问卷数据汇总的方式有哪些

❶ 数据收集的四种常见方式

数据收集的四种常见的方式包括问卷调查、查阅资料、实地考查、试验，几种方法各有各的又是和缺点，具体分析如下。

四是实验。实验设计数据是四种方法中最耗时间的一种，因为它是通过各种各样的实验来得到一个统一的方向，也就是说，在这个过程中，可能有无数次的失败。但是实验得到的数据是最准确的，而且可能会推动某个行业的进步。所以，实验收集数据的优点是数据的准确性很高，而他的缺点就是未知性很大，不管实验的周期还是实验的结果都是不确定性的。

随着科技的发展和大数据时代的到来，收集数据越来越容易，而大家也应该更注重于保护和利用数据。

❷ 问卷的设计与数据收集方法有哪些

调查问卷设计的一般步骤与方法  从一次问卷调查开始到正式的测试，其基本步骤是： 

1、   根据研究目的与假设，收集所需资料； 

2、   研究问卷形式，可以从研究者的时间、研究范围、对象、分析方法和解释方法等方面考虑； 

3、   列出标题和各部分项目； 

4、   征求意见，修订项目； 

5、   试测，以30—50人为试测样本，求出信度、效度； 

6、   进行项目分析，重新修订； 

7、   正式测试。

问卷通常由卷首语、指导语、主体等部分组成。 

（一）卷首语包括以下内容： ①自我介绍（让调查对象明白你的身份或调查主办的单位）；②调查的目的（让调查对象了解你想调查什么）； ③回收问卷的时间、方式及其他事项（如告诉对方本次调查的匿名性和保密性原则，调查不会对被调查者产生不利的影响，真诚地感谢受调查才的合作，答卷的注意事项等）。 指导语旨在告诉被调查者如何填写问卷，包括对某种定义、标题的限定以及示范举例等内容。

二）   问卷的主体，即问题，一般有开放式和封闭式两种。 

①开放式问题就是调查者不提供任何可供选择的答案，由被调查者自由答题，这类问题能自然地充分反映调查对象的观点，态度，因而所获得的材料比较丰富，生动，但统计和处理所获得的信息的难度较大。可分为填空式和回答式。 

②封闭式问题的后面同时提供调查者设计的几种不同的答案，这些答案既可能相互排斥，也可能彼此共存，让调查对象根据自己的实际情况在答案中选择。它是一种快速有效的调查问卷，便于统计分析，但提供选择答案本身限制了问题回答的范围和方式，这类问卷所获得的信息的价值很大程度上取决于问卷设计自身的科学性、全面性的程度。 

封闭式问题又可分为；  是否式（把问题的可能性答案列出两种相矛盾的情况，请被调查人从中选择其一“是”或“否”、“同意”或“不同意。）  选择式（每个问题后列出多个答案，请被调查人从答案中选择自己认为最合适的一个或几个答案并作上记号）  评判式（后面列有许多个答案，请被调查人依据其重要性评判等级，又称为排列式，是数字表示排列的顺序）     

为了提高问卷的信度和效度，问卷设计时需要注意以下问题： 

①问卷中所提的问题，应围绕研究目的来编制，力求简单、明了，含义准确。不要出现双关语，避免片面和暗示性的语言。如“太阳底下最光辉的职业是教师，你喜欢教师职业吗？”  ②问题不要超过被调查者的知识、能力范围。如对小学生的问卷出不要出现“你认为哪家商场的营销比较疲软的问题。  ③问题排列要有一定的逻辑次序，层次分明。问卷的目的、内容、数据、卷面安排标准答案等都要认真地推敲和设计。  ④调查表上应有留给供人填写答案的足够空间，并编有填写调查单位的名称、填表人的姓名和填表年月日的栏目。  ⑤问卷形式可以封闭式和开放式相结合，问题数量要适度，一般应控制在30个问题以内，最好在20分钟内能答完。  ⑥为使调查结果更为客观、真实，问卷最好采用匿名回答的方式。  设计问卷的内容要符合实际情况。一般来说，问卷设计前要摸底，对组内全体成员进行使用问卷调查的培训，并在小范围内进行试测，反复修改设计的问卷，以期与实际情况相符合，并便于对结果进行处理   如果单讲问卷的设计步骤，则包括五个层次：问卷的理论构思与目的、问卷的具体形式或格式、问卷项目的语句和问卷的用词。 

