要怎麼處理調查數據

❶ 調查問卷數據如何處理

這里有一個例子,你看看
本調查板共有三個文件：顯示調查問題(research.html)、處理用戶選擇(select.asp)、瀏覽調查結果(viewresult.asp)。設計思路為：ASP取得由表單發來的信息，並據此修改記錄調查得票數的資料庫，然後ASP讀取資料庫，獲得各個調查問題的得票數目，通過得票數多少來調節對應條形圖顯示的寬來直觀比例地給出調查結果。在程序的關鍵處，我都給出了較為詳細的注釋，這里就不再講述ASP的基本知識。讀者可以到陶吧ASP專欄查閱。當然，我希望你在自己的伺服器上調試程序時，有不懂的地方，還是查查身邊的ASP技術手冊，看看對象、方法或函數的詳細語法試著修改，看看結果如何變化--這可是學習編程的一個好方法呢。

調查問題的設計要依據實際情況，或講究實用性或講究趣味性，在網頁上顯示的風格也或樸素或活潑，本例中是筆者主頁上的一個關於「21世紀最重要的是什麼？」的趣味調查，為說明問題，下面的代碼中省略了美觀修飾的代碼，你自己動手設計時完全可以使用表格等技巧美化調查問題的顯示。為了使提換蜾�賴韃槭輩揮跋斕鼻耙趁媯�絛蛑懈�雋說�魴麓翱詰姆槳浮?BR＞

researchindex.html:

＜ html ＞

＜ title ＞調查板測試＜ /title ＞

＜ head ＞

＜ !-- start：定義新開的窗口-- ＞

＜ script language=javascript ＞

＜ !--

var newWindow = null

function OpenWindow(htmurl)

{

if (! newWindow newWindow.closed)

{

newWindow =

window.open(htmurl,"newwin","toolbar=no,resiza =no,scrollbars=no,width=400,height=280");

}else

{

newWindow.focus();

}

}

//-- ＞

＜ /script ＞
＜ !-- end：定義新開的窗口-- ＞
＜ /head ＞
＜ body ＞
＜ !-- start：調查題目、選項 -- ＞
＜ p ＞您認為21世紀最重要的是什麼？＜ /p ＞
＜ form method="POST" action="vote/select.asp" name="research" LANGUAGE="javascript"
onSubmit="OpenWindow()" target="newwin" ＞
＜ p align="left" ＞
＜ br ＞
＜ input type="radio" value="1" name="Options" ＞知識（知識就是力量）＜ br ＞
＜ input type="radio" value="2" name="Options" ＞學歷（學歷社會沒有終結）＜ br ＞
＜ input type="radio" value="3" name="Options" ＞金錢（經濟就是基礎）＜ br ＞
＜ input type="radio" value="4" name="Options" ＞愛情（永不進入墳墓的愛情）＜ br ＞
＜ input type="radio" value="5" name="Options" ＞理想（天啦，理想是什麼）＜ br ＞
＜ input type="radio" value="6" name="Options" >民主意識（關心政治）< br >
< input type="radio" value="7" name="Options" >科學思想（科教興國）< br >
< input type="submit" value="提交" name="voting" >
< input type="button" value="查看" name="viewing" onClick="OpenWindow(vote/viewresult.asp)" >
< /form >
< !-- start：調查題目、選項 -- >
< /body >
< /html >

❷ 數據的調查收集一般可以數據的調查收集一般可以分為六個，分別是哪個步驟

數據的調查收集的六個步驟：1、明確調查問題；2、確定調查對象；3、選擇調查方法；4、展開調查；5、記錄結果；6、得出結論。

調查好處與特點:
1.全面調查：對需要調查的對象進行逐個調查。
好處：所得資料較為全面可靠。
特點：調查花費的人力、物力、財力較多，且調查時間較長，全面調查只在樣本很少的情況下適合採用。
2.抽樣調查：是一種非全面調查，它是從全部調查研究對象中，抽選一部分單位進行調查，並據以對全部調查研究對象作出估計和推斷的一種調查方法。
好處：耗費的人力，物力，財力少，大量節約調查時間。
特點：
1、按隨機原則抽選樣本。 
2、總體中每一個單位都有一定的概率被抽中。
3、可以用一定的概率來保證將誤差控制在規定的范圍之內。
4、適合樣本數量較多的情況下採用。

數據的收集方法6種：1、訪問調查。2、網路信息收集法。3、觀察法。4、實驗法。5、觀察法，包括對人的行為的觀察和對客觀事物的觀察。6、文獻檢索法，分為手工檢索和計算機檢索。網路信息是指通過計算機網路發布、傳遞和存儲的各種信息。收集網路信息的最終目標是給廣大用戶提供網路信息資源服務。觀察法是通過開會、深入現場、參加生產和經營、實地采樣、進行現場觀察並准確記錄(包括測繪、錄音、錄相、拍照、筆錄等)調研情況。訪問調查法是調查者與被調查者通過面對面地交談從而得到所需資料的調查方法。實驗方法能通過實驗過程獲取其他手段難以獲得的信息或結論。

