看過之前SPSSAU文章的同學相信已經對每一部分的分析方法的使用和結果解讀非常清楚了,不過如果只盯住單個分析方法死命鑽研很容易進入死胡同,理解方法固然重要,但同時也要從整體角度全面的進行設計分析。接下來本文就針對量表類問卷設計和分析思路以及注意事項進行說明。

1使用量表的目的

在問卷設計中常把量表題設計為核心題項,原因是量表題可以將被調查者的回答轉換成數字用於編碼。經過量化處理後的數據,更方便進行統計分析,相比非量表題,可以使用更多的分析方法,得到更精確的分析結果。

2量表類問卷的設計框架

正是由於上述原因,量表題已被廣泛的應用於各類問卷之中,包括影響關係研究,中介或者調節作用檢驗,指標權重計算,細分市場研究等。量表類問卷從設計結構上看可以分為六部分,分別是篩選題項樣本基本背景信息題項樣本特徵信息題項樣本基本態度題項核心研究變數題項其它題項等

(1) 篩選題項。如果研究中需要進行樣本篩選,需要將此類樣本篩選題項設置在問卷前面部分,如果不需要進行篩選,可忽略此部分題項。

例如,針對90後員工離職影響因素調查數據,明顯的研究樣本一定需要為90後,因此需要首先設置篩選題項,如果非90後樣本,即停止回答後續題項。

(2) 樣本基本背景信息題項。通常情況下,問卷中需要加入樣本基本信息題項(人口學統計學變數),比如性別,年齡,學歷,月收入等題項,不同背景的樣本,可能對同樣一件事情有著不一致的態度,因此需要加入此類題項。

(3) 樣本特徵信息題項。除樣本基本信息題項外,通常情況下還需要設計樣本基本特徵信息題項,多數情況下,樣本特徵信息題項為非量表類題目,通常情況下,研究人員核心思路並非針對樣本特徵情況,因而此類題項的個數應該較少,建議3~8個之間。

例如,研究題目為「網路消費態度影響因素研究」,則可以加入相關網路消費基本現狀特徵題項,如當前網購頻率情況,樣本網購的商品類目情況,以及網購消費金額情況,網購消費平台情況等,用於深入了解樣本特徵情況。

此類題項多為單選題和多選題,常見的統計方法是計算頻率(無法使用信度分析或者效度分析),直觀展示各選項選擇情況。以及可以使用卡方分析進行差異對比,對比不同類別樣本,比如不同網購消費金額的樣本對於其餘題項的態度差異。

(4) 樣本基本態度題項。除開樣本基本背景信息,樣本基本特徵外,還可能涉及樣本基本態度情況題項,此類題項基本上均為非量表題項。通常情況下後續分析時會對其進行頻率統計,以了解樣本的基本態度情況。

例如,研究者可以通過此類題項,了解樣本對於當前網購的消費態度,網購的前景態度,也或者網購平台的態度情況等。

(5) 核心變數題項。此部分為量表類問卷研究的核心內容,題量上最多,並且此部分通常情況下均為量表類題項。適用於各種統計方法,包括信度分析,效度分析,相關分析,回歸分析,因子分析,聚類分析等。

例如,研究「90後離職傾向影響因素」,具體影響因素上可分為以下五個方面,分別是薪酬福利、人際關係、工作本身、價值觀,成就發展和企業文化。明顯地,研究人員需要針對此五方面分別設計題項,每項因素可能由多個題項組成(建議每個最小維度由4~7個題項組成),因此五項因素總共涉及題項約為28個。以及研究影響因素對於離職傾向(Y)的影響,自然還需要題項詢問樣本離職傾向態度。

(6) 其它題項。如果研究目的在於對樣本聚類,可將樣本細分為幾類,設計對應題項用於收集某類樣本的態度情況,並且針對每類樣本提供個性化建議。

例如,消費者對某類潛在新產品的選擇偏好情況,此時可以設計題項單獨問及某類潛在產品的需求偏好或者態度情況。研究人員基於這樣的思路,結合相關題項將樣本進行聚類,並且設計一款新型霧霾保險產品,分析不同類別樣本對該產品的偏好差異,最終針對不同類別人群提供不同的保險產品選擇。

3量表類題項設計注意事項

(1)量表題項需要有參考文獻支持

量表題項設計需要有文獻參考依據,結合相關研究文獻參考進行設計,或者直接借用相關文獻題項設計,不能隨意主觀設計題項,以免導致後續信度,效度不達標。

(2)研究變數(或維度)對應的題目數量是否合適

每個最小維度(方面)儘可能由4~7個題項去表示,避免後續分析過程中出現信度或者效度不達標現象,並且每個維度由多個題項表示,可以更好的表達對應維度(方面)的概念信息,更具說服力。

(3)研究影響關係,需要設計對應因變數Y的題目

如果研究變數影響關係,即X對於Y的影響情況,需要有因變數Y的對應題項,否則會導致後續無法進行相關分析或者回歸分析的尷尬,比如研究工作滿意度的影響情況,題項中涉及到各個可能影響滿意度的因素對應題項,但是並沒有體現樣本整體工作滿意度的題項,此類問卷無法進行相關分析和回歸分析,無法使用回歸分析研究各類因素對於工作滿意度的影響關係。

(4)反項題正向處理

出於語言修辭的問題,有時一定需要使用反向題問法或者量表來源即有反向題,此種情況需要對數據進行重新編碼處理。如果並非必要,研究人員可以將反向題進行正向處理。

如果對分析方法有任何不清楚的地方,可閱讀SPSSAU分享的數據分析文章SPSSAU教程01:統計學基礎概念解讀等,或登錄SPSSAU官網幫助手冊進行學習。


推薦閱讀:
相关文章