毕业论文问卷的数据怎么分析

今天的我总结几个毕业论文问卷分析的几点建议，希望能帮到各位看官 PS：此处的问卷分析，仅代表具有量表的问卷分析。 因为成熟量表往往经历了现实的考验，其信度和效度达标的概率比较大。 而自己设计的量表，很容易出现信度和效度检验结果惨不忍睹的情况。 这样我们在处理信度分析，探索性因子分析，甚至验证性因子分析的时候，都能游刃有余。 另外如果题目是2个，因子分析KMO值是一定等于的，而一般我们最低也得吧 为了信度和效度能出一个比较好的结果，在文字描述部分，同维度的各个题目，尽量能给一些心理暗示，或者描述上尽量相近，这样能使得维度内的题目的相关性较好，从而信度和效度也不至于太差 一般达到就可以了，以上更好。最好是把每个维度的信度都求一下，然后总体再求一个。这个一般没什么难度，也很容易通过。如果你的数据信度不行，那就进行下项目分析，将高低分样本中不具有区分度的样本删掉。 只求量表的KMO值和巴特利球形检验值。这可能是效度检验的最低要求了。除非导师认同，最好不要仅用这两个值 大部分的同学都会用到的，也是比较不容易通过的一个分析。 遇到最多的问题莫过于，假设题目的维度归属，跟实际出的结果不一致。 碰到这种情况，一般进行如下处理： ①只有少数题目不匹配 要么直接删掉，要么暂时保留 ②绝大多数题目不匹配 从新设计量表，重新收集数据，重新来过吧 若非特殊情况，不建议使用。因为实际收集的问卷数据要想探索性因子分析+验证性因子分析，各个指标均达到理想值，那几乎是不可能的。 如果你看到某某人的论文中用了这样的检验方法，指标非常漂亮，我可以负责任的告诉你，其大概率是改过数据了。 特殊情况1：模型验证阶段，使用AMOS结构方程，导师要求效度检验阶段使用验证性因子分析。 特殊情况2：模型验证阶段，未使用AMOS结构方程，导师也要求效度检验使用验证性因子分析。（导师傻x） 这里特别提一点，显著性的p值代表的是两者是否相关，皮尔逊或者斯皮尔曼系数代表的是相关性程度。 显著性检验通过了，皮尔逊或者斯皮尔曼系数大小才有意义，绝对值越大相关性越大，正负代表正相关与负相关。 显著性通过了，但是系数偏小，那相关性也是显著的，只是两者是存在显著的弱相关性，而不是系数小就代表不相关。 可能是最简单的模型了，将自变量和因变量放进，直接跑就行了。 ①要不要放控制变量 这个随意。 如果放控制变量，尽量放一些层级类的变量，不要放多分类变量。 层级变量比如学历（初中，高中，大学，硕士） 多分类变量比如职业 层级变量的赋值尽量与其题项对应。 如果放了多分类的变量，尽量删掉，如果想保留最好做成虚拟变量 ②用标准系数还是标准化系数 标准化系数。 ③要不要做VIF共线性检验 若非导师要求，那就不做。 ④r方多大算好 这个指标没有非常严格的标准，而且跟导师的价值观有非常深刻的影响。 对于现实收集的数据而言，个人认为，一般大于就好了。 不过我遇到过大于，导师也认为可以接受的情况。 这是一个仁者见仁的问题 从科学的角度来看，应该与你研究的场景有密切的关系。 但是，中介效应模型要比调节效应模型容易出通过，而且解释起来也不那么绕口。 所以，如果不是想给自己挖坑，那就用中介效应模型吧。 快捷验证中介效应模型的方式（快速确定是否存在中介，非正式使用） 条件1，中介变量，自变量和因变量，相关性都显著 条件2，自变量和中介变量关于因变量的回归模型，中介变量的系数显著 如果满足上述两个条件，中介效应一定显著，如果条件2中的自变量也显著，那么就是部分中介效应，如果不显著就是完全中介效应。 另外极少数情况是用sobel来检验中介效应的 如果不是导师要求amos验证中介效应，尽量用spss回归的方式检验中介效应。 快捷验证条件效应模型的方式（快速确定是否有调节效应，非正式使用） 先将调节因子计算处理（标准化后的自变量和中介变量相乘即可） 自变量，调节变量和调节因子关于因变量的回归模型，调节因子的系数显著。 公众号:alone5400