❸ 錄入好的調查問卷，該如何進行數據分析

錄入好的調查問卷，該如何進行數據分析？

SPSS分析調查問卷數據的方法
當我們的調查問卷在把調查數據拿回來後,我們該做的工作就是用相關的統計軟體進行處理,在此,我們以spss為處理軟體,來簡要說明一下問卷的處理過程,它的過程大致可分為四個過程:定義變數﹑數據錄入﹑統計分析和結果保存.下面將從這四個方面來對問卷的處理做詳細的介紹.
Spss處理:
第一步:定義變數
大多數情況下我們需要從頭定義變數，在打開SPSS後，我們可以看到和excel相似的界面，在界面的左下方可以看到Data View, Variable View兩個標簽,只需單擊左下方的Variable View標簽就可以切換到變數定義界面開始定義新變數。在表格上方可以看到一個變數要設置如下幾項:name(變數名)、type(變數類型)、width(變數值的寬度)、decimals(小數位) 、label(變數標簽) 、Values(定義具體變數值的標簽)、Missing(定義變數缺失值)、Colomns(定義顯示列寬)、Align(定義顯示對齊方式)、Measure(定義變數類型是連續、有序分類還是無序分類).
我們知道在spss中,我們可以把一份問卷上面的每一個問題設為一個變數,這樣一份問卷有多少個問題就要有多少個變數與之對應,每一個問題的答案即為變數的取值.現在我們以問卷第一個問題為例來說明變數的設置.為了便於說明,可假設此題為:
1.請問你的年齡屬於下面哪一個年齡段( )?
A:20—29 B:30—39 C:40—49 D:50--59
那麼我們的變數設置可如下: name即變數名為1，type即類型可根據答案的類型設置,答案我們可以用1、2、3、4來代替A、B、C、D,所以我們選擇數字型的，即選擇Numeric, width寬度為4，decimals即小數位數位為0（因為答案沒有小數點），label即變數標簽為「年齡段查詢」。Values用於定義具體變數值的標簽,單擊Value框右半部的省略號，會彈出變數值標簽對話框,在第一個文本框里輸入1,第二個輸入20—29,然後單擊添加即可.同樣道理我們可做如下設置,即1=20—29、2=30—39、3=40—49、4=50--59；Missing，用於定義變數缺失值, 單擊missing框右側的省略號，會彈出缺失值對話框, 界面上有一列三個單選鈕，默認值為最上方的「無缺失值」；第二項為「不連續缺失值」，最多可以定義3個值；最後一項為「缺失值范圍加可選的一個缺失值」，在此我們不設置預設值,所以選中第一項如圖；Colomns，定義顯示列寬,可自己根據實際情況設置；Align，定義顯示對齊方式,有居左、居右、居中三種方式；Measure，定義變數類型是連續、有序分類還是無序分類。
以上為問卷中常見的單項選擇題型的變數設置,下面將對一些特殊情況的變數設置也作一下說明.
1.開放式題型的設置:諸如你所在的省份是_____這樣的填空題即為開放題,設置這些變數的時候只需要將Value 、Missing兩項不設置即可.
2.多選題的變數設置:這類題型的設置有兩種方法即多重二分法和多重分類法,在這里我們只對多重二分法進行介紹.這種方法的基本思想是把該題每一個選項設置成一個變數,然後將每一個選項拆分為兩個選項項,即選中該項和不選中該項.現在舉例來說明在spss中的具體操作.比如如下一例:
請問您通常獲取新聞的方式有哪些( )
1 報紙 2 雜志 3 電視 4 收音機 5 網路
在spss中設置變數時可為此題設置五個變數,假如此題為問卷第三題,那麼變數名分別為3_1、3_2、3_3、3_4、3_5,然後每一個選項有兩個選項選中和不選中,只需在Value一項中為每一個變數設置成1=選中此項、0=不選中此項即可.
使用該窗口，我們可以把一個問卷中的所有問題作為變數在這個窗口中一次定義。
到此,我們的定義變數的工作就基本上可以結束了.下面我們要作就是數據的錄入了.首先,我們要回到數據錄入窗口,這很簡單,只要我們點擊軟體左下方的Data View標簽就可以了.
第二步:數據錄入
Spss數據錄入有很多方式,大致有一下幾種:
1.讀取SPSS格式的數據
2.讀取Excel等格式的數據
3.讀取文本數據（Fixed和Delimiter)
4.讀取資料庫格式數據(分如下兩步)
（1）配置ODBC （2）在SPSS中通過ODBC和資料庫進行
但是對於問卷的數據錄入其實很簡單,只要在spss的數據錄入窗口中直接輸入就可以了,只是在這里有幾點注意的事項需要說明一下.
1. 在數據錄入窗口,我們可以看到有一個表格,這個表格中的每一行代表一份問卷,我們也稱為一個個案.
2. 在數據錄入窗口中,我們可以看到表格上方出現了1、2、3、4、5…….的標簽名,這其實是我們在第一步定義變數中,我們為問卷的每一個問題取的變數名,即1代表第一題,2代表第二題.以次類推.我們只需要在變數名下面輸入對應問題的答案即可完成問卷的數據錄入.比如上述年齡段查詢的例題,如果問卷上勾選了A答案,我們在1下面輸入1就行了(不要忘記我們通常是用1、2、3、4來代替A、B、C、D的).
