問卷數據匯總的方式有哪些

❶ 數據收集的四種常見方式

數據收集的四種常見的方式包括問卷調查、查閱資料、實地考查、試驗，幾種方法各有各的又是和缺點，具體分析如下。

四是實驗。實驗設計數據是四種方法中最耗時間的一種，因為它是通過各種各樣的實驗來得到一個統一的方向，也就是說，在這個過程中，可能有無數次的失敗。但是實驗得到的數據是最准確的，而且可能會推動某個行業的進步。所以，實驗收集數據的優點是數據的准確性很高，而他的缺點就是未知性很大，不管實驗的周期還是實驗的結果都是不確定性的。

隨著科技的發展和大數據時代的到來，收集數據越來越容易，而大家也應該更注重於保護和利用數據。

❷ 問卷的設計與數據收集方法有哪些

調查問卷設計的一般步驟與方法  從一次問卷調查開始到正式的測試，其基本步驟是： 

1、   根據研究目的與假設，收集所需資料； 

2、   研究問卷形式，可以從研究者的時間、研究范圍、對象、分析方法和解釋方法等方面考慮； 

3、   列出標題和各部分項目； 

4、   徵求意見，修訂項目； 

5、   試測，以30—50人為試測樣本，求出信度、效度； 

6、   進行項目分析，重新修訂； 

7、   正式測試。

問卷通常由卷首語、指導語、主體等部分組成。 

（一）卷首語包括以下內容： ①自我介紹（讓調查對象明白你的身份或調查主辦的單位）；②調查的目的（讓調查對象了解你想調查什麼）； ③回收問卷的時間、方式及其他事項（如告訴對方本次調查的匿名性和保密性原則，調查不會對被調查者產生不利的影響，真誠地感謝受調查才的合作，答卷的注意事項等）。 指導語旨在告訴被調查者如何填寫問卷，包括對某種定義、標題的限定以及示範舉例等內容。

二）   問卷的主體，即問題，一般有開放式和封閉式兩種。 

①開放式問題就是調查者不提供任何可供選擇的答案，由被調查者自由答題，這類問題能自然地充分反映調查對象的觀點，態度，因而所獲得的材料比較豐富，生動，但統計和處理所獲得的信息的難度較大。可分為填空式和回答式。 

②封閉式問題的後面同時提供調查者設計的幾種不同的答案，這些答案既可能相互排斥，也可能彼此共存，讓調查對象根據自己的實際情況在答案中選擇。它是一種快速有效的調查問卷，便於統計分析，但提供選擇答案本身限制了問題回答的范圍和方式，這類問卷所獲得的信息的價值很大程度上取決於問卷設計自身的科學性、全面性的程度。 

封閉式問題又可分為；  是否式（把問題的可能性答案列出兩種相矛盾的情況，請被調查人從中選擇其一「是」或「否」、「同意」或「不同意。）  選擇式（每個問題後列出多個答案，請被調查人從答案中選擇自己認為最合適的一個或幾個答案並作上記號）  評判式（後面列有許多個答案，請被調查人依據其重要性評判等級，又稱為排列式，是數字表示排列的順序）     

為了提高問卷的信度和效度，問卷設計時需要注意以下問題： 

①問卷中所提的問題，應圍繞研究目的來編制，力求簡單、明了，含義准確。不要出現雙關語，避免片面和暗示性的語言。如「太陽底下最光輝的職業是教師，你喜歡教師職業嗎？」  ②問題不要超過被調查者的知識、能力范圍。如對小學生的問卷出不要出現「你認為哪家商場的營銷比較疲軟的問題。  ③問題排列要有一定的邏輯次序，層次分明。問卷的目的、內容、數據、卷面安排標准答案等都要認真地推敲和設計。  ④調查表上應有留給供人填寫答案的足夠空間，並編有填寫調查單位的名稱、填表人的姓名和填表年月日的欄目。  ⑤問卷形式可以封閉式和開放式相結合，問題數量要適度，一般應控制在30個問題以內，最好在20分鍾內能答完。  ⑥為使調查結果更為客觀、真實，問卷最好採用匿名回答的方式。  設計問卷的內容要符合實際情況。一般來說，問卷設計前要摸底，對組內全體成員進行使用問卷調查的培訓，並在小范圍內進行試測，反復修改設計的問卷，以期與實際情況相符合，並便於對結果進行處理   如果單講問卷的設計步驟，則包括五個層次：問卷的理論構思與目的、問卷的具體形式或格式、問卷項目的語句和問卷的用詞。 