在进行问卷设计时，首先要明确各层次的具体设计要求，以便确定问卷的结构和设计重点。问卷设计中的第一个层次是问卷量表的构思与目的。不同的目的和理论依据，决定了问卷项目的总体安排、内容和子量表的构成。第二个层次是问卷的具体形式或格式。例如，应该采用什么样的量表？量表应采取多少个等级（量表的点数）？是用奇数还是用偶数量表？量表上文字说明该用多少？等等。这些都是在第二个层次需要考虑的。  问卷设计的第三个层次是问卷的语句。注意事项如前所述。问卷的第四个层次是用词，总的要求是避免过于抽象、一般的词语，防止反应定势。  第五个层次是项目的编排。应从一般开始，越来越具体，比如先排对学习或工作的整体看法的项目，然后了解有关学习或工作环境、奖励和团体等方面的具体问题。还应该把影响情绪的问题安排在问卷结束部分，比如，年龄、工作、身体状况等，这也是问卷设计的惯例，因为如果受试者认为这些项目涉及隐私而拒绝回答时，重要的信息在前面已经得到了。此外，在项目排列上还应注意顺序效应，即排在前面的问题有可能会后面问题的回答造成影响，要设法避免。

我要调查，让调查更简单方便！

❸ 问卷数据汇总的方式有哪几种

有三种方法，数据汇总方法:收回6张表按顺序粘贴到一个表中,例如原来6张表、500行、4列,粘贴后1张表、3000行、4列,也许是2995行,如果每张表都有表头的话、只需要保留第一张即可。

❹ 问卷调查所能用的统计方法

1. 调查的样本量太小，计算出的结论可靠性不高。

例如看到一些研究生的论文，只发了几十份问卷调查表，就根据统计到的百分比写下十分肯定的结论。其实，是有问题的。

例如：调查“你对××活动喜欢的程度”，调查了45人。调查结果：非常喜欢2人，喜欢5人，一般10人，不太喜欢13人，不喜欢15人。作者统计出：喜欢和非常喜欢的共7人占调查人数45人的15.5%，不太喜欢和不喜欢的共28人，占62.2%。并根据15.5%和62.2%来进一步写结论。

但是，他忽略了调查的样本计算出率以后，还应该计算率的标准误和置信区间。如本例喜欢率为15.5%。还应该计算率的标准误Sp。

_________ _________________

本例，喜欢率的标准误 Sp =√P(1-P)/n = √15.5(100-15.5)/45 = 5.39 %

按样本量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, 根据喜欢率15.5 %、标准误5.39 % 和t0.05的值,可计算出：

95% 置信区间：15.5±2.02×5.39＝4.6%～26.4%。(置信区间上下限的差值高达21.8%)。

95% 置信区间的含义是，如果用样本的喜欢率15.5%来估计总体的喜欢率时，有95%的可能是在4.6%～26.4%的区间之间。这样高达21.8%的区间意味着15.5%是不太可信的。

但是，如果扩大样本量到450人，4500人，而统计出的喜欢率也是15.5%。由于调查的样本量扩大了，标准误 Sp会缩小，计算出的95% 置信区间也就缩小为12.2%～18.8%和14.4%～16.6%。这时用样本率估计总体率时，上下限的差值很接近15.5%，才是可信的。

2. 调查数据的统计分析过于简单。

目前看到的调查数据统计分析大都比较简单。只是计算各个问卷指标的百分比，如上面举例的喜欢率15.5%等等。

要避免统计分析过于简单，首先，在做调查表设计时，就事先要考虑好调查数据的统计分析方法。例如同样是调查“你对××活动喜欢的程度”，除了要扩大调查样本量外，在调查表中增加调查性别和年龄。这样就可以采用一种较为复杂的方法——交叉分析。交叉分析是分析“年龄”、 “性别”和“对××活动喜欢程度”三个变量之间的关系。假设不分类统计时，喜欢率是15.5%。交叉分析后就会发现由于性别的不同，年龄段的不同喜欢率是不同的。