3.我們知道一行代表一份問卷,所以有幾分問卷,就要有幾行的數據.
在數據錄入完成後,我們要做的就是我們的關鍵部分,即問卷的統計分析了,因為這時我們已經把問卷中的數據錄入我們的軟體中了.
第三步:統計分析
有了數據，可以利用SPSS的各種分析方法進行分析，但選擇何種統計分析方法，即調用哪個統計分析過程，是得到正確分析結果的關鍵。這要根據我們的問卷調查的目的和我們想要什麼樣的結果來選擇.SPSS有數值分析和作圖分析兩類方法.
1.作圖分析:
在SPSS中，除了生存分析所用的生存曲線圖被整合到Analyze菜單中外，其他的統計繪圖功能均放置在graph菜單中。該菜單具體分為以下幾部分：:
(1)Gallery：相當於一個自學向導，將統計繪圖功能做了簡單的介紹，初學者可以通過它對SPSS的繪圖能力有一個大致的了解。
(2)Interactive：互動式統計圖。
(3)Map：統計地圖。
(4)下方的其他菜單項是我們最為常用的普通統計圖，具體來說有：
條圖
散點圖
線圖
直方圖
餅圖
面積圖
箱式圖
正態Q-Q圖
正態P-P圖
質量控制圖
Pareto圖
自回歸曲線圖
高低圖
交互相關圖
序列圖
頻譜圖
誤差線圖
作圖分析簡單易懂,一目瞭然,我們可根據需要來選擇我們需要作的圖形,一般來講,我們較常用的有條圖,直方圖,正態圖,散點圖,餅圖等等,具體操作很簡單,大家可參閱相關書籍,作圖分析更多情況下是和數值分析相結合來對試卷進行分析的,這樣的效果更好.
2.數值分析:
SPSS 數值統計分析過程均在Analyze菜單中，包括：
(1)、Reports和Descriptive Statistics：又稱為基本統計分析.基本統計分析是進行其他更深入的統計分析的前提，通過基本統計分析，用戶可以對分析數據的總體特徵有比較准確的把握，從而選擇更為深入的分析方法對分析對象進行研究。Reports和Descriptive Statistics命令項中包括的功能是對單變數的描述統計分析。
Descriptive Statistics包括的統計功能有：
Frequencies(頻數分析)：作用:了解變數的取值分布情況
Descriptives(描述統計量分析)：功能：了解數據的基本統計特徵和對指定的變數值進行標准化處理
Explore(探索分析)：功能:考察數據的奇異性和分布特徵
Crosstabs(交叉分析)：功能:分析事物（變數）之間的相互影響和關系
Reports包括的統計功能有：
OLAP Cubes(OLAP報告摘要表)：功能: 以分組變數為基礎，計算各組的總計、均值和其他統計量。而輸出的報告摘要則是指每個組中所包含的各種變數的統計信息。
Case Summaries(觀測量列表)：察看或列印所需要的變數值
Report Summaries in Row：行形式輸出報告
Report Summaries in Columns：列形式輸出報告
(2)、Compare Means(均值比較與檢驗)：能否用樣本均值估計總體均值？兩個變數均值接近的樣本是否來自均值相同的總體？換句話說，兩組樣本某變數均值不同，其差異是否具有統計意義？能否說明總體差異？這是各種研究工作中經常提出的問題。這就要進行均值比較。
以下是進行均值比較及檢驗的過程:
MEANS過程：不同水平下（不同組）的描述統計量，如男女的平均工資,各工種的平均工資。目的在於比較。術語：水平數（指分類變數的值數，如sex變數有2個值，稱為有兩個水平）、單元Cell（指因變數按分類變數值所分的組）、水平組合
T test 過程：對樣本進行T檢驗的過程
單一樣本的T檢驗：檢驗單個變數的均值是否與給定的常數之間存在差異。
獨立樣本的T檢驗：檢驗兩組不相關的樣本是否來自具有相同均值的總體（均值是否相同，如男女的平均收入是否相同，是否有顯著性差異）
配對T檢驗：檢驗兩組相關的樣本是否來自具有相同均值的總體(前後比較，如訓練效果，治療效果)
one-Way ANOVA：一元(單因素)方差分析，用於檢驗幾個（三個或三個以上）獨立的組，是否來自均值相同的總體。
(3)、ANOVA Models(方差分析)：方差分析是檢驗多組樣本均值間的差異是否具有統計意義的一種方法。例如:醫學界研究幾種葯物對某種疾病的療效；農業研究土壤、肥料、日照時間等因素對某種農作物產量的影響;不同飼料對牲畜體重增長的效果等,都可以使用方差分析方法去解決
(4)、Correlate(相關分析)：它是研究變數間密切程度的一種常用統計方法,常用的相關分析有以下幾種:
1、線性相關分析：研究兩個變數間線性關系的程度。用相關系數r來描述。
2、偏相關分析：它描述的是當控制了一個或幾個另外的變數的影響條件下兩個變數間的相關性，如控制年齡和工作經驗的影響，估計工資收入與受教育水平之間的相關關系
3、相似性測度：兩個或若干個變數、兩個或兩組觀測量之間的關系有時也可以用相似性或不相似性來描述。相似性測度用大值表示很相似，而不相似性用距離或不相似性來描述，大值表示相差甚遠