在進行問卷設計時，首先要明確各層次的具體設計要求，以便確定問卷的結構和設計重點。問卷設計中的第一個層次是問卷量表的構思與目的。不同的目的和理論依據，決定了問卷項目的總體安排、內容和子量表的構成。第二個層次是問卷的具體形式或格式。例如，應該採用什麼樣的量表？量表應採取多少個等級（量表的點數）？是用奇數還是用偶數量表？量表上文字說明該用多少？等等。這些都是在第二個層次需要考慮的。  問卷設計的第三個層次是問卷的語句。注意事項如前所述。問卷的第四個層次是用詞，總的要求是避免過於抽象、一般的詞語，防止反應定勢。  第五個層次是項目的編排。應從一般開始，越來越具體，比如先排對學習或工作的整體看法的項目，然後了解有關學習或工作環境、獎勵和團體等方面的具體問題。還應該把影響情緒的問題安排在問卷結束部分，比如，年齡、工作、身體狀況等，這也是問卷設計的慣例，因為如果受試者認為這些項目涉及隱私而拒絕回答時，重要的信息在前面已經得到了。此外，在項目排列上還應注意順序效應，即排在前面的問題有可能會後面問題的回答造成影響，要設法避免。

我要調查，讓調查更簡單方便！

❸ 問卷數據匯總的方式有哪幾種

有三種方法，數據匯總方法:收回6張表按順序粘貼到一個表中,例如原來6張表、500行、4列,粘貼後1張表、3000行、4列,也許是2995行,如果每張表都有表頭的話、只需要保留第一張即可。

❹ 問卷調查所能用的統計方法

1. 調查的樣本量太小，計算出的結論可靠性不高。

例如看到一些研究生的論文，只發了幾十份問卷調查表，就根據統計到的百分比寫下十分肯定的結論。其實，是有問題的。

例如：調查「你對××活動喜歡的程度」，調查了45人。調查結果：非常喜歡2人，喜歡5人，一般10人，不太喜歡13人，不喜歡15人。作者統計出：喜歡和非常喜歡的共7人占調查人數45人的15.5%，不太喜歡和不喜歡的共28人，佔62.2%。並根據15.5%和62.2%來進一步寫結論。

但是，他忽略了調查的樣本計算出率以後，還應該計算率的標准誤和置信區間。如本例喜歡率為15.5%。還應該計算率的標准誤Sp。

_________ _________________

本例，喜歡率的標准誤 Sp =√P(1-P)/n = √15.5(100-15.5)/45 = 5.39 %

按樣本量n，查t值表上, n-1的t0.01和t0.05 的值，查得t0.05＝2.02 , t0.01＝2.69, 根據喜歡率15.5 %、標准誤5.39 % 和t0.05的值,可計算出：

95% 置信區間：15.5±2.02×5.39＝4.6%～26.4%。(置信區間上下限的差值高達21.8%)。

95% 置信區間的含義是，如果用樣本的喜歡率15.5%來估計總體的喜歡率時，有95%的可能是在4.6%～26.4%的區間之間。這樣高達21.8%的區間意味著15.5%是不太可信的。

但是，如果擴大樣本量到450人，4500人，而統計出的喜歡率也是15.5%。由於調查的樣本量擴大了，標准誤 Sp會縮小，計算出的95% 置信區間也就縮小為12.2%～18.8%和14.4%～16.6%。這時用樣本率估計總體率時，上下限的差值很接近15.5%，才是可信的。

2. 調查數據的統計分析過於簡單。

目前看到的調查數據統計分析大都比較簡單。只是計算各個問卷指標的百分比，如上面舉例的喜歡率15.5%等等。

要避免統計分析過於簡單，首先，在做調查表設計時，就事先要考慮好調查數據的統計分析方法。例如同樣是調查「你對××活動喜歡的程度」，除了要擴大調查樣本量外，在調查表中增加調查性別和年齡。這樣就可以採用一種較為復雜的方法——交叉分析。交叉分析是分析「年齡」、 「性別」和「對××活動喜歡程度」三個變數之間的關系。假設不分類統計時，喜歡率是15.5%。交叉分析後就會發現由於性別的不同，年齡段的不同喜歡率是不同的。

