基于问卷调查的实用性建议

基于问卷调查的实用性建议

【摘要】抽样调查是根据随机的原则从总体中抽取部分实际数据进行调查，根据样本数据推算总体相应的数量指标的一种统计分析方法，具有经济性好，实效性强，适应面广，准确性高等特点。本文在实际问卷调查的基础上，对抽样调查中相关性分析、错误数据处理和信息数据化做出了几点建议。

【关键词】问卷设计 相关性分析 错误数据处理 信息数据化 当今社会，问卷调查是一种了解大众对具体事件态度的常用手段。一份好的问卷和分析更是能让调查者准确把握调查对象的真实想法，甚至预测事情的发展趋势，做出相应的调整。然而，设计问卷和分析调查结果并不是一件简单的事情。本文就一份某高校对在校学生对《概率论》课程学习的调查为例，对问卷的设计和分析做出几点建议。 一、相关性分析 相关性分析定义：

在大多数的问卷中，调查者都会有这样的想法，想找出两个或两个以上的事件的内在联系，然而，由于问卷调查本身的一些特性，这种内在联系却很难得到明确的分析。

在问卷中，为了减少浪费调查对象的时间，调查者通过选用a、b、c、d等选项的形式让被调查者进行选择。这样的方式的确利于答题者回答问卷，在概率层面的分析上也较为清晰，可以得到准确的比

例数据，从而知道各类态度人群的比重。可是在相关性分析的层面上却失去了这一优点。

接下来让我们看一个例子,通过对该例子的分析来说明这一问题。 例1：你对大学期间的数学学习的兴趣是：

a. 很有兴趣 b. 有兴趣 c. 一般 d. 不感兴趣

例2：你目前对《概率论》系列课程的学习状况是:

a. 很困难 b. 有些困难 c. 能够应付 d. 很顺利 在实际做出分析之前，先让我们对二者的关系做出一个估计。很显然，大多数人都应会认为，对专业的热爱程度与课程学习的良好程度应该较为明显的相关性。那么让我们来用软件分析一下统计的数据。

下面两个图形是用spss软件为例1、例2做出的散点图（如图1）和pearson相关系数（其中factor1、factor2分别表示例1、例2的选项）：

通过分析，我们看到事实上相关性结果的分析结论与我们预想的结果大相径庭。我们主观判断具有非常相关的问题得到的pearson相关系数仅为0.297，相关性较低。而散点图的分析上，尽管可以大致看出有一个负相关的趋势，但由于选项的跳跃性太强，很难具有说服力。

在相关性分析上，用相关系数和散点图分析是很常用的手段，但

是在这种情况下却很难得到理想的结果。基于这一问题本身，我们发现解决这一现象的根本途径应该从调查问卷的设置做起。本文提出两个可以作为参考的解决方案。 （1）细化选项 （2）主观打分

在问卷答案的设定上，我们不再选取传统的a、b、c、d四个选项，而是改换成被调查者主观打分制，我们规定一个比较宽的范围，由被调查者根据自己的判断进行打分，这样一是结果直接通过数据形式反映，省去了调查者将文字信息转化成数据的工作；二是数据离散程度较之先前较大，无论是散点图还是相关性分析都会有一个较好的结果。

在之后的数字信息化的分析中，对于选项的设置问题也会继续有较为深入的说明。 二、错误数据处理分析

问卷统计结果的分析是问卷调查过程中极为重要的一个过程，大多数调查者为了调查数据的正确性都会在随机抽取之前对问卷结果中出现明显错误的数据进行清理。这些清理可以减少因为录入错误、答题者不认真填写等因素所造成的无用数据的数量，以达到增加调查结果正确性的目的。

