问卷调查数据分析描述？

一、问卷调查数据分析描述？

数据可分为两种类型，包括定性数据和定量数据。

· 定量：数字有比较意义，比如数字越大代表满意度越高，量表为典型定量数据

· 定类：数字无比较意义，比如性别，1代表男，2代表女

（1）定量数据一般使用描述分析，比如样本的平均身高是多少，在什么区间波动、标准差是多少？

描述分析-SPSSAU

（2）定类数据一般使用频数分析，比如男女比例、各专业占比等，同时可用饼状图、柱形图等可视化图形进行展示。

频数分析-SPSSAU

饼图

二、怎么分析问卷调查的数据?

《心理学量化分析平台》是问卷数据处理的EXCEL插件。本工具中包括数据录入、纵向数据匹配、数据预处理（问卷编码、反向计分、缺失值处理）、描述统计、t检验、方差分析、信效度、三线表等几十个实用的小功能。这些功能可以帮大家快速完成那些需要不断重复的操作，避免疲惫感、保持心情舒畅。给大家留出更多时间和精力投入到更具创造性的工作中去。

• 由于文章较长，建议按【Ctrl+F】搜索关键词查找相应功能的使用方法。

插件安装成功后，在EXCEL中出现名为【心理学量化分析平台】的选项卡。文末可查看插件的下载、安装方法。

三线表

简单斜率图

点击【图表】【简单斜率图】，生成下图模板。在红框中填写上相应的数据即可。

参考视频：

描述统计

指定任意个连续变量、按任意分组变量进行描述统计（如频数、平均数、标准差、方差、偏度、峰度等）。

• 点击【分析】【描述统计】，弹出如下对话框。在对话框中输入描述变量和分组变量名称即可。这里举3个例子介绍使用方法，以满足不同的使用需求。

例一：输入【math,english】，表示对math和english两个变量描述统计。多个描述变量用逗号分隔。

例二：输入【math,english grade】，表示对math和english两个变量按照grade变量分组进行描述统计。其中描述变量与分组变量间用空格分隔。如果有多个分组变量，多个分组变量间用逗号分隔。

例三：输入【math,english grade gender,town】，表示对math和english两个变量按照一级分组（grade变量）和二级分组（gender和town）的两两组合进行描述统计。

• 上面三个例子均以描述math和english两个变量为例，其中例一无分组变量，例二有一个分组变量grade。例三又新增了gender和town两个分组变量作为grade的下一级分组。按照这样的逻辑，大家可以根据自己的需求，指定任意分组级数、任意分组变量数、以及任意描述变量数进行分析，这样灵活性大大增加，效率翻番。
• 还需要注意，我们使用逗号（中文或英文均可）和空格作为分隔开各个变量的标记，因此变量名不应该再包括任何的逗号或空格，不然会提示错误。
• 另外、对于结果准确性，大家可使用SPSS中【分析】【比较平均值】【平均值】验证。

视频教程：

数据录入

提供调查问卷数据录入功能。可实现在EXCEL中录入问卷数据时，自动跳到下一个单元格，无需频繁按Tab键跳转。

第一步：根据自己的问卷数据情况，建立如下图模板（示例数据可按住CTRL点击【量表分析】【数据录入】生成），其中：

• 第一行填写变量名，根据自己的问卷实际增加修改即可。
• 第二行填写变量的最小值，如果变量是字符串，填写无。
• 第三行填写变量的最大值，如果变量是字符串，填写无。
• 说明：当变量设置了最小值、最大值时（如上图中的B列到J列），在相应单元格中输入数字时，会自动跳转到下一个单元格，无需按Tab。

第二步：打开录入窗口，选择录入数据的第一个单元格，然后在录入框中输入问卷上的数据即可。

• 其他说明：
• 对于姓名、学校等字符变量，由于输入长度不固定，需按Enter跳转。
• 输入【.】或【~】 表示输入缺失值"NA"。
• 以前版本的数据录入功能已经删除，这是新做的一版，功能尚有不足之处，欢迎留言提供建议。