例如：2005年國民體質監測問卷調查中，對「睡眠時間」的統計分析，如果只是簡單地計算某市成年男子2473人的問卷，只能統計出：睡眠6小時以下的人為13.4%，睡眠6～9小時的73.6%，睡眠9小時以上的13%。但是，如果增加年齡因素，分年齡段進行統計就可以看到，各年齡段的百分比是不同的（統計表略）。利用分年齡段的百分比還可以畫出折線圖（圖略）。從圖上更可以清楚的顯示出：隨著年齡增加，睡眠時間逐漸減少的趨勢。

上述統計分析方法比較簡單。但是，僅靠簡單的統計方法來處理問卷調查數據是十分可惜的，因為大量的數據信息還沒有充分利用。所以，設計問卷時，就應該注意到，讓收集到的調查數據能做多因素統計分析（如：回歸分析，因子分析等）。下面是我幫助或指導有關單位做過的統計分析實例：

例1：2005年國民體質監測的調查問卷內容中，包括了各人的文化程度，職業，工作、生活和體育鍛煉等方面的許多問題。為了分析這些調查內容和各人的體質有什麼關系，找出哪些因素對體質的好壞特別有關？在進行統計分析時，就需要把體質監測的指標和問卷調查的內容聯系起來進行統計。

在成年組調查問卷內容中可進行計算的12個問題是：受教育程度，職業，平均每周工作時間，平均每天睡眠時間，睡眠質量，平均每天步行時間，平均每天坐姿活動時間，吸煙狀況，運動感受，平均每周鍛煉次數，平均每次鍛煉時間，堅持鍛煉時間。把這些作為X1, X2, ……X12，再把每個人體質監測中的體質總分作為Y，就可以進行逐步回歸分析計算。

某省成年男甲組4242人的數據用逐步回歸分析計算結果是：從12個指標中依次選出了X 1 (受教育程度)，X12 (堅持鍛煉時間)， X10(平均每周鍛煉次數)，X7(平均每天坐姿活動時間) 4個指標。得到回歸方程：

Y = 21.85+ 1.02 X 1 -0.20 X7+ 0.34 X10 + 0.28 X12 F=101.92 (P<0.01)

復相關系數 R= 0.296

根據回歸方程的系數就可以知道：受教育程度高，平均每周鍛煉次數多，堅持鍛煉時間長，平均每天坐姿活動時間少的人體質總分就高。反之就低。而這個結論只做一般的調查表百分比統計，是得不到的。

例2：某市開展《超重與肥胖人群運動與營養綜合干預實驗研究》12周後，對參加者進行了問卷調查，內容有：每天進餐情況（分為：五分飽，八分飽，十分飽），每周快走次數（分為：3次以下，3次，4次，5次及以上），每次快走時間（分為：30分鍾以內，30～60分鍾，60～90分鍾，90分鍾以上），每次快走距離（分為：3公里以下，3～4公里，5公里及以上）等。

如果僅統計各個問卷內容的百分比，只能計算出如：每次快走時間30分鍾以內的29人佔22.1%，30～60分鍾的47人佔35.9%，60～90分鍾的19人佔14.5%，90分鍾以上的36人佔27.5% 等等，這樣的統計結果並不能說明什麼問題。更無法分析出哪些是對減肥有效果的因素。

但是，把問卷調查的內容與參加12周實驗後各人體重下降值聯系起來統計，情況就不同了。如可以分別計算出：每周快走次數、每次快走時間等指標與體重下降值的相關系數。當計算出以上指標都和體重下降值呈中度或低度相關時，還可以進一步用回歸分析的方法計算出標准回歸系數或偏回歸平方和來分析各指標對體重下降的作用大小。

本例有131人參加實驗，為了用數學表達式來描述：飲食、運動量和降體重的關系。把調查表內容轉換成數字後，選擇了X1（每天進餐情況）、X2（每周快走次數）、X3（每次快走距離）與Y（體重下降值）計算出三元回歸方程：

Y= 1.26－1.30 X1 +0.59 X2 +1.70 X3 F =13.855 (P<0.01)

