发布时间：
对于包含量表的问卷，一般应进行信度和效度分析，非量表问卷可以用文字描述，无论何种类型的问卷，都应该在本文中表达出来，以证明数据质量的可靠性。
如果它是一个休闲，通常需要进行预测试验，即发出问卷大约球迷，进行信度和效度分析，和1653年修改或删除项目较低的可靠性和有效。
以促进研究人员进行一定程度的调整的初步问卷形成最终版本，当然正式学习还是要做信度和效度分析。
扩展资料：
注意事项：
问卷作为论文的附件，以及其他附件，如学校出具的介绍信等，不属于Turnitinrules的review。
当然借用别人的风格是可以的，但你必须做出一些调整，否则即使查得很重，别人以后发现还是有麻烦。只要数据和文章的内容不一样
毕业论文为大专以上学历学生的专业集中的科研训练，要求学生在毕业前撰写论文，一般安排在最后一个学年（学期）。
学生需要在老师的指导下选择一个研究主题，撰写并提交一篇论文。目的是培养学生的科研能力，综合运用所学的知识、理论和技能，加强解决实际问题的训练，从整体上考察学生在大学学习中的学术水平。
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
论文的前言也叫引言，是正文前面一段短文。前言是论文的开场白，目的是向读者说明本研究的来龙去脉，吸引读者对本篇论文产生兴趣，对正文起到提纲掣领和引导阅读兴趣的作用。在写前言之前首先应明确几个基本问题:你想通过本文说明什么问题?有哪些新的发现，是否有学术价值?一般读者读了前言以后，可清楚地知道作者为什么选择该题目进行研究。为此，在写前言以前，要尽可能多地了解相关的内容，收集前人和别人已有工作的主要资料，说明本研究设想的合理性。1、 引言应含概的内容引言作为论文的开头，以简短的篇幅介绍论文的写作背景和目的，缘起和提出研究要求的现实情况,以及相关领域内前人所做的工作和研究的概况，说明本研究与前工作的关系，目前的研究热点、存在的问题及作者的工作意义，引出本文的主题给读者以引导。引言也可点明本文的理论依据、实验基础和研究方法，简单阐述其研究内容；三言两语预示本研究的结果、意义和前景，但不必展开讨论。前言在内容上应包括:为什么要进行这项研究?立题的理论或实践依据是什么?拟创新点?理论与(或)实践意义是什么?首先要适当介绍历史背景和理论根据，前人或他人对本题的研究进展和取得的成果及在学术上是否存在不同的学术观点。明确地告诉读者你为什么要进行这项研究，语句要简洁、开门见山。如果研究的项目是别人从未开展过的，这时创新性是显而易见的，要说明研究的创新点。但大部分情况下，研究的项目是前人开展过的，这时一定要说明此研究与被研究的不同之处和本质上的区别，而不是单纯的重复前人的工作。2、 前言的写作方法(1)、开门见山，不绕圈子。避免大篇幅地讲述历史渊源和立题研究过程。(2)、言简意赅，突出重点。不应过多叙述同行熟知的及教科书中的常识性内容，确有必要提及他人的研究成果和基本原理时，只需以参考引文的形式标出即可。在引言中提示本文的工作和观点时，意思应明确，语言应简练。(3)、回顾历史要有重点，内容要紧扣文章标题，围绕标题介绍背景，用几句话概括即可;在提示所用的方法时，不要求写出方法、结果，不要展开讨论;虽可适当引用过去的文献内容，但不要长篇罗列，不能把前言写成该研究的历史发展;不要把前言写成文献小综述，更不要去重复说明那些教科书上已有，或本领域研究人员所共知的常识性内容。(4)、尊重科学，实事求是。在前言中，评价论文的价值要恰如其分、实事求是，用词要科学，对本文的创新性最好不要使用本研究国内首创、首次报道、填补了国内空白、有很高的学术价值、本研究内容国内未见报道或本研究处于国内外领先水平等不适当的自我评语。（5）、前言的内容不应与摘要雷同，注意不用客套话，如才疏学浅、水平有限、恳请指正、抛砖引玉之类的语言;前言最好不分段论述，不要插图、列表，不进行公式的推导与证明。（6）、前言的篇幅一般不要太长，太长可致读者乏味，太短则不易交待清楚，一篇3 000一5 000字的论文，引言字数一般掌握在200一250字为宜。1. 引言书写内容和格式(1)说明论文的主题、范围和目的。(3)预期结果或本研究意义。(4)引言一般不分段,长短视论文内容而定,涉及基础研究的论文引言较长,临床病例分析宜短。国外大多论文引言较长,一般在千字左右,这可能与国外内数期刊严格限制论文字数有关所谓的引言就是为论文的写作立题，目的是引出下文。一篇论文只有命题成立，才有必要继续写下去，否则论文的写作就失去了意义。一般的引言包括这样两层意思：一是立题的背景，说明论文选题在本学科领域的地位、作用以及目前研究的现状，特别是研究中存在的或没有解决的问题。二是针对现有研究的状况，确立本文拟要解决的问题，从而引出下文。一般作者在引言写作中存在这样两方面的问题。