频数统计

统计变量中每个值出现的频数和百分比。

• 选中任意变量列，点击【频数】【单选题】。结果如下

• 如果选择多个变量，则效果如下：

交叉频数

返回两个变量的交叉表频数统计结果。

• 选中任意两个变量列，点击【频数】【交叉频数】。结果如下

多列去重

适用于多列拼接组合后的频数统计。

• 选择【grade】和【town】两个变量列，点击【频数】【多列去重】。结果如下

相关系数

计算相关系数矩阵。

• 选择需要计算相关矩阵的变量列。
• 点击【分析】【相关矩阵】。

项目分析

项目分析的主要用来检验量表中各个题目的质量，其结果可作为个别题目取舍的参考。

• 准备数据。将某个量表的所有题目放到一张新的工作表中（不要其他变量）。
• 点击【量表分析】【项目分析】即可。

原始数据计算HTMT

HTMT（heterotrait-monotrait ratio）叫异质-单质比率， 是评估区分效度的指标之一 。任意两个特质（潜变量）之间可计算一个HTMT值。此功能是基于原始数据（已经处理过缺失值、反向计分的数据）计算MTMT值。

• 准备数据。示例数据可点击【量表分析】【原始数据计算HTMT】【示例数据】生成。
• 提取变量、设置因子。点击【量表分析】【原始数据计算HTMT】【规则】来提取工作表中的变量名，在新生成工作表中B列，设置A列变量名对应的因子名称。最后点击【量表分析】【原始数据计算HTMT】【计算】即可。
• 可以一次设置多个因子，此时将输出多个特质两两之间的HTMT值矩阵，同时也会输出每个HTMT值的计算过程。

相关矩阵计算HTMT

基于相关矩阵数据，计算各特质之间的HTMT值

• 准备数据。可点击【量表分析】【相关数据计算HTMT】【示例数据】生成示例数据，示例数据来自

（如果是自己的数据，则以B2单元格作为相关矩阵的起点，分别向下、向右放变量名称，并在矩阵中放对应的相关系数）

• 设置变量所属因子。 根据B列的变量名称，在A列填写变量对应的因子名称，作为计算因子间HTMT的依据。 点击【量表分析】【相关数据计算HTMT】【计算】，结果如下：
• 可以一次设置多个因子，此时将输出多个特质两两之间的HTMT值矩阵，同时也会输出每个HTMT值的计算过程。

简单线性回归

指定一个因变量和一个自变量进行简单线性回归分析。

• 点击【分析】【简单线性回归】，在对话框中输入【因变量 自变量】，确定即可。
• 例一：输入【math english】，表示以math为因变量，english为自变量进行简单线性回归，分析english对math的影响。

独立样本t检验

指定任意个连续变量和分组变量进行独立样本t检验。

• 点击【分析】【独立样本t检验】，在对话框中输入【连续变量 分组变量】，确定即可。
• 例一：输入【math gender】表示分析不同性别（gender）学生的数学成绩（math）上是否存在显著差异。
• 例二：输入【math,english gender,town】表示同时执行4次独立样本t检验，分别是【math gender】【math town】【english gender】【english town】。

配对样本t检验

指定任意组变量，一次进行多个配对样本t检验。

• 点击【分析】【配对样本t检验】，在对话框中输入【变量A 变量B】，确定即可。
• 例一：输入【math,english】，表示使用math和english两个变量进行配对样本t检验分析。
• 例二：输入【math,english math,chinese english,chinese】，表示一次分析三对配对样本t检验。

单因素方差分析

当分组变量大于两个水平时，使用独立样本t检验分析不同水平在因变量上的差异不再适用，此时可用单因素方差分析。此功能可指定任意个连续变量和分组变量进行单因素方差分析。

