1、數據檢驗。由於問卷、量表的題目是主觀判斷和選擇，因而難免有些人不認真填，所以，篩選出有效、高質量的數據非常關鍵。通常需要作如下檢查：（1）是否有人回答互相矛盾，比如A1與A2不應該都同意，結果卻都同意了；在學業情緒問卷中體現為積極體驗和消極體驗的題目得分應該互斥，不應該具有相同體驗；（2）是否有人沒有明顯態度偏向，例如大多數題目都選了完全同意或完全不同意或中立；（3）是否有人應答率太低，例如在很多題目上都沒有填寫；（4）是否有人故意回答出有規律的題目，例如23354-54332-23354，重復有規律的作答；（5）數據錄入是否有重復、躥題、超出題目取值范圍等。
2、反向計分與維度得分計算。確認量表是否有反向計分題，如果有要反向計分，注意，不要在數據錄入時就反向，應該是原樣錄入數據然后在SPSS中做反向處理。其次，維度分的計算要注意使用的是題目加和得分還是題目均值得分。雖然在相關、差異和回歸分析中，維度分使用總分或均分，其結論都是一樣的，但是為了和其他研究保持一致，便於研究對比，量表必須用原編制者所采用的計分方法。由於學業情緒問卷題目很多，維度也很多，因此建議采用SPSS的Syntax來計算維度分，這樣方便核對和重復計算。此外，小因子分和大維度分都應該計算，以備各種可能分析。
3、人口學變量的處理。人口學變量（性別、年齡、年級、家庭所在地等）通常是用於做t檢驗、方差分析等均值差異分析，也可以間接的說明人口學變量與量表維度得分之間的相關性。在這一環節中，人口學變量的分組或分類非常重要，為了保證結果的可靠性，每個分組水平下的樣本量應該大於30或接近30，如果不是，那就要考慮與臨近水平組合並或者排除這一類別。此外，單因素方差分析中，分組數目建議不超過四組。
4、數據極端值與缺失值的處理。數據存在極端值的話，會嚴重影響人口學變量差異分析、相關性分析以及回歸分析的結果，因而要識別極端值將其剔除。其次，缺失值如果較少，建議用均值替換掉，以便在結構方程模型中方便應用。
5、在數據分析環節，一般包括各個量表維度和總分的描述性統計、人口學變量差異分析（t檢驗與方差分析，深入一點的還需要使用多元方差分析）、相關系數分析、回歸分析，這些都是SPSS可以做的。更復雜的分析內容包括中介效應、調節效應分析，可以用SPSS的Process來處理中介和調節作用。尤其是中介作用分析，不建議用Baron、kenney的三步法來做，這個方法不規范、結果不可靠甚至會導致結果出錯。由於學業情緒問卷的因子太多，我們可以考慮只分析幾個大維度的得分，或者用Amos等結構方程模型軟件構建潛變量模型。