发帖
雷达卡
本文针对量表类问卷设计和分析思路以及注意事项进行说明。
1使用量表的目的
在问卷设计中常把量表题设计为核心题项，原因是量表题可以将被调查者的回答转换成数字用于编码。经过量化处理后的数据，更方便进行统计分析，相比非量表题，可以使用更多的分析方法，得到更精确的分析结果。
2量表类问卷的设计框架
正是由于上述原因，量表题已被广泛的应用于各类问卷之中，包括影响关系研究，中介或者调节作用检验，指标权重计算，细分市场研究等。量表类问卷从设计结构上看可以分为六部分，分别是筛选题项，样本基本背景信息题项，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等。
(1) 筛选题项。 如果研究中需要进行样本筛选，需要将此类样本筛选题项设置在问卷前面部分，如果不需要进行筛选，可忽略此部分题项。
例如，针对90后员工离职影响因素调查数据，明显的研究样本一定需要为90后，因此需要首先设置筛选题项，如果非90后样本，即停止回答后续题项。
(2) 样本基本背景信息题项。 通常情况下，问卷中需要加入样本基本信息题项(人口学统计学变量)，比如性别，年龄，学历，月收入等题项，不同背景的样本，可能对同样一件事情有着不一致的态度，因此需要加入此类题项。
(3) 样本特征信息题项。 除样本基本信息题项外，通常情况下还需要设计样本基本特征信息题项，多数情况下，样本特征信息题项为非量表类题目，通常情况下，研究人员核心思路并非针对样本特征情况，因而此类题项的个数应该较少，建议3~8个之间。
例如，研究题目为“网络消费态度影响因素研究”，则可以加入相关网络消费基本现状特征题项，如当前网购频率情况，样本网购的商品类目情况，以及网购消费金额情况，网购消费平台情况等，用于深入了解样本特征情况。
此类题项多为单选题和多选题，常见的统计方法是计算频率(无法使用信度分析或者效度分析)，直观展示各选项选择情况。以及可以使用卡方分析进行差异对比，对比不同类别样本,比如不同网购消费金额的样本对于其余题项的态度差异。
(4) 样本基本态度题项。 除开样本基本背景信息，样本基本特征外，还可能涉及样本基本态度情况题项，此类题项基本上均为非量表题项。通常情况下后续分析时会对其进行频率统计，以了解样本的基本态度情况。
例如，研究者可以通过此类题项，了解样本对于当前网购的消费态度，网购的前景态度，也或者网购平台的态度情况等。
(5) 核心变量题项。 此部分为量表类问卷研究的核心内容，题量上最多，并且此部分通常情况下均为量表类题项。适用于各种统计方法，包括信度分析，效度分析，相关分析，回归分析，因子分析，聚类分析等。
例如，研究“90后离职倾向影响因素”，具体影响因素上可分为以下五个方面，分别是薪酬福利、人际关系、工作本身、价值观，成就发展和企业文化。明显地，研究人员需要针对此五方面分别设计题项，每项因素可能由多个题项组成(建议每个最小维度由4~7个题项组成)，因此五项因素总共涉及题项约为28个。以及研究影响因素对于离职倾向(Y)的影响，自然还需要题项询问样本离职倾向态度。
(6) 其它题项。 如果研究目的在于对样本聚类，可将样本细分为几类，设计对应题项用于收集某类样本的态度情况，并且针对每类样本提供个性化建议。
例如，消费者对某类潜在新产品的选择偏好情况，此时可以设计题项单独问及某类潜在产品的需求偏好或者态度情况。研究人员基于这样的思路，结合相关题项将样本进行聚类，并且设计一款新型雾霾保险产品，分析不同类别样本对该产品的偏好差异，最终针对不同类别人群提供不同的保险产品选择。
3量表类题项设计注意事项
（1）量表题项需要有参考文献支持
量表题项设计需要有文献参考依据，结合相关研究文献参考进行设计，或者直接借用相关文献题项设计，不能随意主观设计题项，以免导致后续信度，效度不达标。
（2）研究变量（或维度）对应的题目数量是否合适
每个最小维度(方面)尽可能由4~7个题项去表示，避免后续分析过程中出现信度或者效度不达标现象，并且每个维度由多个题项表示，可以更好的表达对应维度(方面)的概念信息，更具说服力。
（3）研究影响关系，需要设计对应因变量Y的题目
如果研究变量影响关系，即X对于Y的影响情况，需要有因变量Y的对应题项，否则会导致后续无法进行相关分析或者回归分析的尴尬，比如研究工作满意度的影响情况，题项中涉及到各个可能影响满意度的因素对应题项，但是并没有体现样本整体工作满意度的题项，此类问卷无法进行相关分析和回归分析,无法使用回归分析研究各类因素对于工作满意度的影响关系。
（4）反项题正向处理
出于语言修辞的问题，有时一定需要使用反向题问法或者量表来源即有反向题，此种情况需要对数据进行重新编码处理。如果并非必要，研究人员可以将反向题进行正向处理。
京公网安备 11010802022788号
