问卷调查设计spss

/4.3问卷调查问卷设计的原则为了运用户访谈获得所须要的数据，保证数据的精确性和一样性，以及所得到的数据能够有效地被处理和分析，本次调查问卷的设计遵循一下基本原则：（1）问卷必需精确反映模型变量的含义用户培训满意度调查问卷是测评模型的详细化。在设计问卷的过程中，必需淮确把握测评模型中各个变量的含义，并据此提出相关的调查问卷题项。只有这样，调查结果才有可能比较精确地反映测评模型拟达到的目标。在这一点上，应特殊留意如何把相对抽象的观测变量精确地转换成问卷题项。（2）问题必需易于用户理解用户培训指数所调查和测评的内容主要是用户对公司供应的培训服务质量问题的主观评价，即用户对这些问题的感知和看法。对于用户感知和看法的调查和测评涉及到经济学、心理学、统计学、消费行为学等多方面的学问，其难度远远高于传统意义上对技术指标的调查。如何通过调查问卷的设计，将困难的、抽象的调查内容和指标转化为简洁使被调查者理解并做出精确回答的详细问题，这是调查问卷设计环节的核心问题，也是保证用户培训满意度调查质量的关键。（3）问题排列次序要有利于回答合理的问题排列次序对用户精确地回答问题也是重要的。合理的排列次序包括两个方面，一是指哪些问题应当先问，哪些问题应当后问；二是指哪些问题应当连续问，哪些问题应当分开问。一般状况下，用户情愿回答的问题应当放在前面，用户不情愿问答的问题应当放在后面；用户简洁回答的问题应当放在前面，用户不简洁回答的问题放在后面；在模型因果关系中，缘由的问题应当放在前面，结果的问题应当放在后向。至于问题应当连续提问还是分开提问，主要取决于问题之间的逻辑关系，也包括思维的连续性。依据结构变量的逻辑关系排列问题，有助于被访问用户一步一步作答；将结构变量所包含的观测变量问题放在一起，能够使被访问用户较少地产生时空的跳动，精确地回答问题。（4）调查问卷应当加入人口统计问题在用户培训指数的调查问卷中，除了要对测评模型中的全部观测变量设计访谈问题，还应有必要的人口统计问题，如被访问者的年龄、学历、组织性质、组织规模和组织行业等。这是因为在对用户培训满意指数进行分析时，这些人口统计数据将帮助供应详细的分析结论。（5）尽量接受便于数据处理的封闭式问题开放式问题更适合探究性探讨，而非推断性探讨。用户培训满意指数的调查和分析总体上说是推断性探讨，用户培训满意度指数的调查范围很大，数据处理和分析的工作量也很大。这就要求调查问卷的设计应重点接受封闭式问题，以便数据的录入、整理、计算和分析。问卷测评指标的量化用户培训满意度测评的本质是一个量化分析的过程，即用数字来反映顾客对公司用户培训服务质量的看法，因此须要对测评指标进行量化。由于用户培训满意度反映的是用户对培训过程的看法、偏好和看法，所以本探讨运用看法测量技术对测量指标进行量化。量表中用数字表征看法的特征出于两个目的。首先，数字便于统计分析；其次，数字使看法测量活动本身变得简洁、清楚和明确。由于李克特量表比较简洁设计和处理，受访用户也简洁理解，在邮寄问卷、电话访问和人员访谈中都运用。本探讨接受5级依次的李克特量表。本探讨接受的5级看法量表有三种，一种干脆用于测量满意程度，为：很不满意、比较不满意、一般、比较满意、很满意，相应赋值为1、2、3、4、5；其次种用于测量培训服务达到的培训效果以及用户期望（或志向）的程度，为：大大低于预期（志向）、低于预期（志向）、和预期（志向）一样、高于预期（志向）、大大高于预期（志向），相应赋值为1、2、3、4、5。问卷的发放及收集本次调查，主要针对于近三个月内到徐工筑路公司进行培训的用户，如受访者在近三个月未到徐工筑路公司进行培训，则访问终止。本次调研接受网络问卷调研和电话访谈问卷调研两种方式。抽样方式为简洁随机抽样，依据用户培训留下的记录以及反馈信息，发出电子邮件网络问卷100份，发出对象主要为购买徐工筑路公司产品的用户，回收有效问卷28份；电话访问10位，主要对象为培训反馈记录中部分埋怨比较多的用户，回收有效问卷4份，共计回收有效问卷32份。