復相關系數 R = 0.4966

從回歸方程可以看到，在吃八分飽的情況下，增加每周快走次數和每次快走距離，降體重的效果更好。

可見，當採用了多元回歸分析方法後，可以充分利用調查表裡的信息從而獲得比簡單的統計百分比更多的研究結果。

例3：某市對學生體質下降原因進行調研時，設計的調查表內容包括：學生、家長、學校等方面30多項指標。為了分析調查的各指標對學生身體素質影響的主次關系，從調查表中選出可進行因子分析計算的26個指標進行了R型因子分析計算。

R型因子分析通過計算，可找出控制著所有指標的幾個主要因素。計算後，原來的許多指標重新組合成較少的幾個新的綜合指標──公因子。這些公因子相互獨立而且反映了原來指標的絕大部分信息。通過R型因子分析的結果，可以看出哪些指標是同一類的，每一個指標以哪一公因子為主，其他公因子所佔比例如何，從而分析該指標的特點。還可根據貢獻率較大的幾個公因子中所包括的指標，來分析出各指標的主次關系。

對3699名中學生的調查數據作R型因子分析計算後，從貢獻率最大的5個公因子所包括的調查指標看，歸入第1公因子的7個指標，都和參加體育活動有關，因此把第一公因子命名為體育活動因子，歸入第2公因子的2個指標，是反映學生家長文化水平的學歷，歸入第3公因子的2個指標，是反映學生是否關心自己體質、健康的指標，歸入第4公因子的2個指標，是反映學校是否關心和組織學生體育活動的指標，歸入第5公因子的2個指標，是反映學生家長對體育運動的態度的指標。

從而可以分析出，對學生體質影響最大的第一因素是學生參加體育活動的情況，第二因素是家長的文化水平高低，第三因素是學生自己是否關心自己的體質、健康情況。第四因素是學校是否關心和組織學生參加體育活動，第五因素是家長是否喜愛體育活動是否支持學生參加體育活動。

因子分析的優點在於用一個或少數幾個綜合指標概括原始數據中盡量多的信息，它能夠實現對問題的高度概括，並揭示出一般的特徵和規律。本例通過因子分析的統計方法，從學生填在26個調查問卷中的信息，分析出了對學生體質影響的幾個主要因素。

❺ 問卷調查之後，怎麼整理數據

問卷調查之後，整理數據推薦使用問卷星，問卷星與傳統調查方式和其它調查網站或調查系統相比，問卷星具有快捷、易用、低成本的明顯優勢，已經被大量企業和個人廣泛使用。專業性值得信賴。

問卷星將數據層部署到客戶處，其他服務由問卷星提供，含應用層，安全服務等；採用內網將應用層和數據層連接起來，杜絕外網傳輸過程中被攻擊的可能。同時還能享受問卷星提供的各項安全服務。通過混合雲部署方案，既能滿足用戶對數據安全、可控性要求，相比於傳統的本地部署也更加靈活、成本更低。問卷星支持多種題型，可以設置跳轉、關聯和引用邏輯。支持微信、郵件和簡訊等方式收集數據，數據回收後可以進行分類統計、交叉分析，並且可以導出到Word、Excel、SPSS等。

想要了解更多關於調查問卷的問題，推薦咨詢問卷星 https://www.wjx.cn 問卷星擁有620萬優質樣本庫成員，16年專業調研技術團隊，可為企業提供商業調研服務，賦能企業市場決策；同時，問卷調查系統支持30多種題型，可以設置跳轉、關聯和引用邏輯；支持微信、郵件和簡訊等方式收集數據，數據回收後可以進行分類統計、交叉分析，並且可以導出到Word、Excel、SPSS等。專業團隊，值得信任！

❻ 調查問卷如何進行數據統計

方法很多，目前最好用的應該是由專業的調查公司開發的在線調查平台。如：我要調查網。她能發布問卷，回收問卷，而且能有效控制問卷的有效性，以及自動整理數據，真正實現「一鍵調查」服務。
希望可以幫助到你

❼ 問卷數據分析方法有哪些

1、描述性統計分析

包括樣本基本資料的描述，作各變數的次數分配及百分比分析，以了解樣本的分布情況。

2、Cronbach’a信度系數分析

信度是指測驗結果的一致性、穩定性及可靠性，一般多以內部一致性來加以表示該測驗信度的高低。信度系數愈高即表示該測驗的結果愈一致、穩定與可靠。

3、探索性因素分析和驗訌性因素分析

用以測試各構面衡量題項的聚合效度與區別效度。

4、結構方程模型分析

可同時處理多個因變數，容許自變數和因變數含測量誤差，可同時估計因子結構和因子關系。

❽ 調查問卷怎麼匯總整理

1、如本例，要求對下列表格按照銷售分部進行分類匯總。

主要內容：

1、標題：每份問卷都有一個研究主題。研究者應開宗明義定個題目，反映這個研究主題，使人一目瞭然，增強填答者的興趣和責任感，例如，「廠級幹部推薦表」，這個問卷的標題，把該廠人事部門的調查內容和范圍反映出來了。