• 点击【分析】【单因素方差分析】，在对话框中输入【连续变量 分组变量】，确定即可。
• 例一：输入【math grade】，表示分析不同年级（grade）学生的数学成绩（math）上是否存在显著差异。
• 例二：输入【math,english gender,grade】，表示同时执行4次单因素方差分析，分别是【math gender】【math grade】【english gender】【english grade】。

方差同质性检验

分析不同组的方差是否同质。

• 准备数据。示例数据来自程琮的《Levene 方差齐性检验》（示例数据可按住CTRL点击【分析】【方差同质性检验】生成）。
• 点击【分析】【方差同质性检验】，在对话框中输入【连续变量名 分组变量名】，确定即可。

新变量

用于计算并增加一列新变量，比如总分、平均分。Z分数、中心化分数等。

总分、平均分

• 选择需要计算总分或平均分的变量。
• 点击【量表分析】【新变量】【总分】或【平均分】即可。

Z分数，中心化

方法与上面的求和一样，唯一的区别是计算标准分数、中心化分数时，只能选择一列。

高低分组

在做项目分析的时候，有时需要根据总分变量，按照一定的百分比（通常是27%），将高分组被试和低分组被试标记出来，再做独立样本t检验。此功能可指定百分比进行高低分组。

• 点击【量表分析】【新变量】【高低分组】，输入总分变量，空格，百分位（不用百分号）即可。

百分位数

指定一个变量，计算该变量从0到100之间各个百分位的百分位数。

步骤：点击【量表分析】【新变量】【百分位数】，输入变量名即可。

区间分组

将一个连续变量按一定的区间进行分组，并生成一个新的分组变量。

• 点击【量表分析】【新变量】【区间分组】
• 在输入框中输入【math 65 70】，表示将math变量进行分组，参数中的65和70是任意一个分组的上边界和下边界。效果如下图。

说明：

• 分组的左边界和右边界是自由定义的，输入【math 0 5】也能得到和上面一样的结果。
• 分组方式为左闭右开，即包括左边界，而不包括右边界。

纵向数据匹配

在纵向研究中，需要对同一批被试在不同时间收集多次数据。此功能可实现将相同被试在不同时间的数据一一对应起来，并对匹配过程中数据发生的变化作详细记录。

例如收集到下面3次数据，需要根据姓名匹配，其中有些姓名缺失，有些姓名重复，

匹配到后，排除无姓名、重复姓名的情况，最后成功匹配4个被试的数据。结果如下图：

数据匹配详情如下：

具体功能使用方法，请参考下面文章：

数据预处理

在收集到一手数据后，这些数据并不能直接用于最终的数据分析，还需要对这些数据进行预处理。本工具中的【预处理】功能创造性地解决问卷数据预处理中的如下关键性问题：

• 问卷数据编码。如将男编码为1，女编码为2，大一编码为1，大二编码为2等。
• 反向计分。如将1、2、3、4的编码方式转为4、3、2、1的编码方式。
• 删除缺失值。如将空单元格（空值）或异常值所在的行删除。
• 平均值替换。将指定值（如缺失值、异常值）替换为平均值。

步骤

• 选择变量。选择需要处理的变量。如下图中的4个变量：

其中【math】变量包括两个空值和一个999异常值；【grade】变量包括2个空值；【SES1】和【SES2】变量均包括1、2、3、4这4个选项。

• 提取变量值。按住Ctrl点击【量表分析】【数据预处理】，程序会将变量值提取出来，如下图，其中：
• B列是变量名
• C列是原数据表中的值
• D列是值对应的频数，用来初步了解数据情况
• 如果原数据中单元格是空值，将被转换为【空值】。

• 设置新值。与C列对应，在E列中填写对应的处理方式，当前提供如下处理方式：
• 编码（或反向计分）。如将大一编码为1，大二编码为2。或将SES1中的1反向计分为4，2反向计分为3。或者将grade中的空值转换为4。
• 删除特定值所在的行。如要删除math中的空值所在的行，在【E10】单元格填写【删除行】。
• 平均值替换。如将math中的【999】替换为该变量的平均值，则在【E9】单元格填写【平均值替换】。
• 如果不想做任何处理，E列对应单元格留空。