5徐工筑路公司用户培训满意度测评结果及分析本文运用SPSS13.0对收集到的数据进行分析，主要接受了描述性统计分析、主成分分析、相关分析、回来分析，详细分析如下：5.1样本特征分析表5-1样本的特征（N=32）人口统计变量类型人数百分比年龄20岁及以下13.1%21岁~30岁1650.0%31岁~40岁721.9%41岁~50岁618.8%51岁以上26.3%学历中学及以下928.1%大专及本科2268.8%探讨生及以上13.1%组织性质国有企业1340.6%三资企业1134.4%国家或地方基层项目26.3%实业单位515.6%组织行业制造业26.3%建筑业1753.1%房地产业928.1%交通运输业1237.5%由上表可知，样本属性分布比较合理，样本结构比较合理，对调研对象总体有确定的代表性。其中本次调研对象的学历大多是大专及本科，占68.8%，样本的年龄分布主要集中在21-30岁和31-40岁区间，这两部分共计23人，占71.9%。同时，用户所在组织的性质国有企业占了40.6%，组织的行业也集中在建筑业，占53.1%。整体来看本次调研的接受徐工筑路公司用户培训的人员中，学历大多都是大专及本科，年龄层主要集中在21-30岁和31-40岁区间的中青年阶层，同时他们的组织性质和行业也是很符合工程机械用户的要求，因此本探讨调研样本抽取的比较合适。本次调研的对象为最近三个月到徐工筑路公司进行过用户培训的用户，且具有确定的行为实力和相识实力，因此对于本调研有比较形象和直观的相识、理解，他们的回答在很大程度上能够反映徐工筑路公司用户培训满意度影响因素的真实状况，因此调研结果是较为可信的。5.2样本效度检验效度也称为测量的有效性或精确度，它是指测量工具或手段能精确真实地测出所要测量变量的程度。效度一般规定为和测量目的有关的分数的方差在总方差中所占的比例，比例越高说明测量精确程度越好。一般而言，有两种统计方法考察主成分分析和数据之间的适应程度来确定分析的有效性：巴利特(Bartlett)球体检验法和KMO(KaiserMeyerOlkin)测量法。巴利特(Bartlett)球体检验法，统计量从检验整个相关矩阵动身，其零假设为相关矩阵是单位阵，各变量之间彼此独立。假如不能拒绝该假设的话，应当重新考虑因子分析的运用。其统计量依据相关矩阵行列式的卡方转换求得。KMO(Kaiser-Meyer-OlkinMeasureofSamplingAdequacy)测度从比较宏观观测变量之间的简洁相关系数和偏相关吸取的相对大小动身，其值的变更范围从0到1。通常按以下标准说明该指标值的大小：0.9以上，特殊好；0.8以上，好；0.7，一般；0.6，差；0.5，很差；0.5以下，不能接受。因本论文接受的因子分析中确定因子载荷矩阵的方法接受主成分分析方法，首先须要对数据进行KMO及Bartlett球度检验，经Bartlett检验表明Bartlett值足够大，且p<0.05即相关矩阵不是单位矩阵，可进行主成分分析，其中KMO值均大于0.5，都属于可接受的范围之内。均为可进行主成分分析范围，且分析的结果较好，在每组分析中关注代表了该组共性的主要成分。并通过学习特征值来推断选取该潜在变量是否合理，一般状况下，所创建的每一个主成分都是大于1的特征值，和此同时其他成分的特征值小于1。假如主成分分析中获得的公因子能说明50%以上的变异，而且问卷中每个问项在相应的公因子上有足够强度的负荷(大于等于0.6)，则认为具有较好的结构效度。本文将32条样本数据录入到SPSS13.0中，然后对企业形象、感知质量、培训效果、比较满意度各变量对应的详细项目的得分进行因子分析，接受主成分分析及方差最大化正交旋转方法。