(5)、Regression(回歸分析)：功能:尋求有關聯（相關）的變數之間的關系在回歸過程中包括：Liner：線性回歸;Curve Estimation：曲線估計;Binary Logistic：二分變數邏輯回歸;Multinomial Logistic：多分變數邏輯回歸;Ordinal 序回歸;Probit：概率單位回歸;Nonlinear：非線性回歸;Weight Estimation：加權估計;2-Stage Least squares：二段最小平方法;Optimal Scaling最優編碼回歸;其中最常用的為前面三個.
(6)、Nonparametric Tests(非參數檢驗)：是指在總體不服從正態分布且分布情況不明時，用來檢驗數據資料是否來自同一個總體假設的一類檢驗方法。由於這些方法一般不涉及總體參數故得名。
非參數檢驗的過程有以下幾個:
1.Chi-Square test 卡方檢驗
2.Binomial test 二項分布檢驗
3.Runs test 遊程檢驗
4.1-Sample Kolmogorov-Smirnov test 一個樣本柯爾莫哥洛夫-斯米諾夫檢驗
5.2 independent Samples Test 兩個獨立樣本檢驗
6.K independent Samples Test K個獨立樣本檢驗
7.2 related Samples Test 兩個相關樣本檢驗
8.K related Samples Test 兩個相關樣本檢驗
(7)、Data Rection(因子分析)
(8)、Classify(聚類與判別)等等
以上就是數值統計分析Analyze菜單下幾項用於分析的數值統計分析方法的簡介,在我們的變數定義以及數據錄入完成後,我們就可以根據我們的需要在以上幾種分析方法中選擇若干種對我們的問卷數據進行統計分析,來得到我們想要的結果.
第四步:結果保存
我們的spss軟體會把我們統計分析的多有結果保存在一個窗口中即結果輸出窗口(output),由於spss軟體支持復制和粘貼功能,這樣我們就可以把我們想要的結果復制﹑粘貼到我們的報告中,當然我們也可以在菜單中執行file->save來保存我們的結果,一般情況下,我們建議保存我們的數據,結果可不保存.因為只要有了數據,如果我們想要結果的,我們可以隨時利用數據得到結果.
總結:
以上便是spss處理問卷的四個步驟,四個步驟結束後,我們需要spss軟體做的工作基本上也就結束了,接下來的任務就是寫我們的統計報告了.值得一提的是.spss是一款在社會統計學應用非常廣泛的統計類軟體,學好它將對我們以後的工作學習產生很大的意義和作用.
SPSS的問卷分析中一份問卷是一個案，首先要根據問卷問題的不同定義變數。定義變數值得注意的兩點：一區分變數的度量，Measure的值，其中Scale是定量、Ordinal是定序、Nominal是指定類；二 注意定義不同的數據類型Type
各色各樣的問卷題目的類型大致可以分為單選、多選、排序、開放題目四種類型，他們的變數的定義和處理的方法各有不同，我們詳細舉例介紹如下：
1 單選題：答案只能有一個選項
例一 當前貴組織機構是否設有面向組織的職業生涯規劃系統？
A有 B 正在開創 C沒有 D曾經有過但已中斷
編碼：只定義一個變數，Value值1、2、3、4分別代表A、B、C、D 四個選項。
錄入：錄入選項對應值，如選C則錄入3
2 多選題：答案可以有多個選項，其中又有項數不定多選和項數定多選。
（1）方法一（二分法）：
例二 貴處的職業生涯規劃系統工作涵蓋哪些組群？畫鉤時請把所有提示
考慮在內。
A月薪員工 B日薪員工 C鍾點工
編碼：把每一個相應選項定義為一個變數，每一個變數Value值均如下定義：「0」 未選，「1」 選。
錄入：被調查者選了的選項錄入1、沒選錄入0，如選擇被調查者選AC，則三個變數分別錄入為1、0、1。
（2）方法二：
例三 你認為開展保持黨員先進性教育活動的最重要的目標是那三項：
1（ ） 2 （ ） 3（ ）
A、提高黨員素質 B、加強基層組織 C、堅持發揚民主
D、激發創業熱情 E、服務人民群眾 F、促進各項工作
編碼：定義三個變數分別代表題目中的1、2、3三個括弧，三個變數Value值均同樣的以對應的選項定義，即：「1」 A，「2」B，「3」 C，「4」 D，「5」 E，「6」 F
錄入：錄入的數值1、2、3、4、5、6分別代表選項ABCDEF，相應錄入到每個括弧對應的變數下。如被調查者三個括弧分別選ACF，則在三個變數下分別錄入1、3、6。
註：能用方法二編碼的多選題也能用方法編碼，但是項數不定的多選只能用二分法，即方法一是多選題一般處理方法。
3 排序題： 對選項重要性進行排序
例四 您購買商品時在 ①品牌 ②流行 ③質量 ④實用 ⑤價格 中對它們的關注程度先後順序是（請填代號重新排列）
第一位 第二位 第三位 第四位 第五位
編碼：定義五個變數，分別可以代表第一位 第五位，每個變數的Value都做如下定義：「1」 品牌，「2」 流行，「3」 質量，「4」 實用，「5」 價格
錄入：錄入的數字1、2、3、4、5分別代表五個選項，如被調查者把質量排在第一位則在代表第一位的變數下輸入「3「。
4 選擇排序題：
例五 把例三中的問題改為「你認為開展保持黨員先進性教育活動的最重
的目標是那三項，並按重要性從高到低排序」，選項不變。