2、說明：問卷前面應有一個說明。這個說明可以是一封告調查對象的信，也可以是指導語，說明這個調查的目的意義，填答問卷的要求和注意事項，下面同時填上調查單位名稱和年月日。問卷的說明是：問卷開頭主要包括引言和注釋，是對問卷的情況說明。

❾ 怎麼統計問卷調查數據啊

我們做問卷調查研究，一般的思路是：

設計問卷——收集數據——分析數據

一、問卷設計

1、從目標入手，找關鍵詞，結合研究目標設計題項。

問卷設計的最終目的是通過問卷收集數據，了解某個問題的原因狀況並且給出科學的建議。因此問卷題目的設置始終都要圍繞著目標展開。不用急於開始設計問卷，首先要確定好研究的主題，相信這不是什麼難事，有了這一點，接下來就好辦很多。 從這一主題入手可以看看，這個主題下可以細分出什麼關鍵詞。

比如，要研究「網購情況和社交媒體使用關系的情況」。從中可以看出，有兩個明顯的關鍵詞，「網購」和「社交媒體」，那麼接下來就可以用具體的問題表示這兩個關鍵詞。

2、問卷結構盡量簡單明了，便於後續分析。

問卷的題目不是一拍腦袋，想到什麼題目就加上什麼。每個問題都應該有它出現在那裡的道理。一份好的問卷一定會有一個清晰的結構框架。

比如上面例子提到的，「網購情況和社交媒體使用關系的情況」，可以圍繞著『』網購行為情況-網購態度情況--網購行為影響因素-社交媒體使用情況-社交媒體態度情況-社交媒體使用影響因素「這一線索設計題目。再加入一些共性的問卷題目，比如性別，年齡，學歷，收入，消費等基礎信息，一份比較完整的問卷就已經完成。

3、從數據分析角度入手設計問卷

如果思路上更偏向於差異關系研究，比如不同收入人群對於網購的態度差異。那麼收入是個關鍵詞，網購態度則可以使用比如規范的量表題進行設計，這樣便於進行方差分析對比差異性；如果不是使用量表題，那麼就可以考慮卡方分析進行研究。如果進行更多豐富的研究方法使用，則對應需要使用多樣的問題設計，並且預期上就需要進入差異對比的范疇。

如果思路上更偏向於研究影響關系，比如滿意度對於忠誠度的影響，看上去，滿意度和忠誠度均可以使用量表題進行表示，那設計成量表題沒有問題，因為可以使用線性回歸分析進行研究。除此之外，還有一種情況可以考慮，即logistic回歸，滿意度影響最終是否再次購買，是否再次購買被滿意度影響，這類情況是應該使用logistic回歸分析。如果是希望兩類研究方法均使用，此時滿意度對應的問題則需要有量表題，還有比如「是否願意再次購買」一類的定類數據問題。

如果預期數據需要進行統計上的信度分析，此時請記住一定需要設計成量表題，否則無法進行信度分析。以及如果預期思路上有分類，即比如將樣本分成3種人群，此時需要考慮使用更多規范的量表題數據。

二、收集數據

這一步主要就是發放問卷，可以先做預調研，確定問卷有效，問題表達准確，選項設置合理，就可以正式調研了。樣本數量對於量表類問卷，樣本量的常見標準是量表題項的5倍或者10倍，一般要在100以上；對於非量表類問卷，通常需要在200個以上。

三、數據分析

數據分析通常大家都會用SPSS進行分析，推薦使用SPSSAU，可以直接進行在線分析，「拖拽點一下」三步出結果，非常方便，小白也可以輕松完成分析工作。

很多時候，比較困擾我們的不是怎麼使用SPSS，而是看不懂指標，不知道怎麼解讀，SPSSAU針對這個問題，設計了智能化分析系統，可以對標你的數據進行智能化文字分析，結果一目瞭然，就不用再擔心看不懂的問題了。