例如：2005年国民体质监测问卷调查中，对“睡眠时间”的统计分析，如果只是简单地计算某市成年男子2473人的问卷，只能统计出：睡眠6小时以下的人为13.4%，睡眠6～9小时的73.6%，睡眠9小时以上的13%。但是，如果增加年龄因素，分年龄段进行统计就可以看到，各年龄段的百分比是不同的（统计表略）。利用分年龄段的百分比还可以画出折线图（图略）。从图上更可以清楚的显示出：随着年龄增加，睡眠时间逐渐减少的趋势。

上述统计分析方法比较简单。但是，仅靠简单的统计方法来处理问卷调查数据是十分可惜的，因为大量的数据信息还没有充分利用。所以，设计问卷时，就应该注意到，让收集到的调查数据能做多因素统计分析（如：回归分析，因子分析等）。下面是我帮助或指导有关单位做过的统计分析实例：

例1：2005年国民体质监测的调查问卷内容中，包括了各人的文化程度，职业，工作、生活和体育锻炼等方面的许多问题。为了分析这些调查内容和各人的体质有什么关系，找出哪些因素对体质的好坏特别有关？在进行统计分析时，就需要把体质监测的指标和问卷调查的内容联系起来进行统计。

在成年组调查问卷内容中可进行计算的12个问题是：受教育程度，职业，平均每周工作时间，平均每天睡眠时间，睡眠质量，平均每天步行时间，平均每天坐姿活动时间，吸烟状况，运动感受，平均每周锻炼次数，平均每次锻炼时间，坚持锻炼时间。把这些作为X1, X2, ……X12，再把每个人体质监测中的体质总分作为Y，就可以进行逐步回归分析计算。

某省成年男甲组4242人的数据用逐步回归分析计算结果是：从12个指标中依次选出了X 1 (受教育程度)，X12 (坚持锻炼时间)， X10(平均每周锻炼次数)，X7(平均每天坐姿活动时间) 4个指标。得到回归方程：

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

复相关系数 R= 0.296

根据回归方程的系数就可以知道：受教育程度高，平均每周锻炼次数多，坚持锻炼时间长，平均每天坐姿活动时间少的人体质总分就高。反之就低。而这个结论只做一般的调查表百分比统计，是得不到的。

例2：某市开展《超重与肥胖人群运动与营养综合干预实验研究》12周后，对参加者进行了问卷调查，内容有：每天进餐情况（分为：五分饱，八分饱，十分饱），每周快走次数（分为：3次以下，3次，4次，5次及以上），每次快走时间（分为：30分钟以内，30～60分钟，60～90分钟，90分钟以上），每次快走距离（分为：3公里以下，3～4公里，5公里及以上）等。

如果仅统计各个问卷内容的百分比，只能计算出如：每次快走时间30分钟以内的29人占22.1%，30～60分钟的47人占35.9%，60～90分钟的19人占14.5%，90分钟以上的36人占27.5% 等等，这样的统计结果并不能说明什么问题。更无法分析出哪些是对减肥有效果的因素。

但是，把问卷调查的内容与参加12周实验后各人体重下降值联系起来统计，情况就不同了。如可以分别计算出：每周快走次数、每次快走时间等指标与体重下降值的相关系数。当计算出以上指标都和体重下降值呈中度或低度相关时，还可以进一步用回归分析的方法计算出标准回归系数或偏回归平方和来分析各指标对体重下降的作用大小。

本例有131人参加实验，为了用数学表达式来描述：饮食、运动量和降体重的关系。把调查表内容转换成数字后，选择了X1（每天进餐情况）、X2（每周快走次数）、X3（每次快走距离）与Y（体重下降值）计算出三元回归方程：

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

复相关系数 R = 0.4966

从回归方程可以看到，在吃八分饱的情况下，增加每周快走次数和每次快走距离，降体重的效果更好。

可见，当采用了多元回归分析方法后，可以充分利用调查表里的信息从而获得比简单的统计百分比更多的研究结果。

例3：某市对学生体质下降原因进行调研时，设计的调查表内容包括：学生、家长、学校等方面30多项指标。为了分析调查的各指标对学生身体素质影响的主次关系，从调查表中选出可进行因子分析计算的26个指标进行了R型因子分析计算。