根据问卷分析结果去整理讨论部分的内容
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......>>
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
研究结果说明： 这部分包括研究过程中观测到的现象以及收集到的数据的统计分析结果。在“结果”部分运用表格和图形可以有效地、直观地表达数据资料，作为正文叙述的补充。当然，一般情况下，在同一课题报告中只选用表格或图形的一种进行表达，而不应两者皆用，同时对表格或图形的文字说明应当简洁、抓住重点。
讨论与分析： 这是整个研究报告中最关键的部分。在讨论与分析中，同学们要解释研究所得的结果，并且答复前言部分提出的问题，说明研究假设是否被证实等等。它主要包括以下几个部分： A、解释研究结果。 B、依据结果进行综合、推论。 C、根据结果建立或验证理论。 D、指出研究结果的应用价值。
结论： 这是研究报告正文的最后一部分，它概括了研究的全部结果，使读者对研究发现有简明而全面的认识。51调查网，让调查更简单方便！
毕业论文问卷调查制作方法如下：
1、设计问卷。首先你要知道自己研究的主体，比如你研究的主体是某小学的英语课堂学习情况，那么你最低需要设计两份问卷，问卷一针对老师，问卷二针对学生。同时你也可以采用对比分析法或者访谈法，在收集其他方面的数据跟资料。
2、问卷设计一般本科10-15道题，一份问卷，硕士一般15-25道题一份问卷，题不要多，不要重复提问，可以细分。
题目设计多为单选题，多选题尽力少一点，不然论文分析不好写，此外，还需要注意分数档位的设计，像是1-10分，这样其实你统计完了就是十个表格，而且相差不大，最好可以是不满意，一般，满意，非常满意。
3、问卷设计完成后发放收集数据。第一种就是打印出来，去你需要调研的地方发放，一般本科生在这个方面难度比较大，除非是平时就有这方面经验的同学，因为这个需要时间，而且很多人不愿意给陌生人填写问卷，因此收集起来比较困难。
第二种采用网上问卷统计方式，比如：问卷星，调查派等，在网上发放，然后回收，上面会显示调查结果。回头你把彩色表格改成三线格，可以直接用于论文中。也可以找其他好用的问卷软件。
4、当你的问卷回收率高于75%，那么你这个问卷就可以作为毕业论文的问卷分析使用了，如果低于75%则不能，一般学校要求回收率不低于90%。也就是十个人中，最低有九个给你填写了问卷。
5、应用于论文中，在统计数据与分析环节、问题凸显现状环节、常规类分析环节（比如根据这个问卷调查的结果你发现了哪些影响因素很重要等）、结果分析类环节（比如根据这个问卷调查的结果，你能给出什么建议）。
会查。毕业论文是会查原始问卷的，老师会根据你所写的向你提问，所以论文必须掌握丰富确凿材料，丰富确凿材料，一方面来自于实地考察，另一方面来自书报杂志和互联网。在毕业论文里面的问卷数据通常来说，不会被查的，如果论文当中出现了大量的问卷调研，那么会有问卷调研的结果，只要符合常规，大多数情况下，学校是不会查学生的原始调查问卷的，但是如果在调研结果像出现了严重的与事实不相符的现象，那么很有可能会要求学生提供原始的调研问卷。
毕业论文问卷调查推荐使用问卷星软件来做，问卷星专业性强，操作简单，系统强大，值得信赖。问卷星，是强大易用的在线问卷调查平台，丰富的题型和多样的功能帮助各行从业者，高效完成其问卷调查的工作。问卷星是一个小而美的年轻团队，坚持精简高效的原则，研发人员具有扎实的计算机学科背景，包括通过国家资质认证的系统分析员以及具备跨国软件公司工作经验的资深程序员。想要了解更多关于问卷调查的相关问题，推荐咨询问卷星 问卷星拥有620万优质样本库成员，16年专业调研技术团队，可为企业提供商业调研服务，赋能企业市场决策；同时，问卷调查系统支持30多种题型，可以设置跳转、关联和引用逻辑；支持微信、邮件和短信等方式收集数据，数据回收后可以进行分类统计、交叉分析，并且可以导出到Word、Excel、SPSS等。
本科的毕业论文问卷调查一般是：300到500份，比较合适。
在正式发放问卷收集数据之前，通常都会先进行小范围的预调查。预调查对调查人数和调查对象的要求相对不高，主要目的是为了获得问卷填写者针对问卷的反馈信息，以便及时对问卷的题目描述、顺序设置、措词等进行优化。
同时，也可以对预调查得到的数据进行探索性因子分析和可靠性检验，确保最终调研问卷的信度和效度。
