调查问卷计及处理.pptxVIP

数学建模基础; 调查问卷;1 统计学基础及术语解释;1.2 信度和效度分析;1.3 变量关系研究;2 问卷设计说明及注意事项; 量表类问卷的设计框架从结构上可以分为6个部分，分别是筛选题项、样本背景信息题项、样本特征信息题项、样本基本态度题项、核心研究变量题项和其它题项。;案例1：“90后”员工离职倾向调查问卷;框架内容;框架内容;案例2：大学生理财情况调查问卷;3 量表类问卷影响关系研究;3.2 分析方法;3.3 分析实例;样本背景信息统计（频数分析） 分析?描述统计?频率?将“性别、年龄、月收入、职业” 放入变量窗口。;5. 效度分析 步骤结果同探索性因子分析； 探索性因子分析结果显示KMO值为0.866，并通过Bartlett球形检验，最终提取到6个因子。这6个因子与题项均有良好的对应关系，对应关系与专业知识完全相符，并且题项的因子载荷系数值均高于0.4。因子旋转后累计方差解释率为73.729%，且6个因子的旋转后方差解释率均高于10%（或接近与10%）。因此综合说明本案例量表具有良好的结构效度。 ;9. 方差分析 分析?比较均值?单因素ANOVA?V1~V7放入因变量窗口，月收入水平放入因子窗口?两两比较?勾选LSD?选项?勾选描述性、方差同质性检验和均值图； 方差齐性检验显著性要大于0.05，说明不同组别的数据波动情况一致，即方差齐性； 单因素方差分析表中显著性小于0.05，表示有差异性，即不同收入水平人群字购买意愿上有显著性差别； 多重比较图中，显著性小于0.05表示存在差异性，即2000元以下样本与8000元以上样本在购买意愿有显著性差异，P值为0.006小于0.05。;4 量表类问卷权重研究;因子分析法指标权重构建 （数据:5-2.sav） 分析?降维?因子分析?A、B、C、D共12个变量放入因变量窗口； 描述?勾选KMO； 抽取?提取4个因子； 旋转?最大方差法； 选项?按大小排序、取消小系数（0.4）； 得分?保存为变量、显示因子得分系数矩阵； 生产FAC数据为因子得分数据； 因子的权重系数，即加权后的方差解释率=该因子方差解释率/所有因子累计方差解释率（FAC1=23.397%/76.370%=30.636%）; 综合得分表达式：F=30.636%*因子1+25.044%*因子2+22.378%*因子3 +21.941%*因子4； 根据成分得分系数矩阵得出因子表达式： 因子1=0.466*A1+0.313*A2+……-0.013*D2 … 因子4=-0.021*A1+0.037*A2……+0.435*D2 根据上述公式计算最终综合得分;5 聚类样本类和非量表类问卷研究;SPSS中聚类分析： 在SPSS软件中，聚类分析可分为三种：两步聚类、K-均值聚类和系统聚类。;聚类分析基本步骤： ;聚类分析（数据:5-3.sav） 分析?分类?K-均值聚类?V1~V5放入变量窗口?聚类数为3； 保存?勾选聚类成员，选项?ANOVA表； 初始聚类中心表，第一类最优，第三类次之；最终聚类中心表，第一类最优，第三类次之，第二类不理想；ANOVA显著性都通过； 分析?分类?两步聚类?V1~V5放入连续变量窗口?聚类数量固定为3； 聚类质量图可以看出聚类效果可以接受，双击模型概要图，选择预测变量重要性，可以看出因子对聚类建模的重要性高低情况； 分析?分类?系统聚类?V1~V5放入连续变量窗口； 绘图?勾选谱系图； 方法?转换值?勾选Z分数； 保存?单一方案?聚类数为3； ;非量表类问卷研究 此部分更多的会使用简单易懂的频数和百分比描述，最好结合各种图形展示，比如选题可以通过条形图展示，单选题可以使用柱形图展示。 此类问卷中大部分题项均为分类数据，因此需要使用卡方分析（交叉表分析）进行差异关系研究，也可能会需要使用Logistic回归进行影响关系研究。;Logistic分析（数据:5-4.sav） 研究性别、年龄、专业和生活费对“您未来是否有意愿购买理财产品”的影响情况； 分析?回归?二元Logistic?将Q19_New放入因变量窗口，Q2~Q5放入协变量窗口； Q2和Q4是分类数据，需要进行虚拟变量处理，分类?将Q2和Q4放入分类协变量窗口； 选项?勾选H-L拟合度； 分类变量编码表中，体育类为“000”表示为参照项；女性为“0”表示为参照项； 模型汇总表，CS R2和Nagelkerke R2伪系数决定迭代次数； HL检验表，HL检验是验证真实数据情况是否与模型拟合结果表现一致，P值小于0.05则说明真实数据与模型拟合情况不一致；