1.设计问卷问题条款不要太多，多则调查效果不好。与你调研目的关联不大的项目都可不考虑，如性别、职业、旅游偏好等。每条问题的选项要符合完整性，几项选择要不重复、不遗漏、同等级。根据你的需求，至少需要有年龄段划分、旅游消费、停留天数等项目，应当考虑从旅游六要素细分游客花费结构。2.实施调查设计抽样调查实施方式、实施场所、样本空间等问题，力求保证调查的时空分布随机性、样本空间代表性。3.数据录入建议用excel，简单实用，功能足够，不建议用spss，华而不实，操作繁琐，不够灵活。4.数据处理初等数学就差不多够用了，求和、求均值、求差求比，简单的侧重于市场份额和市场增长率两方面就能得出很多有用的结论，若精力、技术足够，建议用一些稍微高级一点点地数据模型算法等等，然后制成图表。5.调研分析根据数据结果，结合相关的宏观旅游数据，提出自己的观点，引用自己的数据论证。说的有点简单，实际上是一门学问，作好了很难，做简单了很容易，如果会用数理统计，数据前期预处理做点数据标准化、信度效度校验，初步建模后作个误差校验，即便不做误差反馈，估计应付个硕博论文什么的是没什么问题的。

1、描述性统计分析

包括样本基本资料的描述，作各变量的次数分配及百分比分析，以了解样本的分布情况。

2、Cronbach’a信度系数分析

信度是指测验结果的一致性、稳定性及可靠性，一般多以内部一致性来加以表示该测验信度的高低。信度系数愈高即表示该测验的结果愈一致、稳定与可靠。

3、探索性因素分析和验讧性因素分析

用以测试各构面衡量题项的聚合效度与区别效度。

4、结构方程模型分析

可同时处理多个因变量，容许自变量和因变量含测量误差，可同时估计因子结构和因子关系。

问题一：如何用数据分析方法对调查问卷进行分析 看图演示。 其中开始新建了一个叫“汇总”的表，作为模板，然后复制这个表，改名叫1，输入第一张问卷结果，再复制一张表，输入第二张问卷结果。。。直至输入完毕。 然后在汇总表输入求和公式。 B2公式如下： =SUM('汇总 (2):汇总 (4)'!B3) 其中汇总 (2)是第一张问卷结果表名，汇总 (4)是最后一张问卷表名，我这图为了简便就做了3个结果表，然后复制公式到所有单元格。 问题二：如何用Excel来进行调查问卷的整理、统计和分析？ 2007版 数据――数据分析 97-2003版 好像是工具里忘了 你用帮助搜索一下， 问题三：如何处理问卷调查数据进行统计分析 你提到了统计分析表格，这个提法是错误的 没有这个说法 你可以先设计研究目的，做出研究假设，然后根据假设做分析，然后制作成表格 我经常帮别人做这类的数据统计分析 问题四：问卷调查，“数据分析”具体指什么 就是对进行问卷调查后，回收回来的问卷数据进行分析。 首先你要明确数据分析的目的，也可以说是这个问卷调查的问题。 然后根据目的 并结合问卷，来构思分析思路，通过怎么样的分析能够实现目的 之后就是用软件对数据进行分析 以实现目的 问题五：录入好的调查问卷，该如何进行数据分析？ 在设计时就需要考虑到统计方便，才能便于汇总。用excel就可以。 问题六：如何用Excel分析调查问卷数据 看图演示。 其中开始新建了一个叫“汇总”的表，作为模板，然后复制这个表，改名叫1，输入第一张问卷结果，再复制一张表，输入第二张问卷结果。。。直至输入完毕。 然后在汇总表输入求和公式。 B2公式如下： =SU哗('汇总 (2):汇总 (4)'!B3) 其中汇总 (2)是第一张问卷结果表名，汇总 (4)是最后一张问卷表名，我这图为了简便就做了3个结果表，然后复制公式到所有单元格。 