• 处理。点击【量表分析】【数据预处理】，程序会生成一张新工作表，表中包括了处理后的数据。结果如下：

经过处理的单元格背景颜色会被标记，并且单元格批注中会显示原来的值。

多选题编码

实现对问卷多选题数据的拆分、编码、统计分析。

示例数据如下图，您喜欢在什么终端追剧？终端包括：手机、电视、平板、电脑、(跳过) 。

• 点击【量表分析】【多选题】【拆分】，输入多选题变量名和选项分隔符，用空格分隔。点击确定后即可得到拆分后的选项，1表示选择，0表示未选择。效果如下图：

多选题统计

针对上面拆分后的多选题，选择BCDEF列，点击【量表分析】【多选题】【统计】即可。

组内评分者信度（Rwg）

组内评分者信度用来评价组内成员回答一致性达的程度。如果团队中的成员全部选择3，则组内成员的一致性高。假如一半的成员选择1，另一半成员选择5，此时平均分也为3，但一致性程度不高。Rwg即可作为衡量回答一致性程度的指标。细节请参考罗胜强《管理学问卷调查研究方法》（p268）书中相关章节。

• 准备数据。这里使用书中的数据来演示，如下图（示例数据可按住CTRL点击【量表分析】【组内评分者信度】生成）。

• 点击【量表分析】【组内评分者信度】，在弹出的输入框中输入计分级数即可，结果如下：

在计算rwg时，每一个题目可以计算一个Rwg值，所以在第4行中有多个Rwg值。同时整个量表也可以计算Rwg值。细节可参考《管理学问卷调查研究方法》（p268）。

名外，上图结果与书上的结果存在一定差异，原因是书上的结果是使用平均值、方差四舍五入后计算得来，此功能中未做四舍五入处理，理论上更精确，大家可自行测试。

组内相关系数（ICC）

组内相关系数（Intra-Class Correlation，ICC）是除Rwg外另一个评分一致性指标，是跨层研究前的必要步骤，也是信度评价的指标之一。ICC的概念与方差分析相似，如果组内方差远小于组间方差，则小组内的评分较一致；相反，如果组内方差远大于组间方差，就很难说小组内的评分一致。

罗胜强《管理学问卷调查研究方法》（p276）中计算ICC的例子如下图：

• 准备数据。上图中的数据每一组放在一列中，共4组。为方便使用，需要重新组织数据（与单因素方差分析相同，一个分组变量，一个因变量），如下图所示（示例数据可按住CTRL点击【量表分析】【组内相关系数ICC】生成）。

• 点击【量表分析】【组内相关系数ICC】，在出现的对话中输入【因变量名 分组变量名】即可。

如前所述，ICC的计算基于单因素方差分析结果表，这里列出相应数据，方便核对结果正确性。

Alpha信度

用来计算量表的alpha信度。

准备数据。将某个量表的所有题目放到一张新的工作表中（不要其他变量）。

点击【量表分析】【alpha信度】即可。

组合信度，平均方差抽取量，

点击【量表分析】【组合信度】生成模板。从A2开始依次往下输入某维度下各变量标准化因子载荷，结果即会自动出来。

参考视频：

双因子模型计算信度

基于双因子模型的因子负荷计算各种信度系数。参考的文献及示例数据均来自顾红磊的《多维测验分数的报告与解释_基于双因子模型的视角》。

• 准备4列数据。A列为变量名。B列为变量对应的因子名称，C列为变量对应的全局因子负荷。D列为变量对应的局部因子负荷，如下图所示（示例数据可按住CTRL点击【双因子模型计算信度】生成）。
• 点击【量表分析】【双因子模型计算信度】即可。

