毕业论文问卷维度设计原因

问卷设计的基本原则是目的明确性原则和题项的适当性原则。

评价问卷优劣的准则中有很重要的一点就是问卷内容与研究主题和目的的契合度。一份设计很精妙的问卷如果与研究主题无关，那么其价值也是很低的。通常，一个研究主题会由几个不同的维度来解释，在问卷拟题初期，每个维度最好设计10个问题左右，经过反复挑选后，在正式问卷中每个维度至少要有3个问题。

问卷设计的注意事项

问卷调查能否成功很大程度上取决于问卷的易理解程度。一份很专业的问卷，其中用了很多专业词汇或者晦涩难懂的词语，在设计者看来可能会觉得问卷水平很高、很好，但是要注意一点的是，调查问卷并不是学术论文，被调查者能够读懂才是关键。

问卷的设计要充分考虑后期工作的开展，变量不宜设置太多，尽量用较少的变量解决更多的问题，特别是后期的数据统计与分析是一个繁复的工作，所以在设计问卷时一定要考虑后期的可操作性。如果通过调查得到了很多数据，但是却找不到合适的分析方法，那么数据就几乎没有用。

在设计问卷时要充分考虑被调查者的特点，如认知水平、时间充裕度、喜好等，提高问卷的可接受程度。例如，针对老年人与儿童的调查，要考虑他们对语言的偏好、对内容的理解程度。

问卷调查的维度,是以问卷调查的方式,围绕你要了解的主题 提出 多方位,多角度,多层次的各类 问题,方案,手段,等,以判断,说明,评价你所要了解的主题。

维度是指一种视角，而不是一个固定的数字；是一个判断、说明、评价和确定一个事物的多方位、多角度、多层次的条件和概念。

问卷又称调查表，是社会调查研究中收集资料的一种工具，其形式是以问题的形式系统的记载调查内容的一种印件，其实质是为了收集人们对于某个特定问题的态度行为特征价值观观点或信念等信息而设计的一系列问题。问卷调查也称问卷法，是设计者运用统一设计的问卷向被调查者了解情况或征询意见收集信息的调查方法。

扩展资料：

从广义上讲：维度是事物“有联系”的抽象概念的数量，“有联系”的抽象概念指的是由多个抽象概念联系而成的抽象概念，和任何一个组成它的抽象概念都有联系，组成它的抽象概念的个数就是它变化的维度，如面积。此概念成立的基础是一切事物都有相对联系。

从哲学角度看，人们观察、思考与表述某事物的“思维角度”，简称“维度”。例如，人们观察与思考“月亮”这个事物，可以从月亮的“内容、时间、空间”三个思维角度去描述；也可以从月亮的“载体、能量、信息”三个思维角度去描述。

参考资料：百度百科-维度

维度是指一种视角，而不是一个固定的数字；是一个判断、说明、评价和确定一个事物的多方位、多角度、多层次的条件和概念。 问卷调查的维度,是以问卷调查的方式,围绕你要了解的主题 提出 多方位,多角度,多层次的各类 问题,方案,手段,等,以判断,说明,评价你所要了解的主题 应该这样子吧

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