另外，临近撰写论文的时候，有一篇同行的论文采用了问卷调查方法，但具体的3358www.Sina.com/和问卷设计的流程并不特别清楚。
今天，我来谈谈如何设计合格的问卷，如何分析问卷数据的整个过程。
一、如果问卷的设计步骤是学术研究，建议在论文问卷的设计中多使用量表。 这样，问卷就更专业了，量表可以匹配很多研究方法，建立模型，深入挖掘数据信息。
01 数据分析
问卷设计应当首先确定研究主题，可以阅读相关文献和类似的问卷研究，对发放问卷的对象进行访谈。
然后根据已知晓的材料，形成假设，根据假设确定研究主题，然后问卷设计围绕该假设和确定主题中的变量进行。 例如，最终确定讨论“消费者网购情况和社交媒体使用的关系情况”。
02 确定研究主题
研究主题确定后，可以按照“关键词法”的思路，具体设计我们的调查问卷。
可以从特定的研究主题中提取关键词。 像上述主题一样，想要中心研究的点是两个关键词。 是网购社交媒体
有了这两个关键词，下一步应该做的就是细化。 网络购物可以用什么问题来表示？ 社交媒体应该用什么样的问题来表示？
通常，一个关键字下属只需应对4~7个问题，不需要太多。 那么，可以用两个关键词设计8~14个问题。 8~14的问题比较少，可以把一个个关键词细分，一个关键词常见的分割可以分为两类。 基本行动的基本态度
所以网购可以分为网购行为和网购态度两个方面。 同样，社交媒体也可以分为社交媒体的使用状况和社交媒体的态度状况两种。 以这样的想法为前提，把一个研究主题分成4~7个关键词，每个关键词4~7个问题，就会充实整个研究。 最终分割为5个关键词，如果每个关键词对应6个主题，则有30个主题。
然后需要增加性别、年龄、学历、收入、消费等共性问卷主题，完成了相对完整的问卷。
03 具体设计题目
问卷初稿设计后，不能直接用于正式调查，需要对问卷初稿进行试用和修改。
问卷试用是指通过事前调查，验证问卷的质量是否符合调查研究的要求，被试是否乐意、轻松地回答各项问题，能否收集到真实、准确的数据。
前期调查阶段的样本一般采用小样本，但根据经验，前期调查的样本量最好是问题项目数的5至10倍。 研究人员还可以根据经费条件，确定事前调查的样本量。
应提前调查回收的问卷，针对问卷初稿存在的问题，分析原因，逐一纠正。 调查问卷的内容如下
调查问卷的说明
回答问卷的要求和每一个事项
问题的表现方法
回答问题的方法
问题的组织顺序
问卷的总体结构和逻辑
问卷的排版形式
问卷修改后即可正式发放。
问卷试发放和修改
回收的问卷数据可以直接上传到SPSSAU进行分析。 您可以通过以下步骤分析比例调查问卷：
01 二、问卷数据分析步骤
样本背景信息主要是指人口统计学变量，包括性别、年龄、学历、职业等。 可以对这些主题进行基本的频数分析。
02 样本背景分析
样本行为特征是指问卷中的样本行为或认知态度问题，例如研究手机依赖现状及影响因素时，“手机使用时间、手机使用频率”等主题应该相当。 这些主题也采用频数分析进行总结，可以更好地了解样本的特征。
这一部分多以选择题为主，如果题目有多个问题，可以使用SPSSAU[问卷调查研究]的[多个问题]进行分析。
03 样本特征行为分析
在完成了样本背景信息、样本基本行为特征主题的分析后，接下来可以开始分析核心研究变量。
这一部分是核心内容，通常是李克特量表的问题。 关于指标的分类分析，如果有尺度问题的话，应该具体分为几个维度，还没有完全决定。 此时，可以使用因子分析进行浓缩，得到若干维度(因子)，并且在找到维度和问题项的对应情况的同时，还可以通过该步骤验证尺度的有效性。
04 指标归类分析
数据是否可靠、可靠是最基础的，一般在对样本基本背景特征情况的分析之后进行。 可靠度的验证可以用不同的方法实现。
首先，通过SPSSAU[问卷调查研究]—[信度]计算Cronbach系数，可以对主题之间进行测量
的内部一致程度。爱撒娇的蜜蜂信度系数Cronbachα系数值：
Cronbach α≥0.8，则该测验或量表的信度非常好；
Cronbach α≥0.7，则说明信度较好；
Cronbach α≥0.6，则该量表应进行修订，但仍不失其价值；
Cronbach α＜0.6，说明信度不佳，此时可考虑重新设计题项。
