设为首页收藏本站
搜索
热搜: 兼职
查看: 99|回复: 0

深圳问卷数据怎么分析,就看这一篇

[复制链接]
发表于 2019-7-30 14:22:19 | 显示全部楼层 |阅读模式

问卷调查作为一种最常用的省时省力,能对事物进行比较全面系统的调查方法无论是在日常工作还是学术研究中都倍受青睐。那么现在有了问卷,数据也都收集整理好,可以开始进行数据分析,可是问题又来了!这么多的数据摆在面前,该从什么地方开始入手呢?又应该用什么方法分析呢?


本文就从问卷设计思路出发,具体细分不同类型的问卷或者话题,为大家讲解五种常见类型问卷的数据分析思路,分别是影响关系类研究,现状政策类研究,调节/中介类研究,“类实验”类差异研究以及聚类样本类研究。


针对五种分析思路,具体针对这五种思路分析框架的说明如下:


一、影响关系类研究


影响关系类研究最为常见,研究影响关系时,通常会先画出模型结构框架,一个框架表述整体研究结构思路情况,研究框架为核心。这类分析思路倾重于关系,并且是影响关系的研究。比如各种因素对员工薪酬满意度的影响关系研究,员工离职倾向影响关系研究,消费者重复购买意愿影响关系研究等。此类分析思路框架大部分题项应该为量表题,小量题项为非量表题。心理学、管理类、旅游类、市场营销等专业使用此分析思路框架频率较高,此分析思路框架适用于所有读者。


具体研究内容上:


1. 首先对收集数据进行基本的频数分析,比如统计性别,年龄,学历的分布情况如何等。


2. 如果研究中涉及样本的特征情况,比如基本行为,或者认知态度相关性,也可使用频数分析进行汇总,进一步了解清楚样本特征情况。


3. 影响关系研究时,问卷中通常会涉及非常多的量表题,如果量表题具体应该分成多少个维度,并不完全确定,此时可使用因子分析进行浓缩,得出几个维度(因子),并且找到维度与题项的对应关系情况。(备注:一个维度由多个标题项表示,想将多个标题项概括成一个整体,此时需要使用SPSSAU中“生成变量”的“平均值”功能即可)


4. 数据的可靠性,是否有信度,是最基础的,一般放在样本基本特征背景情况之后,原因在于首先得知道是一群什么样的样本人群在回答问题。同时信度仅针对量表类数据进行研究,无法针对比如性别,年龄之类的背景信息项进行分析。


5. 除开数据可信,还需要研究量表题项具有可靠性。先有数据可靠,再分析有效,这是常见的结构,效度分析和信度分析也可互换位置。


6. 数据可靠,并且研究量表有效之后,接着需要对具体维度(量表题项等)进行描述分析,研究样本人群对于量表项的基本态度情况。


7. 完成量表题项,各维度的描述性分析之后,再使用相关分析去研究关系情况,为回归分析作准备。


8. 在数据有着相关的前提之下,再研究回归影响关系才具有意义。因而回归分析需要放在相关分析之后。并且通常情况下需要使用回归分析去验证假设。


9. 有可能还需要对比不同人群,比如性别,年龄等不同群体,他们对于量表题项的态度差异情况,因而一般可使用方差分析,或者T检验等进行分析。如果说想研究不同背景人群(比如性别,年龄)对于样本行为上的差异性,建议可使用交叉卡方分析等,同时如果涉及多选题的交叉分析等,也对应选择需要的方法即可。


二、现状政策类研究


现状政策类研究是非常普遍的,分析思路倾重于现状及基本态度,和差异对比研究,了解群体的基本认知,态度,观点意见或者行为等。通常情况下现状政策类研究更多是非量表题项,此类研究框架的核心在于“分组”。第一件事情为“分组”;比如有30个题,那此此30个题项可以分别归纳为几个方面呢?比如基本背景,认知,态度,行为,原因等五个方面。第二件事情是将“分组”分别作为一个部分进行分析。第三件事情是分组题项与分组题项之间进行交叉。社会学类、媒体等相关专业会使用此分析框架进行相关研究,以及企业问卷研究较适用于此类分析思路框架。


具体研究内容上:


1. 首先对收集数据进行基本的频数分析,比如统计性别,年龄,学历的分布情况如何等


2. 分别针对“分组”进行分析,每个“分组”作为一个部分进行分析。


3. 差异关系研究:比如基本背景分别与“认知”,“态度”,“行为”,“原因”上的差异性(通常是使用交叉分析,当然涉及多选题时,应该选择对应多选题应该使用的交叉方法)