編碼：以ABCDEF6個選項分別對應定義6個變數，每個變數的Value都做同樣的如下定義：「1」 未選，「2」 排第一，「3」 排第二，「4」 排第三。
錄入：以變數的Value值錄入。比如三個括弧里分別選的是 ECF，則該題的6個變數的值應該分別錄入：1（代表A選項未選）、1、 3（代表C選項排在第二）、1、2、4。
註：該方法是對多選題和排序題的方法結合的一種方法，對一般排序題（例四）也同樣適用，只是兩者用的分析方法不同（例四用頻數分析、例五用描述分析），輸出結果從不同的側面反映問題的重要性（前一種方法從位次從變數的頻數看排序，後一種方法從變數出發看排序）。
5 開放性數值題和量表題：這類題目要求被調查者自己填入數值，或者打分
例六 你的年齡（實歲）：______
編碼：一個變數，不定義Value值
錄入：即錄入被調查者實際填入的數值。
6開放性文字題：
如果可能的話可以按照含義相似的答案進行編碼，轉換成為封閉式選項進行分析。如果答案內容較為豐富、不容易歸類的，應對這類問題直接做定性分析。
三 問卷一般性分析
下面具體介紹SPSS中問卷的一般處理方法，操作以版本spss13.0為例，以下提到的菜單項均在Analyze主菜單下
1頻數分析：Frequencies過程可以做單變數的頻數分布表；顯示數據文件中由用戶指定的變數的特定值發生的頻數；獲得某些描述統計量和描述數值范圍的統計量。
適用范圍：單選題（例一），排序題（例四），多選題的方法二（例三）
頻數分析也是問卷分析中最常用的方法。
實現： Descriptive statistics……Frequencies
2 描述分析：Descriptives:過程可以計算單變數的描述統計量。這些述統計量有平均值、算術和、標准差，最大值、最小值、方差、范圍和平均數標准誤等。
適用范圍：選擇並排序題（例五）、開放性數值題（例六）。
實現： Descriptive statistics……Descriptives，需要的統計量點擊按鈕Statistics…中選擇
3 多重反應下的頻次分析：
適用范圍：多選題的二分法（例二）
實現：第一步在Multiple Response……Define Sets把一道多選問題中定義了的所有變數集合在一起，給新的集合變數取名，在Dichotomies Counted value中輸入1。第二步在Multiple Response……Frequencies中做頻數分析。
4 交叉頻數分析：解決對多變數的各水平組合的頻數分析的問題
適用范圍：，適用於由兩個或兩個以上變數進行交叉分類形成的列聯表，對變數之間的關聯性進行分析。比如要知道不同工作性質的人上班使用交通工具的情況，可以通過交叉分析得到一個二維頻數表則一目瞭然。
實現：第一步根據分析的目的來確定交叉分析的選項，確定控制變數和解釋變數（如上例中不同工作性質的人是控制變數，使用交通工具是解釋變數）。第二步選擇Descriptive statistics……Crosstabs
四 簡單圖形描述介紹
在做上述頻數分析、描述分析等分析時就可以直接做出圖形，簡單方便，同時也可以另外作圖。SPSS的作圖功能在菜單Graphs下，功能強大，圖形清晰優美。現在把常用圖簡單介紹如下
1餅圖：又稱圓圖，是以圓的面積代表被研究對象的總體，按各構成部分佔總體比重的大小把圓面積分割成若干扇形，用以表示現象的部分對總體的比例關系的統計圖。頻數分析的結果宜用餅圖表示。
2曲線圖：是用線段的升降來說明數據變動情況的一種統計圖。它主要表示現象在時間上的變化趨勢、現象的分配情況和2個現象的依存關系等。
3面積圖：用線段下的陰影面積來強調現象變化的統計圖。
4條形圖：利用相同寬度條形的長短或高低表現統計數據大小及變化的統計圖。
五 問卷深入分析
除了以上簡單的分析，spss強大的功能還可以對問卷進行深入分析，比如常用的有聚類分析、交叉分析、因子分析、均值比分析（參數檢驗）、相關分析、回歸分析等。因為涉及到很專業的統計知識，下面只將個人覺得比較有用的方法的適用范圍和分析目的簡單做介紹：
1聚類分析
樣本聚類，可以將被調查者分類，並按照這些屬性計算各類的比例，以便明確研究所關心的群體。比如按消費特徵對被調查者的進行聚類。
2 相關分析
相關分析是針對兩變數或者多變數之間是否存在相關關系的分析方法，要根據變數不同特徵選擇不同的相關性的度量方式。問卷分析中的多數用的變數都屬於分類變數，要採用斯皮爾曼相關系數。
其中可以用卡方檢驗，其是對兩變數之間是否具有顯著性影響的分析方法
3均值的比較與檢驗
（1）Means過程：對指定變數綜合描述分析，分組計算計算均值再比較。比如可以按性別變數分為男和女來研究二者收入是否存在差距。
（2）T 檢驗：
獨立樣本t檢驗用於不相關的樣本是否開來自具有相同均值的總體的檢驗。比如，研究購買該產品的顧客和不購買的顧客的收入是否有明顯差異。
如果樣本不獨立則要用配對t檢驗。比如研究參加職業培訓後 工作效率是否提高。
4 回歸分析
問卷分析中的回歸分析常採用的是用離散回歸模型，一般是邏輯斯蒂模型，解釋一個變數對另一變數的影響具體有多大。比如，研究對某商品的消費受收入的影響程度。