在数据的清理中，最常用的是不正常数据的清理，即对于一些明显异常的数据进行去除。但是，对于调查过程中出现的答题者不认

真填写，敷衍了事的问卷却很难做出有效的判断。

为了能有效的解决这一问题，在问卷中通过相似问题或者逻辑一致性问题的设置来判断答卷者的认真程度。

具体操作是在问卷设计时设计2-3道较为类似的题目，例如下面两个问题：

例1.你觉得概率论的学习是应试的吗？请选择： a. 完全为了应试

b. 有实际用途，但应试成分多一些 c. 应试和实际用处对半

d. 有应试成分，但实际用途多一点 e. 完全为了实际用途

例2.你觉得概率论学习让你得到了什么? a. 仅仅拿到学分而已

b. 主要是拿学分，也学到一些有用的概率知识，请选择： c. 学分和有用的概率知识对半 d. 主要学到了概率知识，学分在其次 e. 非常有用的概率知识

仔细阅读这两个题目可以很容易的发现，它们表达的意思具有很强的相似性。如果答题者认真作答的话，这两个问题的选择答案不会有太大的出入，基本为同一选项或者相邻选项。那么，我们可以这样认为，如果一份试卷在这两个问题的出入较大，那么说明该答

题者并没有认真做答，只是在敷衍了事，那么我们可以认为他做出的其他选项也是不具有参考性的，可将该问卷内容清除。 当然，必须要指出的是，相似问题的选择一定要谨慎，争取做到本质内容一致而表述方式不同。若题目太过相似，有可能引起答题者重复做题不耐烦的心态，反之，题目差异较大时则不能达到筛选问卷的作用。同时，相似题目的位置应该根据问卷本身情况安排适当，不要太近以防答题者对比分辨出来，或者位置不佳影响整体试卷的连贯性。 三、信息数字化

在对问卷结果进行分析时，我们常常会简单地将选项a、b、c、d记为1、2、3、4，但同样随之而来的是除了基本的概率分析之外，却很难对这些数字进行其他的分析，甚至不能做出有效的散点图。 因此，我们希望所得到的结果以数字的形式出现，同时，这些数字不仅仅是简单的标号，而是能代表不同的含义，例如，人们对某一事件的喜好、厌恶程度。这样，只要我们对这些数字进行相应的分析，就可以得到我们想要的结果。 1.加权求平均值法

对于调查多种因素对某一事件的影响时，我们可以选择通过设定权值，然后加权求均值，用均值来表示影响强弱的程度。 例3：在学习《概率论》系列课程中，你对于下列学习方法认可程度的打分（0表示完全不赞同，10表示完全赞同）：

a. 教学效果太差主要需要自学：（ ） b. 课堂听讲与课后复习、预习相结合：（ ） c. 主要以课堂认真听讲为主：（ ）

分析：设定a、b、c的权值分别1、3、5，即最终得到的平均值越大则表明答题者越倾向于上课听讲的来学习，反之，则越倾向于自学。

假设本题a、b、c打分分别为1、4、8，则得到最终均值m=（1*1+3*4+5*8）/6≈9.可见加权平均是将各种因素的综合作用做了适当的放大（或者缩小），使得最主要的因素得到了突出。同时，比起简单的选择某项作为学习方式，这样得到的结果更为综合，在相关性分析中能更好的体现出各种因素之间的内在关系。 2.细化分值法

虽然加权求平均值法很好地解决了用综合性的数字代表答题者态度的这一问题，然而，却也使得调查问卷的题目数量大大增加，影响了答题者的认真程度，尤其在问卷题目较多时，很可能得不偿失。 为了弥补这一缺陷，我们可以选用细化分值的方法，让答题者直接给出代表其态度的数值，这样的结果虽然没有加权平均得到的更具综合性和说服力，但是却直观简练，也可以得到很好的结果。 同以上题为例来简单说明这一方法的使用。

例4：在学习《概率论》系列课程中，你对于课堂学习和自学两种方法认可程度的打分：

（完全自学）0-1-2-3-4-5-6-7-8-9-10（完全课堂学习） 分析：这样的出题方式保留了加权求平均值法将信息数字化的特征，同时减少了题目的数量和答题者的阅读量，不会引起答题者的不满情绪，保证了问卷的质量。

但是，要指出的是，在这种方式的问题上题干意思一定要表述清楚，否则答题者因为未能正确理解0-10的含义，将会导致结果的偏差较大。

对于本篇文章中提出的对于问卷的设计和分析的改进方法，都是在实际调查过程中出现的问题，并通过这些方式得到了较好的解决。因此，这些方法针对具体的调查而言具有很强的实用性，可以得到较为理想的结果。

本文来源：https://www.bwwdw.com/article/aab3.html