4. 如果说希望研究影响关系,比如研究“认知”(X),“态度” (X)分别对于“行为” (Y)的影响关系,此时可考虑使用二元logit回归分析。但需要特别注意一点是:“行为” (Y)必须只有两个选项,比如愿意和不愿意,购买和不购买,并且必须使用数字1和0分别表示。比如研究网购态度 对于 “是否购买代购产品”的影响,愿意应该用数字1表示,不愿意用数字0表示。


· 备注:如果问卷中有量表题,也可以使用信度分析,方差分析等研究方法。


· 备注:非量表数据请勿使用信度,效度等研究方法。


三、调节/中介类研究


调节/中介作用研究框架,类似于第一类即“影响关系研究”。但此类框架更常见于学术研究,因而可能会多出中介作用,或者调节作用这两部分,基余部分与“影响关系研究”基本类似。


这类分析思路倾重中介作用,或者调节作用的研究。比如研究员工工作生活平衡对离职倾向影响时,工作满意度是否起中介作用。产品质量认知对口碑传播意愿影响时,不同收入水平是否起着调节作用。类似第一种分析思路框架,此类分析思路框架在问卷设计上大量题项均为量表题,仅小部分题项为非量表题项。工商管理类、市场营销、心理学、教育学等专业偏好于使用此种分析思路框架,此分析思路框架更适用于有一定统计基础的读者。


需要注意的是,中介作用或者调节作用研究在学术上是非常谨慎的研究,因而如果需要此两类研究,需要在文献综述部分详细描述清楚中介或者调节作用关系后,才能进行分析(即先有理论依据,然后再使用研究方法进行验证),否则会出现逻辑问题。


四、实验类差异研究


实验类研究,通常也称作“情景”类研究等。此类框架在市场研究中相对较为常见。相对来讲,此类研究的核心在于交互关系,而且通常均是使用量表类问卷题。


这类分析思路针对于使用实验式方法和问卷形式进行的关系研究,通常问卷设计会包括不同情景设置。比如百货商店音乐刺激对于消费意愿的影响研究,通常问卷里面会有不同情景,比如有背景音乐或者无背景音乐,也或者有不同类型背景音乐等。此类分析思路框架强调不同场景或者不同实验情况下的差异比较,通常情况下会有较多的量表题项。市场营销、心理学、媒体等相关专业会使用此分析框架进行各类研究。


五、聚类样本类研究


聚类样本研究的分析思路倾向于样本“分类”,即样本人群应该分成几个类别;分了类别之后,通常肯定是需要对比不同类别人群的差异性,比如不同类别群体在态度,行为上的差异性等。问卷设计时应该注意到量表题项可能用于聚类样本时使用,以及此类问卷也会有较多非量表题项,用于了解样本的特征情况。社会学类、市场营销类相关专业常使用此分析框架进行研究,此分析思路框架更适用于有一定统计基础的读者。


具体研究内容上:


1. 首先对研究数据样本基本特征情况(比如性别、年龄、学历等)进行分析


2. 如果有涉及样本群体的特征、行为、或者态度相关项,则可单独一部分进行分析


3. 如果研究量表数据并不知道分成几个维度,比如有20个量表题,应该分成几个维度并不确定,此时可使用因子分析方法进行。找出应该分成几个维度(因子),以及题项和维度的对应关系情况。


4. 接着对量表项进行信度和效度分析( 备注:因子分析已经得出维度与题项对应关系,此时说明已经有效度,有时也可放弃效度分析,从内容完整性上建议放入)


5. 完成因子分析后,已经确认得到几个维度,可将此几个维度进行聚类,得到几种类别的群体,然后结合每类群体的特征,给每个聚类类别进行命名。 (备注:一个维度由多个题项表示,想将多个题项概括成一个整体,此时需要使用SPSSAU中“生成变量”的“平均值”功能即可)


6. 得到聚类类别之后,接着需要对比不同类别群体的差异性;包括比如在“特征”、“行为”或者“态度”上的差异性。便于结合不同群体提供不同的建议措施等。


了解了每种问卷类型的分析思路后,对应着找到自己设计的问卷所属的类型,按照上面描述的步骤进行分析即可。


回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

返回顶部