问卷分析中的问题
发布网友
发布时间：2022-04-24 08:16
共1个回答
热心网友
时间：2022-06-17 22:53
软件下载
http://www.oqss.com/
一个完整的市场调研包括四个方面：调研设计，即作出怎样达到调研目标或怎样得到信息的计划，数据资料的收集；现场作业主要包括访问所选样本中的每一个人或组织、并填写问卷；对问卷进行量化并进行统计分析；问卷的统计与分析是调查的重点，也是调研工作的难点。同样的统计数据，由于分析方法的不同以及对数据的理解不同，可能会得到完全相反的结果。
从统计分析的层次划分问卷的统计分析方法可分为两类：定性分析和定量分析。
一、定性分析
定性分析是一种探索性调研方法。目的是对问题定位或启动提供比较深层的理解和认识，或利用定性分析来定义问题或寻找处理问题的途径。但是，定性分析的样本一般比较少（一般不超过三十），其结果的准确性可能难以捉摸。实际上，定性分析很大程度上依靠参与工作的统计人员的天赋眼光和对资料的特殊解释，没有任何两个定性调研人员能从他们的分析中得到完全相同的结论。因此，定性分析要求投入的分析者具有较高的专业水平，并且优先考虑那些做数据资科收集与统计工作的人员。
二、定量分析
在对问卷进行初步的定性分析后，可再对问卷进行更深层次的研究——定量分析。同卷定量分析首先要对问卷数量化，然后利用量化的数据资料进行分析。问卷的定量分析根据分析方法的难易程度可分为定量分析和复杂定量分析。
（一）简单的定量分析
简单的定量分析是对问卷结果作出一些简单的分析，诸如利用百分比、平均数、频数来进行分析。在此，我们可将问卷中的问题分为以下几类进行分析。
1、对封闭问题的定量分析。封闭问题是设计者已经将问题的答案全部给出，被调查者只能从中选取答案。例如：
您认为出入正式场合时，穿着重要吗？（限选一项）
一点也不重要……………………l
不 重 要……………………2
无 所 谓……………………3
重 要…………………………4
非常重要…………………………5
对于全部45次访问的回答，我们可以简单地统计每种回答的数目：一点也不重要=2；不重要=5；无所谓=10；重要=15，可把结果整理成如表一所示：
表一 出入正式场合穿着重要性
从表一中可以一目了然地看出分析结果——几乎三分之一的被调查者认为在正式场合穿着很重要，仅有15.6%的人认为在正式场合穿着不重要。
表一是对全部样本总体的分析。然而，几乎所有的问卷分析都要求不同的被访群之间的比较。这就需要用较为复杂的方法——交叉分析来实现。交叉分析是分析三个变量之间的关系。例如美国的一位调研人员怀疑美国人“海外旅游的*可能与年龄”有关，但通过分析发现，没有发现两者之间存在任何联系，当将性别作为第三个变量引进之后，发现在男性中45岁以下的人中有60%有“海外旅游*”，而45岁以上者只有40%有这种愿望。但是在女性中结果正好相反，因此，将全部数据混合在一起分析时，年龄“与海外旅游*”之间的关系就掩盖了，而按不同性别分类后，这种隐含的相关关系就被揭露出来。如表二所示：
表二 接“年龄”和“性别”分类的“海外旅游的*”
从表二中可以看出交叉分析的强大作用。它还可同时研究多个变量之间的关系。例如：可再加上收入、职业等各方面来进行比较分析。
2、对开放问题的定量分析。开放性问题是指问卷设计者不给出确切答案，而由被调查者自由回答。例如：
表三 您为什么不想海外旅游
如果所有回收的问卷只有这5种答案，那么就很容易作出分析概括。可是，一般回收的问卷都有几百份，所以对于开放性问题就可能有几十种甚或几百种答案。对于这几百种答案，就很难进行分析。因此对于这种问题，必须进行分类处理，例如可把不旅游的理由大概分为四类，如表四：
表四 不想旅游的理由
利用上表中的四种原因，我们就可以进行分析处理，并且从表中很容易看出被调查者的观点。
3、数量回答的定量分析，即回答结果为数字。例如“您为海外旅游花费多少？”对于这类问题，最好的方法是对量化后的数据进行区间处理，区间范围的划分很大程度上是靠经验、专业知识来划分的。在用区间表示数量分布的同时，可同时使用各种统计量来描述结果，包括位置测度；平均值、中位数和出现频率最高的值或者分散程度的测定；范围、四分位数的间距和标准偏差。
述三种方法仅是简单的问卷分析，靠简单的统计方法来处理数据是十分可惜的，因为这样会丧失大量的数据信息，使决策的风险增大，并使分析结果流于肤浅。
（二）复杂定量分析