5.2.1企业形象指标效度分析表5-2企业形象指标效度检验结果（N=32）KMOandBartlett'sTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy..651Bartlett'sTestofSphericityApprox.Chi-Square17.337df3Sig..001由上表可知，企业形象变量的KMO值为0.651大于0.5，处于可接受范围并Bartlett球度检验给出的相伴概率为0.001<0.05，说明因子的相关系数矩阵非单位矩阵，能够提取最少的因子同时又能说明大部分的方差，即效度可以，适合进行主成分分析。公共因子对总方差的累计说明率为67.885%，测量项目的因子载荷较高，说明数据质量较好。5.2.2感知质量指标体系效度分析表5-3感知质量指标的效度检验结果（N=32）由上表可知，感知质量对应的KMO值为0.575，Bartlett球度检验给出的相伴概率为0.000<0.05，适合进行主成分分析。可以看出，5个公共因子对总方差的累计说明率为73.682%，14个测量项目能较好地分布在5个潜在的公共因子上，而且，负荷值较高的测量项目分别对应5个潜在的公共因子，说明测量项目结构比较志向，数据质量较高。5.2.3培训效果指标的效度分析表5-4培训效果指标的效度检验结果（N=32）TotalVarianceExplainedComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%11.86356.56756.5671.86356.56756.5672.96524.12270.6893.71317.83188.5204.45911.480100.000ExtractionMethod:PrincipalComponentAnalysis.由表5-4可知，KMO值为0.595，在可接受范围内，Bartlett球度检验给出的相伴概率为0.018<0.05，适合做主成分分析。公共因子对总方差的累计说明率为56.567%，大于50%，各项目的因子载荷较高，数据结构比较牢靠，效度较好。5.2.4比较满意度指标的效度分析表5-5比较满意度指标的效度检验结果（N=32）KMOandBartlett'sTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy..630Bartlett'sTestofSphericityApprox.Chi-Square12.217df3Sig..000 由上表可知，KMO值为0.630，可以接受，Bartlett球度检验给出的相伴概率为0.000<0.05，适合做主成分析。公因子对总体方差的累计说明率为79.115%，大于50%，各项目的因子载荷较高，数据结构比较牢靠，较为志向。5.3样本信度检验信度又叫牢靠性，是指测验的可信程度，主要检验测量结果和测量工具的稳定性和一样性。信度分析是社会探讨中检验问卷的有效分析方法，因此本文接下来将对探讨数据进行信度分析以确保问卷全部问项具有高度的牢靠性和一样性。信度可以界定为真实分数的方差和视察分数方差的比例。假如一个因子结构的信度高，表明结构内变量的一样性好，结构稳定。信度检验常用的方法有“再测信度”和“同质信度”两种方法，“再测信度”，即用同一问卷对同一样本在进行第一次调查后，间隔一段时间后再进行其次次调查，求两次调查结果的相关系数，即得“再测信度”。考虑到实施的难度和客观条件限制，本论文舍弃再测信度而接受同质信度来检验问卷的信度。“同质信度”，即问卷项目之间的同质性，或内部一样性，论文主要接受考察量表的内部一样性的来进行检验。（5-1）其中：K表示变量结构中项目的总数，为第个项目观测量的结构内方差，为K个变量的方差之和，为总方差（全部观测之和的方差）。