問卷设计注意事项及SPSS+interpret.docVIP

问卷设计注意事项 1． 前提 设计问卷之前，需明确因变量（Y）与主要自变量（X）具体是什么，还有需要明确你调查的目的。比如说你认为X1, X2, X3应该是跟Y是有紧密联系的 （E.G.工作满意度=工资+工作环境+同事和谐+老板支持度）。 思考一下，尽量避免X1, X2, X3, …等自变量之间的相关度（correlation coefficient）过高，如大于.8或.9。比如Y=工作满意度，X1=经理的支持，X2=副经理的支持 （他们的相似度也许会很高，其实就是老板或者说领导的支持度，可以合并为一个）。 如果自变量之间关联度过高的话要把某一个自变量删除或者把相关度极高的两个或多个变量合并成一个（X1+X2+ X3）/3= X4， 否者就会导致multicollinearity. 2. 衡量方法 （和因变量和自变量数据的类型） 尽量用Likert Scale （5或7）去设计问题，特别是关于被调查者一些态度或者看法程度的问题。如：我对生活的满意程度， 1=非常不满意，2=，3=，4=，5=非常满意。但如果只能是二选一的那种情况，也可以用（1，0），是与否的问题，有还是没有的问题。例如：他是正式党员吗？A.是，B.不是 （其中1表示是， 0表示否）， 没有其他的可选择的情况了。 但切记：这个(1, 0)的Scale限于对X自变量的衡量，Y只能为continuous variable (不能是binary variable)， 不能用类似（1，0）作为选择答案来供被调查者选择，也不能用（1，0）作为Y的问题。例如我们不能问这样的类型的问题：评价一下你的生活满意度？（备选答案：A.满意，B.不满意），这些就是属于（1，0）的问题，不是满意就是不满意，没有中间值了。这个在线性回归是不能做的，只能做LOGISTIC REGRESSION，要复杂的多，我们本课程没有涉及，所以要求把关于Y因变量的问题及答案选择用multiple (3，4，5 或其他更多) LIKERT SCALE来做，如1=非常不满意，2=，3=，4=，5=非常满意。 3. 因变量和自变量问题的独立性 关于Y与X的问题设计要相互独立。意思就是问题不能相互涉及。比如我们想了解大学成绩的好坏受什么因素的影响。此时Y指的是大学成绩的高低（因变量），X里指的是自习时间和老师授课效果（自变量）等等，如果我们要问关于X的问题，我们不能问：你觉得自信时间的长短影响大学成绩吗？或者说老师授课的好坏会影响大学成绩的好坏吗？这个属于让受访者主观地去判断的情况，这样的问法是没办法做回归的。是否因变量和自变量之间具有相关性，是否具有因果关系是由我们研究人员/调查者去用分析软件去检测，而不是让他们去主观判断。关于Y，我们应该分别这样 问: 你认为跟同班同学/同年级同学相比，你的大学成绩的水平如何？1=非常差，2=，3=，4=，5=非常棒。关于X, 我们问： 你一周的自习时间是多少？a. 小于10, b=10-15，c=16-20, d=…. C. 你认为你们老师教课效果如何？1=非常差，2，3，4，5=非常好。很明显，从问题上看，三者之间是相互独立丝毫无牵连的，这样的问法和选择结果才能被用来做相关性分析还有回归分析。 4. 变量/因素的全面性 （涉及到reliability的问题） 由于一些变量用一个问题似乎不能完全体现它的整体性，或者说单单一个问题，不同受访者有可能会有不同的理解。为了减少理解偏差，研究人员喜欢用好几个问题同时去问一个变量，可以从不同的角度，这样对问题阐述的更加具体，被调查者回答的也更加地贴切，减少误解带来的风险。我们上课有提到的life satisfaction, 他们就有5个问题去问。遇到一个变量有多个问题的话，记得要检验它的Reliability (Cronbach Alpha值)。大于0.7，说明问题问的比较好。强调：如果你们对于此类问题信心不足，或者说对于做可信度检测不那么得心应手，你们就一个变量问一个问题好了，我就不多做要求了。 5. 理论和文献支持Y与X的关系 尽量能找到相关的理论，以及以往journal paper的一些证据去支持你的观点，也就是Y与X1, X2, X3等的关系。只有这样设计出来的问卷才叫有根据，比较科学。当然在此基础上，自己也可以添加一些新的变量（论文中强调文献没有此提法但你们认为很重要所以纳入，如果真的检查出有相关，那么就是对研究的贡献了）。 6. 样本大小要求 要做回归分析，最小样本得30个，是越多越好，但也不能那么苛刻你们，搜集太多录入也比较辛苦，50-200就不错啦。 SPSS操作需要注意的内容部分及分析结果的解读