因此，这部分主要汇报预调查的过程、发现的问题及修订举措、信效度分析结果及是否对量表进行了相应的调整。
调查对象、样本特征如下：
这部分主要介绍问卷调查的具体对象是谁，由哪些人组成，为什么选择他们作为调查对象，他们是否有代表性，还可以介绍抽样对象占目标人群或抽样范围多少。
同时还要对有效样本的数据进行描述，通常包括性别、年龄、学历、职业、婚育状况，等受访者人口统计信息及行为特征。这部分通常会附一个简单的三线表进行描述，说明各分类群体的人数和占比。
最后，总结出正确可靠的数据。
一、学习背景
本科学了四年文科专业，除了形式逻辑外几乎没再接触过与理科搭边的东西。想借着毕业论文学一点数据分析的东西，知网上找了几篇相关文献，以为数据分析很简单，于是跟导师定了题开始着手做。
二、问卷编制+数据分析类论文框架
(一)低阶版：非专业，要求低，不需要用spss，调研规模200+即可。
如果时间相对紧张，不想在毕业论文上花过多时间，建议采用低阶版即可，字数也绝对够。知网上“问卷编制+数据分析”类的文章除少部分期刊论文，大多数都是硕博论文，看看文献综述即可，不要用他们的数据分析框架，这是高阶版需要考虑的。
引言，研究背景写完，就写研究综述。把需要研究的变量列出来分别写研究综述，记得加上一些国外的研究，引用一些外文文献。接下来，简单地说一下自己如何编制的问卷，如何发放的问卷(线上/线下)，回收问卷的情况。然后写样本情况，可以列一个大表格，内容包括哪类人有多少个，占百分之多少。接下来就是对数据结果的分析，用例如“A越...，B就越...”、“C的总体水平较低/高”、“D的....比E的....水平要高”的句式，找出一些规律即可。最后就可以写讨论、结论、总结对策建议了。
(二)高阶版：比较专业，要求高，不确定因素大(比如数据可能真的拟合不了模型)，需要用spss statistics 和 amos。
采用高阶版不仅对人有要求，对数据也有要求。如果你没有把握自己能拿到样本较大的数据，也没有把握帮你填问卷的人是认真的，还是谨慎尝试为好，免得前面都做得很好，最后卡在模型拟合或者相关分析之类。大多数本科毕业论文的同学都是用问卷星，让小伙伴、家长等帮扩，这个样本量可能不会很大，而且如果题目比较多，不排除会出现开始东一个西一个乱填的情况。
以上内容就是青藤小编关于本科毕业论文做问卷和数据分析应该怎么着手的相关分享，希望对小伙伴们有所帮助，想要了解更多毕业论文相关内容，欢迎大家及时在本平台进行查看哦!
可以，不过会稍微有一些影响，但是与问题错误/缺少等等相比，还是后者更严重一些。
一、学习背景
本科学了四年文科专业，除了形式逻辑外几乎没再接触过与理科搭边的东西。想借着毕业论文学一点数据分析的东西，知网上找了几篇相关文献，以为数据分析很简单，于是跟导师定了题开始着手做。
二、问卷编制+数据分析类论文框架
(一)低阶版：非专业，要求低，不需要用spss，调研规模200+即可。
如果时间相对紧张，不想在毕业论文上花过多时间，建议采用低阶版即可，字数也绝对够。知网上“问卷编制+数据分析”类的文章除少部分期刊论文，大多数都是硕博论文，看看文献综述即可，不要用他们的数据分析框架，这是高阶版需要考虑的。
引言，研究背景写完，就写研究综述。把需要研究的变量列出来分别写研究综述，记得加上一些国外的研究，引用一些外文文献。接下来，简单地说一下自己如何编制的问卷，如何发放的问卷(线上/线下)，回收问卷的情况。然后写样本情况，可以列一个大表格，内容包括哪类人有多少个，占百分之多少。接下来就是对数据结果的分析，用例如“A越...，B就越...”、“C的总体水平较低/高”、“D的....比E的....水平要高”的句式，找出一些规律即可。最后就可以写讨论、结论、总结对策建议了。
(二)高阶版：比较专业，要求高，不确定因素大(比如数据可能真的拟合不了模型)，需要用spss statistics 和 amos。
采用高阶版不仅对人有要求，对数据也有要求。如果你没有把握自己能拿到样本较大的数据，也没有把握帮你填问卷的人是认真的，还是谨慎尝试为好，免得前面都做得很好，最后卡在模型拟合或者相关分析之类。大多数本科毕业论文的同学都是用问卷星，让小伙伴、家长等帮扩，这个样本量可能不会很大，而且如果题目比较多，不排除会出现开始东一个西一个乱填的情况。
以上内容就是青藤小编关于本科毕业论文做问卷和数据分析应该怎么着手的相关分享，希望对小伙伴们有所帮助，想要了解更多毕业论文相关内容，欢迎大家及时在本平台进行查看哦!
调查问题的回答分类整理，分条得出结论。最后总结。。。
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