R型因子分析通过计算，可找出控制着所有指标的几个主要因素。计算后，原来的许多指标重新组合成较少的几个新的综合指标──公因子。这些公因子相互独立而且反映了原来指标的绝大部分信息。通过R型因子分析的结果，可以看出哪些指标是同一类的，每一个指标以哪一公因子为主，其他公因子所占比例如何，从而分析该指标的特点。还可根据贡献率较大的几个公因子中所包括的指标，来分析出各指标的主次关系。

对3699名中学生的调查数据作R型因子分析计算后，从贡献率最大的5个公因子所包括的调查指标看，归入第1公因子的7个指标，都和参加体育活动有关，因此把第一公因子命名为体育活动因子，归入第2公因子的2个指标，是反映学生家长文化水平的学历，归入第3公因子的2个指标，是反映学生是否关心自己体质、健康的指标，归入第4公因子的2个指标，是反映学校是否关心和组织学生体育活动的指标，归入第5公因子的2个指标，是反映学生家长对体育运动的态度的指标。

从而可以分析出，对学生体质影响最大的第一因素是学生参加体育活动的情况，第二因素是家长的文化水平高低，第三因素是学生自己是否关心自己的体质、健康情况。第四因素是学校是否关心和组织学生参加体育活动，第五因素是家长是否喜爱体育活动是否支持学生参加体育活动。

因子分析的优点在于用一个或少数几个综合指标概括原始数据中尽量多的信息，它能够实现对问题的高度概括，并揭示出一般的特征和规律。本例通过因子分析的统计方法，从学生填在26个调查问卷中的信息，分析出了对学生体质影响的几个主要因素。

❺ 问卷调查之后，怎么整理数据

问卷调查之后，整理数据推荐使用问卷星，问卷星与传统调查方式和其它调查网站或调查系统相比，问卷星具有快捷、易用、低成本的明显优势，已经被大量企业和个人广泛使用。专业性值得信赖。

问卷星将数据层部署到客户处，其他服务由问卷星提供，含应用层，安全服务等；采用内网将应用层和数据层连接起来，杜绝外网传输过程中被攻击的可能。同时还能享受问卷星提供的各项安全服务。通过混合云部署方案，既能满足用户对数据安全、可控性要求，相比于传统的本地部署也更加灵活、成本更低。问卷星支持多种题型，可以设置跳转、关联和引用逻辑。支持微信、邮件和短信等方式收集数据，数据回收后可以进行分类统计、交叉分析，并且可以导出到Word、Excel、SPSS等。

想要了解更多关于调查问卷的问题，推荐咨询问卷星 https://www.wjx.cn 问卷星拥有620万优质样本库成员，16年专业调研技术团队，可为企业提供商业调研服务，赋能企业市场决策；同时，问卷调查系统支持30多种题型，可以设置跳转、关联和引用逻辑；支持微信、邮件和短信等方式收集数据，数据回收后可以进行分类统计、交叉分析，并且可以导出到Word、Excel、SPSS等。专业团队，值得信任！

❻ 调查问卷如何进行数据统计

方法很多，目前最好用的应该是由专业的调查公司开发的在线调查平台。如：我要调查网。她能发布问卷，回收问卷，而且能有效控制问卷的有效性，以及自动整理数据，真正实现“一键调查”服务。
希望可以帮助到你

❼ 问卷数据分析方法有哪些

1、描述性统计分析

包括样本基本资料的描述，作各变量的次数分配及百分比分析，以了解样本的分布情况。

2、Cronbach’a信度系数分析

信度是指测验结果的一致性、稳定性及可靠性，一般多以内部一致性来加以表示该测验信度的高低。信度系数愈高即表示该测验的结果愈一致、稳定与可靠。

3、探索性因素分析和验讧性因素分析

用以测试各构面衡量题项的聚合效度与区别效度。

4、结构方程模型分析

可同时处理多个因变量，容许自变量和因变量含测量误差，可同时估计因子结构和因子关系。

❽ 调查问卷怎么汇总整理

1、如本例，要求对下列表格按照销售分部进行分类汇总。

主要内容：

1、标题：每份问卷都有一个研究主题。研究者应开宗明义定个题目，反映这个研究主题，使人一目了然，增强填答者的兴趣和责任感，例如，“厂级干部推荐表”，这个问卷的标题，把该厂人事部门的调查内容和范围反映出来了。