问题七：如何写调查问卷的数据分析 这个你要根据设计的问卷、然后结合你的分析思路，也就是你要通过问卷得出什么结论 这个就是数据分析 问题八：发布了百度问卷调查,怎么看数据 首先登陆我要调查网账号，然后进入会员中心点击会员中心的问卷列表，点击问卷右下角的统计分析按键，即可实时查看数据结果可以在页面上查看各个状态的数据，同时可以直接以Excel和Csv形式导出数据进行分析可以通过筛选功能，筛选出符合设置条件的数据 问题九：问卷调查如何分析和整理 从你的提问，是要了解如何分析和整理调查得来的数据。 通常使用表格“整理数据”，用“条形图”、折线图或“扇形图”等来“描述数据”。 用表格整理数据时，要注意列表，第一列是你要了解的情况“分类”，第二列就是“划记”，第三列是“人数”，第四列是“百分比”。 用划记法记录数据时，通常用“正”字，一笔代表一个数据。 分类的人数统计表做好后，就可以利用“条形图”或折线图或“扇形图”来“描述数据”，也可以用“频率分布直方图”来分析数据。 问题十：问卷调查所能用的统计方法 50分 1. 调查的样本量太小，计算出的结论可靠性不高。 例如看到一些研究生的论文，只发了几十份问卷调查表，就根据统计到的百分比写下十分肯定的结论。其实，是有问题的。 例如：调查“你对××活动喜欢的程度”，调查了45人。调查结果：非常喜欢2人，喜欢5人，一般10人，不太喜欢13人，不喜欢15人。作者统计出：喜欢和非常喜欢的共7人占调查人数45人的，不太喜欢和不喜欢的共28人，占。并根据和来进一步写结论。 但是，他忽略了调查的样本计算出率以后，还应该计算率的标准误和置信区间。如本例喜欢率为。还应该计算率的标准误Sp。 _________ _________________ 本例，喜欢率的标准误 Sp =√P(1-P)/n = √()/45 = % 按样本量n，查t值表上, n-1的和 的值，查得＝ , ＝, 根据喜欢率 %、标准误 % 和的值,可计算出： 95% 置信区间：±×＝～。(置信区间上下限的差值高达)。 95% 置信区间的含义是，如果用样本的喜欢率来估计总体的喜欢率时，有95%的可能是在～的区间之间。这样高达的区间意味着是不太可信的。 但是，如果扩大样本量到450人，4500人，而统计出的喜欢率也是。由于调查的样本量扩大了，标准误 Sp会缩小，计算出的95% 置信区间也就缩小为～和～。这时用样本率估计总体率时，上下限的差值很接近，才是可信的。 2. 调查数据的统计分析过于简单。 目前看到的调查数据统计分析大都比较简单。只是计算各个问卷指标的百分比，如上面举例的喜欢率等等。 要避免统计分析过于简单，首先，在做调查表设计时，就事先要考虑好调查数据的统计分析方法。例如同样是调查“你对××活动喜欢的程度”，除了要扩大调查样本量外，在调查表中增加调查性别和年龄。这样就可以采用一种较为复杂的方法――交叉分析。交叉分析是分析“年龄”、 “性别”和“对××活动喜欢程度”三个变量之间的关系。假设不分类统计时，喜欢率是。交叉分析后就会发现由于性别的不同，年龄段的不同喜欢率是不同的。 例如：2005年国民体质监测问卷调查中，对“睡眠时间”的统计分析，如果只是简单地计算某市成年男子2473人的问卷，只能统计出：睡眠6小时以下的人为，睡眠6～9小时的，睡眠9小时以上的13%。但是，如果增加年龄因素，分年龄段进行统计就可以看到，各年龄段的百分比是不同的（统计表略）。利用分年龄段的百分比还可以画出折线图（图略）。从图上更可以清楚的显示出：随着年龄增加，睡眠时间逐渐减少的趋势。 上述统计分析方法比较简单。但是，仅靠简单的统计方法来处理问卷调查数据是十分可惜的，因为大量的数据信息还没有充分利用。所以，设计问卷时，就应该注意到，让收集到的调查数据能做多因素统计分析（如：回归分析，因子分析等）。下面是我帮助或指导有关单位做过的统计分析实例： 例1：2005年国民体质监测的调查问卷内容中，包括了各人的文化程度，职业，工作、生活和体育锻炼等方面的许多问题。为了分析这些调查内容和各人的体质有什么关系，找出哪些因素对体质的好......>>