排名

对选中的单元格区域数值进行排名。会返回1/2/2/4、1/2.5/2.5/4、1/2.5/2.5/4这3种排名方式。

• 选择需要排名的单元格区域，点击【分析】【排名】。

下载地址

在QQ群文件中下载：849063127

安装方法

• 安装前，建议关闭360等安全软件。为了提供更好的使用体验，部分功能会在硬盘、注册表中保存一些个人数据，方便下次直接使用，而不用再次输入，这些操作会被安全软件视作危险操作。
• 双击【心理学量化分析平台.exe】文件，直接安装，一直下一步即可。
• 打开EXCEL，出现下图，点击安装。

• 打开EXCEL，如果出现下图选项卡，说明安装成功。
• 本工具不是一个独立的软件，在桌面不会生成相应的应用程序图标，而是作为EXCEL的扩展功能存在。
• 由于功能时有更新，实际的界面布局和下图中会有所有不同，属于正常现象。

安装常见问题

Q1：为什么插件没有安装成功？

OFFICE版本原因。买电脑时赠送的office家庭和学生版会安装不上，需下载安装其它OFFICE版本，版本从下图位置查看。

EXCEL版本原因。如果您安装的是EXCEL 2010，建议直接安装更高版本的EXCEL。

• 如果一定要用2010，可先卸载已经安装的插件，下载并安装群文件中的vstor_redist.exe这个程序（仅首次需要安装），再次安装插件即可。

系统原因。不支持XP、Mac系统（不用再向我确认）。

权限原因。尝试以管理员身份运行安装插件。

Q2：WPS是否可以安装并使用？

WPS可以安装并使用，但未在WPS中做过多测试，存在少数不确定的bug，欢迎反馈。

Q3：如何升级？

下载最新版，覆盖安装即可。

三、问卷调查怎么分析数据和总结？

问卷调查采用的是同一套试卷，用同一道试卷来问不同的人群进行分析，及他们的信息，让他们在信息之上进行填入，同时把收集到的信息放在一个软件叫意思要通过导入excel的话，它会自动的把相同的问题给提取出来，所以呢，你只要看提出来的数据，然后进行分析，把相同的数据分析记录下来并进行总结就可以

四、问卷调查数据分析怎么写？

对反馈数据进行清理，保证数据的有效性。

五、问卷调查数据分析如何导出？

1. 打开你的调查问卷网页，并进入数据分析页面。

2. 找到“导出”或“下载”选项，并选择“Word文档”格式。

3. 根据提示设置一些选项，如时间范围、样式等等。

4. 点击“导出”或“下载”按钮即可。

需要注意的是，不同的调查问卷工具导出方法可能略有不同，请根据具体情况进行操作。如果你遇到了问题，可以考虑查询该工具的帮助文档或向相关技术支持人员寻求帮助。

六、问卷调查数据分析方法有哪些？

对比分析法、平均和变异分析法、综合评价分析法、结构分析法、平衡分析法、动态分析法、因素分析法、相关分析法 层次分析法 结构分析方程模型 参数检验、非参数检验、相关分析、回归分析、聚类分析、判别分析 、主成份分析（归一化 除以各自标准差）、因子分析、关联分析、决策树分析、贝叶斯、时间序列。

七、问卷调查数据分析怎么放进论文里？

将问卷调查数据分析放入论文中的方法因人而异，但是以下是常见的一些步骤：

1. 定义论文的背景和问题：首先介绍你的研究背景和问题，这样可以帮助读者了解数据分析的意义和分析结果如何回答研究问题。

2. 描述问题研究方法：介绍研究的具体方法，例如采用什么方法收集数据、使用哪些统计分析指标、样本的规模等。

3. 撰写调查问卷和答案汇总：这一部分需要将你收集到的所有调查问卷以及答案进行总结和描述，这可以是一张表格或几张图表的形式。需要对问卷和调查对象的特点做必要的描述。

4. 描述数据分析结果：现在有许多统计工具和受欢迎的数据分析软件，如SPSS、Excel等，它们能清晰地展示数据及其之间的关系。数据分析结果需要用适当的图表和表格展示，如条形图、折线图、饼图，也需要用文字来描述每个图中的主要结果。此外，要注意可靠性分析、显著性检验和信度分析等。

