分析问卷的方法和步骤

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

我的研究问题是关于 几个因素（几个自变量）如何影响一个因素（因变量，也可以分为几个小因变量）。我用的问卷获取数据，问卷中，每个变量用几个问题来衡量。

哪个牛人可以大概告诉我可以用哪些数据分析方法呢？遵循一个什么步骤呢？期待回复，非常感谢！！！！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：数据分析方法 非常感谢 分析方法 数据分析 因变量 请教 问卷 感谢

我也想了解!

那就一起等答案吧哈哈

首先要看影响因素即x的变量类型 是连续型、定序型、分类型。然后是y变量的类型。
可以考虑回归、方差分析等。
但变量类型不同使用的回归方法不同。
具体参考SPSS教材。
问卷还要信度效度检验。

jasonyangwh 发表于 2011-6-21 13:44
首先要看影响因素即x的变量类型 是连续型、定序型、分类型。然后是y变量的类型。
可以考虑回归、方差分析等。
但变量类型不同使用的回归方法不同。
具体参考SPSS教材。
问卷还要信度效度检验。

非常感谢您的解答！！问卷中我是用的7-point Likert scale，所以X和Y都应该属于连续性变量。

请问，大概步骤可否这样：首先，信度和效度检验，通过cronbach's alpha看信度，然后通过探索性因子分析看各构架的效度；然后进行简单回归分析；最后做方差分析。

请问方差分析用哪些方法比较好呢？

不好意思这么多问题，再次感谢！！！

结构方程模型也可以做

1# Missjanewang

需提供变量的测量水平，性质，题目选项等信息，才可以有针对性的回答你的问题。

bello 发表于 2011-6-21 15:18
结构方程模型也可以做

谢谢。请问结构方程式其中一种是不是验证性因子分析呢？利用SPSS可以做么？是不是必须要有事先的理论架构才能用这个方程式分析呢？可是我在现有文献中，只有找到的几个因素（自变量）分别对因变量的影响，并没有作为一个整合的整体的那种理论支持。能否也适用结构方程式呢？非常感谢！

kuangsir6 发表于 2011-6-21 16:32
1# Missjanewang

需提供变量的测量水平，性质，题目选项等信息，才可以有针对性的回答你的问题。

谢谢！！我的问卷中，出了基本信息以外，其他所有变量都是连续变量，由李克特量表来衡量（题目选项例如 1=完全不同意-----7=完全同意；1=从不----7=非常频繁）。问题主要是让员工根据自己实际情况来衡量自己日常工作表现，与同事和上级的关系，对公司一些制度的态度和看法。

盼答复，谢谢！！

1、数据分析遵循的原则：
① 数据分析为了验证假设的问题，提供必要的数据验证；
② 数据分析为了挖掘更多的问题，并找到原因；
③ 不能为了做数据分析而坐数据分析。

2、步骤：
①  调查研究：收集、分析、挖掘数据
②  图表分析：分析、挖掘的结果做成图表

3、常用方法：
利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等， 它们分别从不同的角度对数据进行挖掘。
　　①分类。分类是找出数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类，其目的是通过分类模型，将数据库中的数据项映射到某个给定的类别。它可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等，如一个汽车零售商将客户按照对汽车的喜好划分成不同的类，这样营销人员就可以将新型汽车的广告手册直接邮寄到有这种喜好的客户手中，从而大大增加了商业机会。
　　②回归分析。回归分析方法反映的是事务数据库中属性值在时间上的特征，产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系，其主要研究问题包括数据序列的趋势特征、数据序列的预测以及数据间的相关关系等。它可以应用到市场营销的各个方面，如客户寻求、保持和预防客户流失活动、产品生命周期分析、销售趋势预测及有针对性的促销活动等。
　　③聚类。聚类分析是把一组数据按照相似性和差异性分为几个类别，其目的是使得属于同一类别的数据间的相似性尽可能大，不同类别中的数据间的相似性尽可能小。它可以应用到客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分等。
　　④关联规则。关联规则是描述数据库中数据项之间所存在的关系的规则，即根据一个事务中某些项的出现可导出另一些项在同一事务中也出现，即隐藏在数据间的关联或相互关系。在客户关系管理中，通过对企业的客户数据库里的大量数据进行挖掘，可以从大量的记录中发现有趣的关联关系，找出影响市场营销效果的关键因素，为产品定位、定价与定制客户群，客户寻求、细分与保持，市场营销与推销，营销风险评估和诈骗预测等决策支持提供参考依据。
　　⑤特征。特征分析是从数据库中的一组数据中提取出关于这些数据的特征式，这些特征式表达了该数据集的总体特征。如营销人员通过对客户流失因素的特征提取，可以得到导致客户流失的一系列原因和主要特征，利用这些特征可以有效地预防客户的流失。
　　⑥变化和偏差分析。偏差包括很大一类潜在有趣的知识，如分类中的反常实例，模式的例外，观察结果对期望的偏差等，其目的是寻找观察结果与参照量之间有意义的差别。在企业危机管理及其预警中，管理者更感兴趣的是那些意外规则。意外规则的挖掘可以应用到各种异常信息的发现、分析、识别、评价和预警等方面。
　　⑦Web页挖掘。随着 Internet的迅速发展及Web 的全球普及， 使得Web上的信息量无比丰富，通过对Web的挖掘，可以利用Web 的海量数据进行分析，收集政治、经济、政策、科技、金融、各种市场、竞争对手、供求信息、客户等有关的信息，集中精力分析和处理那些对企业有重大或潜在重大影响的外部环境信息和内部经营信息，并根据分析结果找出企业管理过程中出现的各种问题和可能引起危机的先兆，对这些信息进行分析和处理，以便识别、分析、评价和管理危机。