美国统计学家海尔（JesephF.HairJr）、安德森（Jr.RolphE.Anderson）、泰森（RonaldL.Tathan）和布莱克（WilliamC.Black）指出：大于0.7，以表明数据信度较高；计量尺度中的项目数小于6个时，大于0.60，表明数据是牢靠的；在0.5以下要重新修改结构，剔除无关变量。本文应用SPSS13.0统计软件逐个对各因子结构进行信度分析，得出的值，其内部一样性(即信度检验)检验结果如下表（表5-6）所示：表5-6用户培训满意度指标的信度检验结果企业形象感知质量 ReliabilityStatisticsCronbach'sAlphaNofItems.7192培训效果用户培训满意度由上表可知，培训效果的只有0.616，最低，主要是由于其标识的四个指标中的“行为改进”和“组织绩效”的滞后性，后期调查中，用户对于“自身获得技能”和“工作行为改进程度”比较认可，指标的数值在4左右，而对组织的“经营状况”和“工作效益提高程度”感受不到，数值却普遍偏低，普遍数值都在3甚至以下，所以培训效果变量的偏低是可以理解的，但无论如何0.616还是达到了可以接受的程度。而其他各变量的均大于0.60，部分系数超过了0.80，总的来说整个探讨变量的内部一样性和稳定性良好，牢靠程度可以接受。说明探讨变量的相应度量指标之间具有较强的相关性，也就是说本探讨的问卷具有较好的信度，可以进行下一步计算。5.4相关性检验相关性检验是探讨各变量之间密切程度的一种统计分析方法。相关系数即定义为描述两个变量间线性关系程度和方向的统计量。相关系数r没有单位，其值在-1~+1之间。r的确定值越接近1，则两个变量间的线性相关程度就越大，正负值确定了两变量间变更的方向是否一样。双变量相关性分析主要有三种分析方法：Pearson分析，积差相关，计算连续变量或等间距测度的变量间的相关分析；Kendall分析，等级相关，计算分类变量之间的秩相关；Spearman分析，等级相关，计算斯皮尔曼相关。为分析变量间的相关性，我们接受皮尔逊(Pearson)积差相关方法来分析变量两两相关的程度。在前面问卷的效度和信度检验通过的基础上，为了进一步了解潜变量(因变量)和自变量之间的关系，本探讨应用SPSS13.0进行相关性分析。对企业形象的2个指标、感知质量的14个指标、培训效果的4个指标、培训反馈指标、比较满意度和总满意度的3个指标分别求平均值，并赐予其新的变量名称“企业形象”、“培训服务”、“培训内容”、“培训环境”、“培训方式”“培训器械”“行为改进”“组织绩效”“培训反馈”“用户培训满意度”。其两两相关关系如下表（表5-7）。表5-7各变量相关性分析（N=32）由表5-7，表5-8可知，“企业形象”、“培训服务”、“培训内容”、“培训环境”、“培训方式”“培训器械”“行为改进”“组织绩效”“培训反馈”均对用户培训满意度有显著性的影响，其中，培训服务和用户培训满意度的相关系数为0.703，远远高于其他变量和用户培训满意度的相关系数，其和用户培训满意度的相关性最为显著。表5-8用户培训满意度和潜变量相关关系企业形象培训服务培训环境培训内容培训方式培训器械行为改进组织绩效培训反馈用户培训满意度0.5700.7030.4160.4990.5100.4340.3670.2800.3975.5逐步回来分析在实际问题中，人们总是希望从对因变量y有影响的诸多变量中选择一些变量作为自变量，应用多元回来分析的方法建立“最优”回来方程以便对因变量进行预报或限制。所谓“最优”回来方程,主要是指希望在回来方程中包含全部对因变量y影响显著的自变量而不包含对y影响不显著的自变量的回来方程。逐步回来分析正是依据这种原则提出来的一种回来分析方法。它的主要思路是在考虑的全部自变量中按其对y的作用大小，显著程度大小或者说贡献大小，由大到小地逐个引入回来方程，而对那些对y作用不显著的变量可能始终不被引人回来方程。另外，己被引人回来方程的变量在引入新变量后也可能失去重要性，而须要从回来方程中剔除出去。引人