毕业论文问卷调查的数据怎么统计

一、数据分析思维

首先学会做基础数据分析并不难，掌握一些必要的知识就能很快上手，学习数据分析的路径如下共三部曲：数据类型的识别、研究方法的选择、结果分析

1 数据类型的识别

数据类型是一切研究的基石，也是数据研究思维的最基本且最关键的思维。确认数据的真实准确性后，即完成数据清理后，可对数据类型进行区分，一切数据均可分为两种类型，包括定性数据和定量数据。

· 定量：数字有比较意义，比如数字越大代表满意度越高，量表为典型定量数据

· 定类：数字无比较意义，比如性别，1代表男，2代表女

2 研究方法的选择

数据类型确认后，此时即可理解数据分析方法的选择。像SPSSAU在设计时，区分数据类型的同时，还区分X和Y。比如性别和是否吸烟的关系，X是性别，Y为是否吸烟。X和Y均为定类数据。此时则应该选择“交叉卡方”分析。

SPSSAU分析方法选择

3 分析结果

分析基础比较薄弱，可使用SPSSAU进行分析，系统会自动生成指标解读报告。

二、分析思路模板

问卷调查的方法用得很广泛，对于没有接触过spss的人第一步面临的就是问卷编码问题，有很多外专业的同学都在问这个问题，现在通过举例的方法详细讲解

调查分析问卷回收，在经过核实和清理后就要用SPSS做数据分析，首先的第一步就是把问题编码录入。

SPSS的问卷分析中一份问卷是一个案，首先要根据问卷问题的不同定义变量。定义变量值得注意的两点：

一 区分变量的度量，Measure的值，其中Scale是定量、Ordinal是定序、Nominal是指定类；

二 注意定义不同的数据类型Type

各色各样的问卷题目的类型大致可以分为单选、多选、排序、开放题目四种类型，他们的变量的定义和处理的方法各有不同。

51调查网，让调查更简单方便！

方法1、使用countif函数   如本例中，在单元格B17中输入=COUNTIF($B$2:$B$11,1)即可求出问题一中选第一个选项的人的个数。使用绝对引用可减少以后复制公式时出错，当然也可以不使用绝对引用。问题一2的方法同上。 方法2、使用自动筛选功能   点中数据区域的任意单元格，然后菜单，数据--筛选--自动筛选。点中B1单元格右边的下拉按钮，选1，此时可在状态栏看到“在10条记录中找到5个”（如下图），  将5填入B17就行了，减少了输入公式的麻烦。然后再筛选2，筛选完改回“全部”，以免影响其他题目的筛选。问卷有几百份时，需冻结字段行，才能使字段行和统计区处在同一屏幕，方便进行筛选和输入筛选结果。51调查网，让调查更简单方便！

用基础的频数统计结果即可，可以使用SPSSAU操作。一键生成结果。

问卷调查推荐选择问卷星，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。用excel对调查问卷数据进行统计分析方法如下：1、录入问题选项把问卷中所有问题的选项录入到Excel表格中，但是需要注意的是，对每一份问卷做好编号，其问题的选项改成数字表述，最后将录入好的表格的第一格做冻结处理。2、统计单选题、多选题单选题统计，使用COUNTIF函数，在单元格中输入=COUNTIF，点击需要统计的项，先进行筛选，筛选完之后一定要再改回全部，为了避免影响其他问题的筛选。当问卷特别多时，需要冻结字段行，这样才能使字段行和统计区能够在同一个屏幕上。3、统计数据转换为百分数所有的数据都统计完之后，需要把单元格格式转换成以百分比的形式显示，这样的显示更为直观。最后将需要的有用的数据复制到一个新的表格中，但是在这里粘贴的时候需要将公式和数据一同粘贴过去，因此一定要选择“选择粘贴”方式。想要了解更多关于问卷调查的问题，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。

用简明的文字概括起来或是用图表示意，使之条理化、系统化。杨乐院士介绍学习方法的第二句话要求“在理解的基础上多积累”。这一条理化、系统化的过程，实际上就是一个积累的过程，它既能加深对知识的理解，又能促进对知识的积累和记忆