如何用spss對調查問卷進行數據分析

問卷調查表
可以進行很多種統計分析的，包含描述性分析，信度，效度分析，差異性分析，相關性分析，回歸分析等等

怎麼對調查問卷進行數據分析

分析方法太多了
我替別人做這類的數據分析蠻多的

用Excel對60份調查問卷進行數據分析

把你問卷發一份過來[email protected]

如何做調查問卷數據分析

首先你可以計算每個部門每個工作職責滿意不滿意度，然後看那個業務在這個部門中不滿意度最高，滿意度最高，需要加強哪一個業務，需要表揚哪一個業務；然後部門之間進行比較，看看哪個部門滿意度最高，哪個部門滿意度最低，需要表揚需要批評的都知道了。

調查問卷數據分析，急用

數據分析最重要的思維就是，不斷確定業務中兩組變數之間的關系，用以解釋業務。
收入、轉化、用戶規模、用戶活躍等，我們稱為現象。而只有通過數據量化的現象，我們才能精準感知。所以，數據是用來描述現象的，是被量化的現象。

如何看數據分析，又該如何進行數據分析？

關於數據，有兩種常見的情況。從騰訊出來的一個朋友曾告訴我「騰訊的數據太多，都不知道怎麼看」，而另一個在創業公司工作的朋友告訴我「老闆為了省開發資源，數據給的少得可憐」。這兩種情況都有點走極端，那麼，怎樣看數據比較合理呢?答案是：需要想清楚3個問題。 1、我為什麼要看數據？ 看數據的理由有很多，有不少PM看數據純粹為了在吵架中能占上風，也有的人是為了炫技，還有一些人是因為老闆要他們這樣做。但我認為，看數據最好的理由是「你真的渴望持續改進自己的產品，而數據能給你客觀的建議 」。如果你沒有這個渴望，覺得「我已經做的很好了，沒有幾個人能比我做得更好」，不但可以不看數據，連用戶都可以不要。 2、數據的由哪些成分組成？這些成分每天/周/月都發生了什麼變化？ 分析數據的構成可以更精確的知道是哪些產品、運營方案發揮作用，數據的變化可以知道某個方案起了多大的作用。 拿PV來說，分析PV的地域結構，可以知道適合的推廣渠道;分析用戶的年齡結構可以知道活動策劃偏向什麼主題;分析用戶的職業結構可以知道用戶的使用習慣。 3、這些數據為什麼發生了這些變化？ 分析數據為什麼變化，可以找到關鍵的原因，或者洞悉用戶真正的需求，最終形成產品的改進。

用SILL量表問卷調查後， 如何用SPSS進行數據分析

免費的？建議先輸入數據，然後按照教程練習以後自行分析吧
如果給錢，樓上估計應該會幫你分析的很好。
不過也有可能你人品大爆發，他不收你錢

艾森克人格問卷如何錄入spss進行數據分析

首先要清楚spss數據分析軟體，對於數據格式的要求。
通常用spss軟體進行數據分析時，數據格式要求是橫向一行為一份問卷，一列對應問卷中的一個題目，所以有多少份問卷，最終錄完後就有多少行，而問卷中有多少個題目，最終就有多少列。
其次在錄的時候 可以在excel中錄，也可以直接在spss中錄入，因為格式是完全一樣的，如果對excel很熟悉，就可以現在excel中錄，錄完再通過spss直接可以打開excel數據就好了。

如何進行數據分析

數據分析是以現有網站的內容為基礎，展示用戶喜歡的內容，降低網站的跳出率增加網站黏性，具體步驟如下：
1、分析pv、uv、ip、跳出率和平均訪問時長
通常情況下uv要大於ip，pv是uv的倍數關系，而pv：uv多少合適呢?要看同行業的平均數據，比如一個知識性網站，pv：uv的比例接近10:1，而如果是企業站，可能3:1或者4:1。
跳出率越高說明網站內容質量越差，平均訪問時長也體現網站的內容質量。時長越長說明網站內容質量越高、內鏈系統越好。
2、分析來源、地域和搜索引擎
從來源分析可以評測外鏈和推廣效果，可以選擇效果更好的推廣和外鏈方式，節省時間。地域分析可以幫我我們做地域關鍵詞，搜索引擎分析用於明白用戶的搜索習慣。
3、受訪頁面、著陸頁和搜索詞
分析受訪頁面可以看出推廣、外鏈以及內鏈效果，分析搜索詞可以得出現在內容排名效果。
受訪頁面主要來自於外鏈、推廣鏈接、排名頁面和內鏈布局。受訪頁面越高的網頁說明展示次數越多，被用戶看到的概率越大。
著陸頁分數據純碎的體現外鏈、推廣鏈接和排名的效果，如果沒有關鍵詞排名，可以直接評測推廣、外鏈的效果。
可以通過搜索詞得知那些關鍵詞給我們帶來了流量，以及訪問的頁面是哪些，訪問頁的跳出率是多少，是不是應該推廣這個頁面幫助它提升排名。
4、分析頁面點擊圖和頁面上下游
頁面點擊圖，可以根據頁面點擊圖調整網站首頁布局。顏色越深的內容放置的位置越靠近左上角，顏色越淺的內容位置越靠近右下角。點擊很少或者沒有點擊的內容可以從首頁移除，或者放置在欄目頁。
頁面上下游是體現用戶瀏覽網頁的軌跡，從上下游的數據可以統計布局的內鏈用戶點擊最多的文章是哪一篇，以及哪些頁面的跳出率高。頁面上下游數據最能說明內鏈布局效果。
注意：數據分析的魅力是常人無法感受的，如果你的網站在中後期還是憑證感覺做，那麼你就相當於盲人摸象，你的網站排名只能看運氣了。