5. 分析结论：需要在结果分析的基础上，总结出研究的结果和讨论这些结果的含义。这部分应关注数据分析的高光点和研究结果，回答研究问题并和文献相关。

总之，写数据分析结果要清晰简洁、客观、分析深入，确保可读性和易读性，增加读者的理解力和阅读舒适度。

八、哪里可以找到现成的问卷调查数据，我想拿来练习数据分析用？

这个问题不如尝试交给小C来解决！求人不如求己，您可尝试使用 @Credamo 见数 平台来发布问卷，利用数据集市发布问卷通过自有样本库完成调研，当然，平台也支持通过生成二维码转发到微信朋友圈或微博，上个月还增加了海报功能，可以美美哒。同时Credamo设有多种质量控制，自动和手动拒绝功能让您无需为无效数据买单。每份问卷最低仅0.5元，现在关注公众号点击右下角即可限时使用高级版账号，B站搜索Credamo即可观看教程。如果觉得有帮助，可以关注知乎官方账号，支持推送相关教程和知识。

九、利用spss进行问卷调查数据的效度分析？

在SPSS中进行问卷调查数据的效度分析通常涉及两个主要类型：内容效度和结构效度。这里主要介绍如何使用SPSS进行探索性因子分析（EFA）来评估问卷的结构效度，因为这是量化效度的常见方法。

结构效度的评估一般通过因子分析来进行。以下是使用SPSS进行问卷数据结构效度分析的基本步骤：

1. **数据输入**：首先将问卷数据输入SPSS。确保所有的变量都是以相同的方式编码，且正确无误。

2. **检查数据**：输入数据后，先进行数据审查，包括缺失值、 outliers、以及各变量的分布情况。

3. **确定因子分析的适用性**：使用Kaiser-Meyer-Olkin (KMO) 测验和 Bartlett's Test of Sphericity 来评估数据是否适合进行因子分析。KMO值接近1表示变量之间有很高的共同度，适合做因子分析。

4. **提取因子**：决定因子的提取方法，常用的有主成分分析（PCA）或主轴因子分析（PA）。接着设置因子提取的截止值，通常是 eigenvalue > 1 或者累积解释的方差百分比。

5. **因子旋转**：为了更容易解释因子结构，通常会进行因子旋转。最常用的旋转方法是直角旋转（如Varimax），它使得每个问卷项尽可能仅与一个因子相关。

6. **解释因子载荷**：在旋转后，查看各个问卷项在各因子上的载荷。一般认为，载荷高于0.4的问卷项可以归入相应的因子。

7. **命名因子**：根据问卷项的内容给每个因子命名，以便解释和后续研究使用。

8. **验证因子结构**：可以通过分层回归、验证性因子分析（CFA）等方法进一步验证因子结构和问卷的效度。

9. **报告结果**：最后，在研究报告或论文中详细说明因子分析的过程、结果及其对问卷效度的意义。

请注意，效度分析不仅仅是统计过程，还需要结合理论知识和实际情境来综合评估问卷的效度。此外，效度分析是一个迭代过程，可能需要多次调整问卷和分析方法才能得到可靠的结果。

十、经营数据分析需要分析哪些数据？

1、引流

通过分析PV、UV、访问次数、平均访问深度、跳出率等数据来衡量流量质量优劣。

目的是保证流量的稳定性，并通过调整，尝试提高流量。

2、转化

完成引流工作后，下一步需要考虑转化，这中间需要经历浏览页面—注册成为用户—登陆—添加购物车—下单—付款—完成交易。

每一个环节中都会有用户流失，提高各个环节的转化率是这一块工作的最核心——转化率的提升，意味着更低的成本，更高的利润。

3、留存

通过各个渠道或者活动把用户吸引过来，但是过一段时间就会有用户流失走掉，当然也会有一部分用户留下来，留下来这部分用户就叫做留存用户。