其次，还可计算重测信度。重测信度即用同一问卷在不同时间，对同一对象进行重复测量，然后通过SPSSAU[通用方法]—[相关]得到相关系数即一致性程度。相关系数在0~1之间，越接近1，说明重测信度越高。
评分者信度，也是一种检测信度的方式。是指测量多个评分者给同一批人答卷进行评分的一致性程度。如果评分者是两个人，则可以用pearson相关（[问卷研究—相关]）；如果评分者有多个人，可用评分等级作为数据，用Kendall协调系数（[实验/医学研究—Kendall协调系数]）。
05效度分析
效度是指一个测验或量表实际能测出的所要测量内容的程度，即测验达到测验目的的程度。对量表效度进行检验，可了解量表设计的是否合理。
结构效度指测量题项与测量维度之间的对应关系。测量方法有两种，一种是探索性因子分析，另外一种是验证性因子分析。其中，探索性因子分析是当前使用最为广泛的结构效度测量方法。
通常效度检验（因子分析）输出结果包括：KMO检验和Bartlett的检验结果、方差解释率表格、因子载荷系数表格、碎石图等。
①判断是否适合用因子分析检验效度
首先使用KMO 和 Bartlett 检验进行效度。
通常KMO值的判断标准为0.6。大于0.6说明效度较好，反之，说明不适合效度欠佳。
②判断提取因子个数
如果需要进一步考虑维度与分析项的对应关系，则需要根据方差解释率表格选择输出因子个数。多数情况下，我们在分析时已经带着主观预期，希望各题对应什么维度，此时可以直接设置对应的因子个数。
如果研究人员并没有预设维度。而选择默认选项，SPSSAU默认以特征根大于1作为标准。
同时可结合碎石图辅助判断因子提取个数。当折线由陡峭突然变得平稳时，陡峭到平稳对应的因子个数即为参考提取因子个数。
实际研究中更多以专业知识，结合因子与研究项对应关系情况，综合权衡判断得出因子个数。
③判断因子与题项对应关系
上面提到确定因子提取个数除了要考虑以上指标，更重要的是结合因子与研究项对应关系情况判断。
因子载荷系数表，正是反映因子和研究项对应关系情况。
如果出现因子分析结果与预期结果不一致，这种情况是非常常见的。对于不理想的题项可以移出该项，再次分析，直至所有分析项与因子对应关系良好，此时即可说明效度良好。
06研究变量描述分析
数据可靠，并且研究量表有效之后，接着需要对具体维度（量表题项等）进行描述分析，研究样本人群对于量表项的基本态度情况。
可通过计算变量的平均值来分析，有时利用折线图来展示变量的平均值排序情况。
同时，由于一个维度通常由多个标题项共同构成，如果想将多个标题项概括成一个整体进行分析，此时需要使用SPSSAU中“生成变量”的“平均值”功能。
操作途径：SPSSAU[数据处理]-[生成变量]-[平均值]
07变量相关关系分析
上一部分对研究变量进行描述分析后，接着研究两两变量之间的相互关系，即通过相关分析去研究变量之间的关系情况，包括是否有关系和关系紧密程度。
首先看Y与X是否有显著关系，P值用于判断相关系数是否有统计学意义，P<0.05即说明变量间有相关关系，P值并不代表相关关系的强弱。星号代表P值。一个星号代表P<0.05,两个星号代表P<0.01。如果没有星号，则说明P值>0.05。接着分析相关关系为正向或负向，通过相关系数大小可以说明关系的紧密程度，相关系数越大，说明相关程度越紧密。
08研究假设验证分析
在数据有着相关的前提之下，再研究回归影响关系才具有意义。因而回归分析需要放在相关分析之后。并且通常情况下使用回归分析去验证假设。
首先对模型情况进行分析，包括模型拟合情况（R²），是否通过F检验。回归模型通过F检验，说明至少一个自变量会对因变量有影响关系。接着，分析X的显著性，如果呈现出显著性，则说明X对Y有影响关系。如果不显著，则应剔除该变量。然后，判断X对Y的影响关系方向及影响程度。结合回归系数B值，对比分析X对Y的影响程度。B值为正数则说明X对Y有正向影响，为负则说明有负向影响。最后对分析进行总结。
09差异分析
有可能还需要对比不同人群，比如性别，年龄等不同群体，他们对于量表题项的态度差异情况，因而一般可使用方差分析，或者t检验等进行分析。如果说想研究不同背景人群（比如性别，年龄）对于样本行为上（定类数据）的差异性，建议可使用交叉卡方分析等，涉及多选题的交叉分析等，对应选择[问卷研究]里的[单选-多选]方法即可。