❹ 調研報告大數據分析怎麼做

1、明確思路

明確數據分析的目的以及思路是確保數據分析過程有效進行的首要條件。它作用的是可以為數據的收集、處理及分析提供清晰的指引方向。可以說思路是整個分析流程的起點。首先目的不明確則會導致方向性的錯誤。當明確目的後，就要建分析框架，把分析目的分解成若干個不同的分析要點，即如何具體開展數據分析，需要從哪幾個角度進行分析，採用哪些分析指標。

2、收集數據

收集數據是按照確定的數據分析框架收集相關數據的過程，它為數據分析提供了素材和依據。這里所說的數據包括第一手數據與第二手數據，第一手數據主要指可直接獲取的數據，第二手數據主要指經過加工整理後得到的數據。

3、處理數據

處理數據是指對收集到的數據進行加工整理，形成適合數據分析的樣式，它是數據分析前必不可少的階段。數據處理的基本目的是從大量的、雜亂無章、難以理解的數據中，抽取並推導出對解決問題有價值、有意義的數據。數據處理主要包括數據清洗、數據轉化、數據提取、數據計算等處理方法。

4、分析數據

分析數據是指用適當的分析方法及工具，對處理過的數據進行分析，提取有價值的信息，形成有效結論的過程。由於數據分析多是通過軟體來完成的，這就要求數據分析師不僅要掌握各種數據分析方法，還要熟悉數據分析軟體的操作。而數據挖掘其實是一種高級的數據分析方法，就是從大量的數據中挖掘出有用的信息，它是根據用戶的特定要求，從浩如煙海的數據中找出所需的信息，以滿足用戶的特定需求。

5、展現數據

一般情況下，數據是通過表格和圖形的方式來呈現的，我們常說用圖表說話就是這個意思。常用的數據圖表包括餅圖、柱形圖、條形圖、折線圖、散點圖、雷達圖等，當然可以對這些圖表進一步整理加工，使之變為我們所需要的圖形。

6、撰寫報告

數據分析報告其實是對整個數據分析過程的一個總結與呈現。通過報告，把數據分析的起因、過程、結果及建議完整地呈現出來，供決策者參考。一份好的數據分析報告，首先需要有一個好的分析框架，並且圖文並茂，層次明晰，能夠讓閱讀者一目瞭然。另外，數據分析報告需要有明確的結論，沒有明確結論的分析稱不上分析，同時也失去了報告的意義，因為我們最初就是為尋找或者求證一個結論才進行分析的，所以千萬不要舍本求末。最後，好的分析報告一定要有建議或解決方案。

❺ 調查問卷數據如何分析

如何用數據分析方法對調查問卷進行分析
看圖演示。 其中開始新建了一個叫「匯總」的表，作為模板，然後復制這個表，改名叫1，輸入第一張問卷結果，再復制一張表，輸入第二張問卷結果。。。直至輸入完畢。 然後在匯總表輸入求和公式。 B2公式如下： =SUM('匯總 (2):匯總 (4)'!B3) 其中匯總 (2)是第一張問卷結果表名，匯總 (4)是最後一張問卷表名，我這圖為了簡便就做了3個結果表，然後復制公式到所有單元格。
如何用Excel分析調查問卷數據
看圖演示。

其中開始新建了一個叫「匯總」的表，作為模板，然後復制這個表，改名叫1，輸入第一張問卷結果，再復制一張表，輸入第二張問卷結果。。。直至輸入完畢。

然後在匯總表輸入求和公式。

B2公式如下：

=SU嘩('匯總 (2):匯總 (4)'!B3)

其中匯總 (2)是第一張問卷結果表名，匯總 (4)是最後一張問卷表名，我這圖為了簡便就做了3個結果表，然後復制公式到所有單元格。
如何用Excel來進行調查問卷的整理、統計和分析？
2007版 數據——數據分析

97-2003版 好像是工具里忘了

你用幫助搜索一下，
錄入好的調查問卷，該如何進行數據分析？
在設計時就需要考慮到統計方便，才能便於匯總。用excel就可以。
如何寫調查問卷的數據分析
這個你要根據設計的問卷、然後結合你的分析思路，也就是你要通過問卷得出什麼結論 這個就是數據分析
問卷調查如何分析和整理
從你的提問，是要了解如何分析和整理調查得來的數據。

通常使用表格「整理數據」，用「條形圖」、折線圖或「扇形圖」等來「描述數據」。

用表格整理數據時，要注意列表，第一列是你要了解的情況「分類」，第二列就是「劃記」，第三列是「人數」，第四列是「百分比」。

用劃記法記錄數據時，通常用「正」字，一筆代表一個數據。

分類的人數統計表做好後，就可以利用「條形圖」或折線圖或「扇形圖」來「描述數據」，也可以用「頻率分布直方圖」來分析數據。
問卷調查，「數據分析」具體指什麼
就是對進行問卷調查後，回收回來的問卷數據進行分析。

