่า 0.05 จะต้องไปตรวจสอบดูคู่ที่มีอายุเฉลี่ยแตกต่างกัน โดยให้เข้าไปใช้คำสั่ง Analyze>compare means>one-way ANOVA.. อีก จากนั้นให้คลิกเลือก Post Hoc..

81. เลือกวิธีการทดสอบรายคู่ ดังนี้

82. จากนั้นให้คลิกเลือก Scheffe แล้วคลิก contnue ออกมา และให้คลิก OK Post Hoc Tests ระดับการศึกษาที่มีอายุแตกต่างกัน คือ - ( ต่ำกว่า ป . ตรี , ป . ตรี ) ( ต่ำกว่า ป . ตรี , สูงกว่า ป . ตรี ) ระดับการศึกษาที่มีอายุไม่แตกต่างกัน คือ - ( ป . ตรี , สูงกว่า ป . ตรี )

83. สมมุติฐานทางสถิติ H 0 : ระดับการศึกษาที่แตกต่างกัน มีแรงจูงใจในการทำงานไม่แตกต่างกัน H 1 : ระดับการศึกษาที่แตกต่างกัน มีแรงจูงใจในการทำงานแตกต่างกันอย่างน้อย 2 ระดับ H 0 : U 1 =U 2 =U 3 H 1 : U i <> U j

93. การหาค่าความเชื่อมั่น ( Reliability) ความเชื่อมั่น หมายถึง เครื่องมือนั่นมีความน่าเชื่อถือมากน้อยแค่ไหน เครื่องมือที่มีความเชื่อมั่นสูง คือ เครื่องมือที่มีคุณสมบัติสามารถวัดสิ่งเดียวกันหลาย ๆ ครั้ง แล้วได้ค่าหรือคำตอบใกล้เคียงกัน หรือแตกต่างกันน้อยมาก การหาค่าความเชื่อมั่น ด้วยวิธีการของ Cronbach’s Alpha ใช้กับการหาค่าการตอบคำถามแบบเรียงอันดับ ( Rating Scale) เช่น 5 4 3 2 1

94. คำสั่ง การหาค่าความเชื่อมั่น ( Reliability) Analyze  scale  reliability analyze เลือกตัวแปรที่ต้องการหาค่าความเชื่อมั่น ไปไว้ที่ items ถ้าต้องการเพิ่มค่าสถิติให้คลิกที่ปุ่ม statistics จะปรากฏหน้าต่างให้เลือก

95. คำสั่ง การหาค่าความเชื่อมั่น ( Reliability) สมมุติว่า เลือกค่าสถิติ Scale if item deleted ที่อยู่ในส่วนของ Descriptives for เพื่อใช้วิเคราะห์คำถามแต่ละข้อ เมื่อเลือกเสร็จให้กดปุ่ม continue เลือก จากนั้นให้กดปุ่ม OK เพื่อดูผลลัพธ์ที่ได้ เลือก

96. ผลลัพธ์ที่ได้ ดังนี้ Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted N1 31.0000 18.0690 .6228 .8525 N2 31.1000 18.0931 .6548 .8505 N3 31.5000 17.5690 .5518 .8591 N4 31.1667 17.0402 .7886 .8387 N5 31.1667 17.1782 .8380 .8365 N6 31.2333 18.3230 .6730 .8503 N7 31.5000 17.9828 .4513 .8695 N8 30.9667 18.2402 .4992 .8626 N9 31.3667 18.3092 .4353 .8695 N10 31.3000 19.5276 .4917 .8627 Reliability Coefficients N of Cases = 30.0 N of Items = 10 Alpha = .8680

97. ถ้าตัดข้อ N7 ออก เพื่อให้ได้ค่าความเชื่อมั่นสูง .8695 Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted N1 27.8000 14.3034 .6608 .8504 N2 27.9000 14.5759 .6366 .8529 N3 28.3000 14.2172 .5134 .8667 N4 27.9667 13.4126 .8226 .8344 N5 27.9667 13.6885 .8379 .8349 N6 28.0333 14.6540 .6864 .8498 N8 27.7667 14.5989 .5019 .8660 N9 28.1667 14.7644 .4176 .8766 N10 28.1000 15.7483 .5022 .8645 Reliability Coefficients N of Cases = 30.0 N of Items = 9 Alpha = .8695