调查问卷设计及处理.PPTX

1 大家好 数学建模基础 第五章 调查问卷设计及处理 调查问卷 从啤酒和尿布的故事开始，我们发觉简单的数据中可能存在无穷的奥秘，好奇心趋势越来越多的人投身到枯燥的数据中。 在瀚如烟海的数据中，不论是科学研究还是商业调查，很大一部分数据是通过调查问卷的方式来获取的。 在问卷星平台上，每天都会产生上万份问卷和100多万份答卷，但大部分用户的数据分析仅仅停留在简单的频率分析上。 数据中隐藏的巨大价值，还等待着被人挖掘。 1 统计学基础及术语解释 P值：也称显著性值或Sig值，用于描述某件事情发生的概率情况，其取值范围介于0~1，不包括0或者1。在大多数情况下，如果P值小于0.01（0.05或0.1），则说明某件事情的发生概率至少有99%（95%或90%）的把握。 量表：通常是指李克特量表，其用于测量样本人群对于某件事情的态度或者看法情况。量表的尺度形式有多种，常见的是五级量表，即有五个答项。 样本：通俗的讲即为填写问卷的人，对于样本的数量，通常情况下为量表题项的5倍或者10倍即可（无效样本在分析问卷前需要进行删除或者筛选）。 频数分析：通常会涉及样本、有效样本、频数、百分比、累计百分比、有效百分比等。 描述性分析：通常会涉及平均值、标准差、中位数等术语名词。 1.1 数据分析 1.2 信度和效度分析 信度分析：在于研究数据是否真实可靠，通俗地讲，即研究样本是否真实回答了问题，信度分析只能分析量表题项。 科隆巴赫系数：也称信度系数、内部一致性系数、Cronbach α系数或者α系数，此值一般大于0.7即可。 校正的项总计相关性，也称CITC值，此值大于0.4即说明某题项与另外的题项之间有着较高的相关性。 效度分析：用于研究题项是否有效地表达研究变量或者纬度的概念信息，通俗地讲，即研究题项设计是否合理，或者题项表示某个变量是否合适。 内容效度：即使用文字叙述形式对问卷的合理性、科学性进行说明。 结构效度：通常使用探索性因子分析（EFA）进行验证，通过因子分析对题项进行分析，如果输出显示题项与变量对应关系基本与预期一致，则说明结构效度良好。 如果题项的因子载荷系数值小于0.4，则应该考虑删除该题项； KMO值应大于0.6； 巴特球形检验对应的P值应小于0.05； 根据方差旋转矩阵确定提取因子数量，如果某题项与某个因子对应的因子载荷系数值较高，那么该题项应当归纳对应至该因子。 1.3 变量关系研究 相关分析：一种最基本的关系研究方法，其目的在于分析两个变量之间的相关关系，包括两者是否存在相关关系，以及相关关系的紧密程度。 Pearson和Spearman相关系数：描述先关关系程度，通常绝对值大于0.7说明两个变量之间表现出非常强的相关关系；当绝对值大于0.4时，说明相关关系强；当绝对值小于0.2时，说明相关关系较弱。 线性回归分析：研究X对于Y的影响关系分析方法，其中X被称为自变量，Y被称为因变量。 R2或调整R2：代表X对于Y的解释力度，取值范围为0~1，该值越大越好。 F值：用于检验所有自变量X中至少有一个会对因变量Y产生影响的关系，若F值对应的P值小于0.05，则说明所有自变量X中至少有一个会对因变量Y产生影响关系。 Logistic回归分析：研究影响关系，即X对于Y的影响情况，此处涉及的Y是分类变量。 Hosmer和Lemeshow检验、CoxSnell R2和Nagelkerke R2、对数比等指标。 对应P值需要大于0.05，即说明预期拟合情况与实际拟合情况一致。 2 问卷设计说明及注意事项 量表题项需要有文献参考依据：也研究人员应该参考前人的文献量表设计，或者在前人设计的文献量表上进行适当的修改。 量表题项数量：最好每个变量对应4~7个题项，不能太少也不能过多。 量表题项设计要规范统一：同一个变量的题项不能混合使用多级量表，否则会导致数据处理不准确。 量变反向题：若变量题项中有正向态度和反响态度题项时，就涉及反向题，应尽量不实用反向题。 排序或打分题：直接让样本回答排序情况；使用五级量表或七级量表；使用打分题。计算每个选项平均得分情况，通过平均得分进行排序分析。 2.1 量表题项设计 其他：若量表中填写需要一定条件，需要设置删选跳转题项。 量表类问卷的设计框架从结构上可以分为6个部分，分别是筛选题项、样本背景信息题项、样本特征信息题项、样本基本态度题项、核心研究变量题项和其它题项。 筛选题项：如果对样本特征有特殊要求，则需要将此类样本筛选题项设置在问卷前面。 2.2 问卷设计框架 样本背景信息题项：加入样本背景题项，比如性别、年龄等。通常进行频率统计。 样本特征信息题项：此类问题多为非量表类题目，可用于深入了解样本特征情况，通常是计算频率直观展示各选项选择情况。 样本基本态度题项：此类问题基本为非量表类题目，