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坏特别有关？在进行统计分析时，就需要把体质监测的指标和问卷调查的内容联系起来进行统计。在成年组调查问卷内容中可进行计算的12个问题是：受教育程度，职业，平均每周工作时间，平均每天睡眠时间，睡眠质量，平均每天步行时间，平均每天坐姿活动时间，吸烟状况，运动感受，平均每周锻炼次数，平均每次锻炼时间，坚持锻炼时间。把这些作为X1, X2, ……X12，再把每个人体质监测中的体质总分作为Y，就可以进行逐步回归分析计算。某省成年男甲组4242人的数据用逐步回归分析计算结果是：从12个指标中依次选出了X 1 (受教育程度)，X12 (坚持锻炼时间)， X10(平均每周锻炼次数)，X7(平均每天坐姿活动时间) 4个指标。得到回归方程：Y = X 1 X7+ X10 + X12 F= (P<)复相关系数 R= 根据回归方程的系数就可以知道：受教育程度高，平均每周锻炼次数多，坚持锻炼时间长，平均每天坐姿活动时间少的人体质总分就高。反之就低。而这个结论只做一般的调查表百分比统计，是得不到的。例2：某市开展《超重与肥胖人群运动与营养综合干预实验研究》12周后，对参加者进行了问卷调查，内容有：每天进餐情况（分为：五分饱，八分饱，十分饱），每周快走次数（分为：3次以下，3次，4次，5次及以上），每次快走时间（分为：30分钟以内，30～60分钟，60～90分钟，90分钟以上），每次快走距离（分为：3公里以下，3～4公里，5公里及以上）等。如果仅统计各个问卷内容的百分比，只能计算出如：每次快走时间30分钟以内的29人占，30～60分钟的47人占，60～90分钟的19人占，90分钟以上的36人占 等等，这样的统计结果并不能说明什么问题。更无法分析出哪些是对减肥有效果的因素。但是，把问卷调查的内容与参加12周实验后各人体重下降值联系起来统计，情况就不同了。如可以分别计算出：每周快走次数、每次快走时间等指标与体重下降值的相关系数。当计算出以上指标都和体重下降值呈中度或低度相关时，还可以进一步用回归分析的方法计算出标准回归系数或偏回归平方和来分析各指标对体重下降的作用大小。本例有131人参加实验，为了用数学表达式来描述：饮食、运动量和降体重的关系。把调查表内容转换成数字后，选择了X1（每天进餐情况）、X2（每周快走次数）、X3（每次快走距离）与Y（体重下降值）计算出三元回归方程：Y= － X1 + X2 + X3 F = (P<)复相关系数 R = 从回归方程可以看到，在吃八分饱的情况下，增加每周快走次数和每次快走距离，降体重的效果更好。可见，当采用了多元回归分析方法后，可以充分利用调查表里的信息从而获得比简单的统计百分比更多的研究结果。例3：某市对学生体质下降原因进行调研时，设计的调查表内容包括：学生、家长、学校等方面30多项指标。为了分析调查的各指标对学生身体素质影响的主次关系，从调查表中选出可进行因子分析计算的26个指标进行了R型因子分析计算。R型因子分析通过计算，可找出控制着所有指标的几个主要因素。计算后，原来的许多指标重新组合成较少的几个新的综合指标──公因子。这些公因子相互独立而且反映了原来指标的绝大部分信息。通过R型因子分析的结果，可以看出哪些指标是同一类的，每一个指标以哪一公因子为主，其他公因子所占比例如何，从而分析该指标的特点。还可根据贡献率较大的几个公因子中所包括的指标，来分析出各指标的主次关系。对3699名中学生的调查数据作R型因子分析计算后，从贡献率最大的5个公因子所包括的调查指标看，归入第1公因子的7个指标，都和参加体育活动有关，因此把第一公因子命名为体育活动因子，归入第2公因子的2个指标，是反映学生家长文化水平的学历，归入第3公因子的2个指标，是反映学生是否关心自己体质、健康的指标，归入第4公因子的2个指标，是反映学校是否关心和组织学生体育活动的指标，归入第5公因子的2个指标，是反映学生家长对体育运动的态度的指标。从而可以分析出，对学生体质影响最大的第一因素是学生参加体育活动的情况，第二因素是家长的文化水平高低，第三因素是学生自己是否关心自己的体质、健康情况。第四因素是学校是否关心和组织学生参加体育活动，第五因素是家长是否喜爱体育活动是否支持学生参加体育活动。因子分析的优点在于用一个或少数几个综合指标概括原始数据中尽量多的信息，它能够实现对问题的高度概括，并揭示出一般的特征和规律。本例通过因子分析的统计方法，从学生填在26个调查问卷中的信息，分析出了对学生体质影响的几个主要因素。

1、问卷的设计格式： 问卷收集以后，很多老师都是自己拿个计算器，一张白纸，进行统计。涉及的问卷人数少，还可以，如果工作量大，就很费劲了。如果使用EXCEL，那么如何设计行和列的内容呢？何老师经过工作实践，提供了如下表格模式，是比较容易进行求和、统计和分析，也便于看出每个题目的学员的认知情况： 使用图表表示可以让结果更加直观： 步骤：选中需要使用图表的数据范围（即在“求和”后面的“2”到最后的“6”，一共12个数字）——>在excel 的工具栏里选择“图表导向”标志 ——>按照图表向导的步骤指示，进行视图的制作。制作好的图形如下：2、是否性别不同，对每个问题的回答，比例不一样呢？存在性别的差异呢？ 使用筛选的功能进行分析： 步骤：在上面的表格里选中第二行——>在命令菜单里点击“数据”->“筛选”->“自动筛选”——>点击在“性别”栏的三角箭头，选择“男”，然后利用求和的函数，进行求和，表格如下：根据性别-男性的得出的分析图形： 步骤：选中需要使用图表的数据范围（即在“求和”后面的“1”到最后的“4”，一共12个数字）——>在excel 的工具栏里选择“图表导向”标志 ——>按照图表向导的步骤指示，进行视图的制作。如下图：3、是否因为部门不同，对每一个问题的回答，比例不同呢？存在部门的差异吗？ 使用筛选的功能进行分析： 步骤：在上面的表格里选中第二行——>在命令菜单里点击“数据”->“筛选”->“自动筛选”——>点击在“部门”栏旁边的三角箭头，选择“营销”，然后，然后利用求和的函数，进行求和，表格如下：营销部门对第一题的看法是什么呢？使用图形进行显示： 步骤：选中需要使用图表的数据范围（“求和”后面的第一个问题的数据行，也就是“1、2、3”）——>在excel 的工具栏里选择“图表导向”标志 ——>按照图表向导的步骤指示，进行视图的制作。如下图：