SPSSAU问卷分析快速入门指南

首先了解基本统计知识（大约5分钟），接着选择正确的研究方法进行结果解读；与此同时，了解一些问卷研究的思路使得研究更加顺手。与此同时，掌握一些数据清理的技能更好，比如对异常数据处理。

01. 基础知识

（1）数据类型识别

数据共分为两类，定量和定类数据：

术语 说明 举例
定量数据 数字大小具有比较意义 您对天猫的满意度情况（非常不满意，比较不满意，中立,比较满意，非常满意）
定类数据 数字大小代表分类 性别（男和女），专业（文科、理科、工科）

（2）P值的意义

p 值是统计学名词，其用于测量数据间的规律情况把握程度。如果p 值小于0.01即说明某件事情的发生至少有99%的把握，如果p 值小于0.05（并且大于0.01）则说明某件事情的发生至少有95%的把握。

研究人员想研究不同性别人群的购买意愿是否有明显的差异，如果对应的p 值小于0.05，则说明呈现出0.05水平的显著性差异，即说明不同性别人群的购买意愿有着明显的差异，而且对此类差异至少有95%的把握，绝大多数研究均希望p 值小于0.05，即说明有影响，有关系，或者有差异等。

 

（3）量表

量表答项类似于“非常同意”、“同意”、“不一定”、“不同意”、“非常不同意”，也或者“非常满意”、“比较满意”、“中立”、“比较不满意”，“非常不满意”等。大多数统计方法均只能针对量表。量表是一种非常典型的定量数据，当然个别情况时也可以将其看成定类（即认可态度不同的几类群体，但这种时候非常少）。

 

02. 分析方法选择使用

在确认好数据类型后，接着便可选择正确的研究方法。如下说明：

参考资料：

 

SPSSAU建议：先描述想研究什么用一句话描述。话里面拆成X和Y：然后结合X与Y的数据类型，选择对应的方法。

 

比如性别/专业等为定类数据，那么基本情况分析部分，直接使用频数分析即可；

如果数据中有量表态度题，那么基本情况分析时，可计算量表题的平均值，了解样本的平均态度情况；

进一步想深入分析差异关系，如果是定类和定类关系，比如‘性别’和‘是否吸烟’的关系，那么可使用交叉(卡方)分析；如果是定类和定量关系，比如‘性别’和‘身高’的关系，那么可使用方差分析；

进一步想深入分析影响关系，即X对于Y的影响，如果Y是定量数据（比如身高），那么可使用线性回归。如果说Y是定类数据（比如是否愿意购买电影票，购买哪种类型的电影票），那么就需要使用Logit回归分析，比如Y为是否愿意（yes和no两项），那么就使用二元Logit回归，如果是多个类别（比如购买‘爱情类’，‘喜剧类’，‘恐怖类’），那么此时使用多分类Logit回归即可。

如果数据中有量表数据即态度题，那么通常需要使用测量数据的真实性和量表设计的有效性，可使用信度和效度分析。

如果数据中有多选题（多选题是一种特殊的定类数据，其分析应该以‘某个多选题的所有选项作为整体’一次性分析），可使用SPSSAU问卷研究里面的‘多选题’，‘单选-多选’，‘多选-多选’，‘多选-单选’。分别分析多选题各项的选择比例，也或者单选题和多选题的差异关系，也或者多选题和多选题的差异关系，也或者多选题和单选题的差异关系。

 

03. 问卷思路剖析

问卷思路上一般分成三个部分，分别是基本情况分析，差异关系研究和影响关系研究。

  • 首先是对问卷数据做基本的描述分析，结合数据类型，选择使用频数分析，或者描述分析即可；
  • 接着研究差异关系情况，结合数据类型选择使用交叉卡方分析，或者方差分析即可；
  • 接着研究影响关系情况，即X对于Y的影响，结合Y的数据类型，选择使用线性回归或者Logit回归即可。

参考资料如下：

 

（1）基本情况分析

分析方法：频数分析/描述分析

  • 了解样本特征情况，基本认知情况，基本态度情况
  • 比如个体基本特征（性别，年龄，学历，专业）等基本分布情况如何；比如对于疫情的认知情况或态度情况如何？

 

（2）探索规律（差异关系）

分析方法：交叉卡方分析/方差分析

  • 深入分析差异情况，找出数据规律
  • 比如分析不同性别/学历/专业群体，他们对于疫情认知态度差异情况如何？

 

（3）探索规律（影响关系）

分析方法：线性回归/Logit回归

  • 深入分析更进一步的影响关系情况，找出数据规律
  • 比如分析疫情认知态度情况 对 ‘疫情期间是否外出就读’的影响关系情况？

 

（4）其它

如果数据有量表题，那么可以测量数据的真实性和量表题设计的有效性。（仅针对量表题）

分析方法：信度分析/效度分析

  • 探究数据的真实性和量表题设计的有效性
  • 比如使用量表题询问‘消费升级’的态度情况，那么回收数据是否真实，且是否真的测量了‘消费升级’这个概念。

 

04.数据清理技能

数据分析前，有可能需要对数据进行清理，比如某个标题需要修改下，也比如数据中有大篇幅没有填写，也或者很多乱答（都选择同一个答案），那么此时需要做‘无效样本’处理。

与此同时，数据分析的时候，比如想把学历‘小学/初中/高中/大学/研究生’共5个类别，现在想组合成3个类别，分别是‘高中及以下/大学/研究生’，那么此时需要使用数据编码功能。

参考资料：

 

「更多内容登录SPSSAU官网了解」

posted @ 2021-07-13 16:32  spssau  阅读(571)  评论(0)  编辑  收藏  举报