简单分析常用于单变量和双变量的分析，但是社会经济现象是复杂多变的，仅用二个变量难以满足需要。这时就需要用到复杂定量分析，在问卷设计中，常用的复杂定量分析有两种——多元分析和正交设计分析：
1、多元分析就是通过对观测数据的分析，由表及里来研究多个变量之间相互依赖的规律性，或者根据实际问题的需要对研究对象作出某种评价、分类、判别，或者从中发现各个指标都起作用的更一般（从而也更抽象）的公共因素。在问卷分析中常用的多元分析，主要是有聚类分析、主成份分析、因子分析三类：
1）聚类分析。聚类分析的主要目的在于将被调查者对某问题的态度根据一定的法则聚类成相对类似的群组，利用群组进一步的分析。现在由于计算机技术的发达，枯燥的聚类分析计算已不用手工计算，因此具体的计算过程在这里不再多说。这里仅用一个例子来描述一下它的作用。例如：
在调查大学生性格和品质时，您认为自己应该具有哪些品质和性格？
（1）勇敢；（2）幽默；（3）守纪律；（4）富有同情心；（5）乐于请教人；（6）机智；（7）认真；（8）有礼貌；（9）听话；（10）勤奋；（11）虚心；（12）坚韧；（13）敏捷；（14）；（15）稳健。
对15个变量P1到P15进行聚类分析，它们都是0-l变量（选取该项时取为1，否则为0）。可利用SPSS软件分析，最终聚类分析结果为：（以五类为例）
（1）P1、P2、P6、P12、P13、P14、P15
（2）P3、P8、P9
（3）P5
（4）P4
（5）P7、PIO、P11
通过聚类分析，我们可以知道哪几种问题属于哪一类，这样在分析问卷里，就可以将被访问者分类，例如，我们可将（1）归类为（智慧型），（2）归类为“传统型”，借此来了解被访问者的性格倾向。聚类分析最大的优点是简单易操作，它的缺点是没有形成一个完整的理论体系，因此解释起来比较困难。
2）因子分析。在问卷中常有一些不可直接观测的基本特征，例如“态度”、“认识”、“爱好”、“能力”、“智力”等等实际不可观测的潜在变量。因子分析正是利用这些潜在变量解释可观测变量的一种工具。
研究者在设计问卷时实际上是假设有某种结构存在的，通过因子分析可以验证研究者假设是否成立。因子分析的主要功能是从量表所度量的一系列变量中分离或提取出一些公共因子，这些因子与其它变量之间的联系则是可以进行研究的，通常是利用复杂的数学方法把量表中高度关联性的观测量按某种规则分成几群，每一群的变量共享一个公共因子，也就是说该群变量与这个公共因子有高度关联，表现为在该因子上的“负荷量”明显的大（指绝对值）。这几个公共因子也就代表了量表的基本结构。根据被访问者的态度，并将其量化，然后进行因子分析。例如大学生对服装品牌和价格态度量表的因子分析，利用SPSS分析，结果如下表所示：
表五 大学生对服装品牌和价格态度量表的因子分析
从因子分析的结果中可以看到，在第一个公共因子F1上有较高负荷量的几个问题与大学生对价格的关心程度有关，因此我们将Fl命名为“价格意识”因子，它的贡献率即有效程度为39.28%。在第二公共因子F2上有较高负荷量的二项量表全部涉及品牌方面，我们将其命名为“品牌效应”因子，它的有效程度为28.50%，与第一个因子的累积有效程度为67.78%。也就是说，这二个因子对这几个变量的累积贡献率约等于70%。一般来说，这种累积程度已足够解释大学生对服装的态度。
从这个例子中可以看出因子分析的优点在于用一个或少数几个综合指标概括原始尽量多的信息，它能够实现对问题的高度概括，并揭示现象更一般的特征和规律。
2、正交设计分析。除多元分析外，还有另外一种复杂的问卷分析方法——正交设计分析。正交设计分析的步骤是：
（1）首先对问卷进行正交分析，尽可能使问卷结构合理；
（2）进行问卷调查，并收集数据；
（3）整理数据，对调查结果进行分析（可采用正交试验中的方差分析）；
（4）得出分析结果。
正交设计有很多优点：
一是节省费用，可以从少数据的问题中获得充分的信息；
二是从方案设计到问卷结构的分析，完全采用现成的表格，是多因素调查简便有效的方法；
三是正交设计的主要优点是可靠性强，通过正交表所选的问题具有很高的代表性。这里不再给出具体的倒子。实际上，除了这两种复杂分析方法外，问卷的复杂定量分析还有很多种。
经常将定性分析与定量分析相结合，使之互相配合，以便收到更准确、更全面和更细致的调查结果。现今在发达国家的市场调查实践中，就经常使用定性分析的方法以辅助与补充定量分析的不足。例如，有些问题涉及到被调查者的隐私或对他们的自我形象有消极作用，这时被调查者就可能作出不切实际的回答。此时利用定性分析可得到较切实际的结果。