2、说明：问卷前面应有一个说明。这个说明可以是一封告调查对象的信，也可以是指导语，说明这个调查的目的意义，填答问卷的要求和注意事项，下面同时填上调查单位名称和年月日。问卷的说明是：问卷开头主要包括引言和注释，是对问卷的情况说明。

❾ 怎么统计问卷调查数据啊

我们做问卷调查研究，一般的思路是：

设计问卷——收集数据——分析数据

一、问卷设计

1、从目标入手，找关键词，结合研究目标设计题项。

问卷设计的最终目的是通过问卷收集数据，了解某个问题的原因状况并且给出科学的建议。因此问卷题目的设置始终都要围绕着目标展开。不用急于开始设计问卷，首先要确定好研究的主题，相信这不是什么难事，有了这一点，接下来就好办很多。 从这一主题入手可以看看，这个主题下可以细分出什么关键词。

比如，要研究“网购情况和社交媒体使用关系的情况”。从中可以看出，有两个明显的关键词，“网购”和“社交媒体”，那么接下来就可以用具体的问题表示这两个关键词。

2、问卷结构尽量简单明了，便于后续分析。

问卷的题目不是一拍脑袋，想到什么题目就加上什么。每个问题都应该有它出现在那里的道理。一份好的问卷一定会有一个清晰的结构框架。

比如上面例子提到的，“网购情况和社交媒体使用关系的情况”，可以围绕着‘’网购行为情况-网购态度情况--网购行为影响因素-社交媒体使用情况-社交媒体态度情况-社交媒体使用影响因素“这一线索设计题目。再加入一些共性的问卷题目，比如性别，年龄，学历，收入，消费等基础信息，一份比较完整的问卷就已经完成。

3、从数据分析角度入手设计问卷

如果思路上更偏向于差异关系研究，比如不同收入人群对于网购的态度差异。那么收入是个关键词，网购态度则可以使用比如规范的量表题进行设计，这样便于进行方差分析对比差异性；如果不是使用量表题，那么就可以考虑卡方分析进行研究。如果进行更多丰富的研究方法使用，则对应需要使用多样的问题设计，并且预期上就需要进入差异对比的范畴。

如果思路上更偏向于研究影响关系，比如满意度对于忠诚度的影响，看上去，满意度和忠诚度均可以使用量表题进行表示，那设计成量表题没有问题，因为可以使用线性回归分析进行研究。除此之外，还有一种情况可以考虑，即logistic回归，满意度影响最终是否再次购买，是否再次购买被满意度影响，这类情况是应该使用logistic回归分析。如果是希望两类研究方法均使用，此时满意度对应的问题则需要有量表题，还有比如“是否愿意再次购买”一类的定类数据问题。

如果预期数据需要进行统计上的信度分析，此时请记住一定需要设计成量表题，否则无法进行信度分析。以及如果预期思路上有分类，即比如将样本分成3种人群，此时需要考虑使用更多规范的量表题数据。

二、收集数据

这一步主要就是发放问卷，可以先做预调研，确定问卷有效，问题表达准确，选项设置合理，就可以正式调研了。样本数量对于量表类问卷，样本量的常见标准是量表题项的5倍或者10倍，一般要在100以上；对于非量表类问卷，通常需要在200个以上。

三、数据分析

数据分析通常大家都会用SPSS进行分析，推荐使用SPSSAU，可以直接进行在线分析，“拖拽点一下”三步出结果，非常方便，小白也可以轻松完成分析工作。

很多时候，比较困扰我们的不是怎么使用SPSS，而是看不懂指标，不知道怎么解读，SPSSAU针对这个问题，设计了智能化分析系统，可以对标你的数据进行智能化文字分析，结果一目了然，就不用再担心看不懂的问题了。