首先你要明確數據分析的目的，也可以說是這個問卷調查的問題。

然後根據目的 並結合問卷，來構思分析思路，通過怎麼樣的分析能夠實現目的

之後就是用軟體對數據進行分析 以實現目的
如何處理問卷調查數據進行統計分析
你提到了統計分析表格，這個提法是錯誤的

沒有這個說法

你可以先設計研究目的，做出研究假設，然後根據假設做分析，然後製作成表格

我經常幫別人做這類的數據統計分析
調查問卷的數據分析是定量分析法嗎
是的。

定量分析法是以企業財務報表為主要數據來源，按照某種數理方式進行加工整理，得出企業信用結果。

定量研究一般是為了對特定研究對象的總體得出統計結果而進行的。定性研究具有探索性、診斷性和預測性等特點，它並不追求精確的結論，而只是了解問題之所在，摸清情況，得出感性認識。定性研究的主要方法包括： 與幾個人面談的小組訪問，要求詳細回答的深度訪問，以及各種投影技術等。在定量研究中，信息都是用某種數字來表示的。在對這些數字進行處理、分析時，首先要明確這些信息資料是依據何種尺度進行測定、加工的，史蒂文斯（S. S. Stevens）將尺度分為四種類型，即名義尺度、順序尺度、間距尺度和比例尺度。

定量研究的四種測定尺度及特徵

名義尺度所使用的數值，用於表現它是否屬於同一個人或物。

順序尺度所使用的數值的大小，是與研究對象的特定順序相對應的。例如，給社會階層中的上上層、中上層、中層、中下層、下下層等分別標為「5、4、3、2、1」或者「3、2.5、2、1.5、1」就屬於這一類。只是其中表示上上層的5與表示中上層的4的差距，和表示中上層的4與表示中層的3的差距， 並不一定是相等的。5、4、3 等是任意加上去的符號，如果記為 100、50、10 也無妨。

間距尺度所使用的數值，不僅表示測定對象所具有的量的多少，還表示它們大小的程度即間隔的大小。不過，這種尺度中的原點可以是任意設定的，但並不意味著該事物的量為「無」。例如，O°C 為絕對溫度 273°K，華氏32°F。

名義尺度和順序尺度的數值不能進行加減乘除，但間距尺度的數值是可以進行加減運算的。然而，由於原點是任意設定的，所以不能進行乘除運算。例如，5℃和 10℃之間的差，可以說與15℃和20℃之間的差是相同的， 都是5°C。但不能說 20℃就是比5℃高4倍的溫度。

比例尺度的意義是絕對的，即它有著含義為「無」量的原點0。長度、重量、時間等都是比例尺度測定的范圍。比例尺度測定值的差和比都是可以比較的。例如：5分鍾與10 分鍾之間的差和10分鍾與15分鍾之間的差都是5 分鍾，10 分鍾是2分鍾的5倍。比例尺度可以進行加減乘除運算。
調查問卷數據怎麼輸入spss，怎麼進行分析的
打開spss，您會發現軟體左下角有兩個按鈕，date view和variable view。第一個是錄入數據的，第二個是錄入變數相關數據的

2.我們先來建模，點擊variable view，你會發現上面一排有name，type，width，decimals，label，value，missing，columns，align，measure。

2-1，name那一列你就輸入問卷中數據的變數名，比如說，你的問卷中問了調查對象的姓名，性別，年齡，那就在name那一列輸入姓名，性別，年齡

2-2，點擊你所輸入變數的value（姓名性別，年齡），裡面有value和label兩個框，value就是你問卷各個選項的值，比如你把性別定義了0為男，1為女，那你就在value框里輸入0，在label里輸入男，然後點擊add，不要關掉，繼續在value里輸入1，在label里輸入女，點擊add，就定義了性別的value

3.點擊軟體左下角的date view，然後就可以根據變數，一份份的輸入數據了。

❻ 問卷調查之後，怎麼整理數據

我教你一個方法吧，找一個在線調查系統，把你的問卷在系統里生成好，把所有數據輸入，系統就會自動把你的數據整理好的。
推薦你使用調查派：http://www.diaochapai.com
是完全免費無限制的，需要導出數據的話，發給郵件給他們就行了。

❼ 怎樣做好數據調研

一 業務調研

數據倉庫是要涵蓋所有業務領域，還是各個業務領域獨自建設，業務領域內的業務線也同樣面臨著這個問題。所以要構建大數據數據倉庫，就需要了解各個業務領域、業務線的業務有什麼共同點和不同點，以及各個業務線可以細分為哪幾個業務模塊，每個業務模塊具體的業務流程又是怎樣的。業務調研是否充分，將會直接決定數據倉庫建設是否成功。

二 需求調研

了解業務系統的業務後不等於說就可以實施數倉建設了，還需要收集數據使用者的需求，及找分析師、運營人員、產品人員等了解他們對數據的訴求。通常需求調研分下面兩種途徑：

1. 根據與分析師、運營人員、產品人員的溝通獲取需求。

2. 對現有報表、數據進行研究分析獲取數據建設需求。

三 數據調研

前期需要做好數據探查工作，需要了解資料庫類型，數據來源，全量數據情況及數據每年增長情況，更新機制；還需要了解數據是否結構化，是否清洗，是介面調用還是直接訪問庫，有哪些類型的數據，數據結構之怎樣的。

• 數據開發，模型建設之前，先了解數據結構，數據內容，數據特性，對數據有一個整體把控

• 探查一下本次需求能不能實現，怎麼實現，有沒有隱藏bug，數據質量如何