调查问卷数据怎么刷？

一、调查问卷数据怎么刷？

首先你要发布一份在线问卷，可以考虑使用人人调查网的系统，然后你需要把这个问卷分享给好友作答，或者让人人调查付费收集（均价1元/份），这样就能得到你要的总数了。希望能帮到你。

二、调查问卷数据怎么统计？

调查问卷数据统计方法主要包含描述性统计和分析性统计两个方面。

一、描述性统计

描述性统计是统计学的初级方法，它通过汇总并整理问卷数据，以描述问卷的整体情况。以下是一些具体的步骤：

1. 选择适当的样本量：根据研究的需要和资源的限制，确定合适的样本量。如果调查对象总体可控，一般来说，样本量在几百到一千之间比较合适。

2. 确定合适的统计方法：根据问卷设计和调查目的，选择适合的统计方法。例如，简单随机抽样、整群随机抽样等。

3. 对样本进行标准化处理：包括性别、年龄、日期等。这有助于消除由于样本结构与总体结构不一致而产生的误差。

4. 评估统计结果并进行检查和修正：通过计算平均值、标准差、最大值、最小值等统计指标，对数据进行初步分析。同时，检查数据的有效性和可信度，如有需要，进行修正。

二、分析性统计

分析性统计是统计学的中级方法，它通过更复杂的统计模型来分析问卷数据，以揭示问卷中隐藏的规律和关系。以下是一些具体的步骤：

1. 建立数学模型：根据研究目的和先验知识，建立适当的数学模型，如概率模型或假设检验。

2. 选择合适的分析工具：根据所使用的统计方法和数学模型，选择适合的数据分析工具。例如，Excel、SPSS等。

3. 对数据进行分类和归纳：将问卷数据分类并归纳为几个类别，以便于后续的统计分析。

4. 进行统计分析：根据所使用的统计方法和数学模型，对分类后的数据进行统计分析。例如，卡方检验、方差分析、回归分析等。

5. 解释和说明分析结果：在分析过程中，需要充分考虑各个因素的影响，并对分析结果进行解释和说明。如果发现任何异常或不符合预期的结果，需要进行深入的研究和分析。

总之，调查问卷数据的统计方法应充分考虑研究的需要和目的，选择适当的统计方法和工具，对数据进行准确的描述和分析，以得出有价值的结论和建议。

三、问卷调查之后，怎么整理数据？

1 数据整理非常重要，可以帮助我们更好地了解问卷调查结果。2 首先，需要将所有的回答录入到电子表格中，然后进行数据清洗，去除重复或无效数据，统计每个选项的频数和百分比。3 接下来，可以使用图表或统计分析软件将数据可视化，比如绘制柱状图、饼图或散点图等，以便更直观地展示结果。4 最后，可以根据数据分析结果得出结论和建议，为后续的工作提供参考和指导。结论：对于问卷调查数据的整理，需要进行数据清洗、统计和可视化处理，以得出准确的分析结果。

四、论文调查问卷数据怎么处理？

处理论文调查问卷数据是一个重要的步骤，通常包括以下步骤：数据收集：通过在线或离线问卷的方式收集数据。数据筛选：删除无效或缺失的数据，确保数据的完整性和准确性。数据编码：对于问卷中的开放性问题，需要进行编码，将答案转化为可以分析的数据格式。数据统计与分析：使用统计分析方法，如描述性统计、因子分析、回归分析等，对数据进行分析，提取有意义的信息。结果呈现：将分析结果以图表、表格等形式呈现，便于理解。在处理问卷数据时，需要注意以下几点：确保问卷设计的合理性和有效性，避免问卷过于复杂或模糊导致数据不准确。在数据收集过程中，要确保问卷的匿名性和保密性，保护受访者的隐私。在数据分析过程中，要使用正确的统计分析方法，确保结果的准确性和可信度。在结果呈现时，要清晰明了地表达分析结果，避免过于复杂或模糊的表述。

五、调查问卷数据如何整理？

1.对收集到的数据进行基本频率分析，例如性别、年龄、学历分布等。

2.如果研究涉及到样本的特征状况，例如基本行为或认知态度，也可以通过频率分析进行总结，以进一步了解样本特征。

3.在影响关系研究时，问卷中经常会涉及到许多量表题，但是在这段时间内不能完全确定被分成多少个维度(因素)，因此可以用因子分析加以浓缩，找出维度与题项的对应关系。(注解：一个维度由多个标题项表示，希望将多个标题项整合成一个整体，此时您需要使用SPSSAU中“生成变量”的“平均”功能)

4.数据的可靠性，是否可信，是最基础的，通常是根据样本的基本特征背景情况，这是因为首先要知道回答问题的是哪种样本人群。同时信任度的研究仅限于量表类数据，不能针对性别、年龄等背景信息进行分析。

5.除了数据可信度之外，还要求进行量表项目的可靠性研究。先数据可靠，再分析有效，这是一般结构，效度分析和信度分析也可以互换。

6.数据可靠，在研究量表起作用之后，需要对特定维度(尺度项目，等等)进行描述分析，研究样本群体对量表项的基本态度。

7.完成量表题项，在每个维度的描述分析之后，再利用相关分析研究关系状况，为回归分析做准备。

8.在数据存在一定关联性的情况下，对回归影响关系进行再研究。因此回归分析需要放在相关分析之后。这些假设常常需要用回归分析来验证。

9.对于性别、年龄等不同的人群，由于对量表题项的态度有差异，所以可采用方差分析、T检验等方法来分析。为了研究不同背景人群(如性别、年龄)对样本行为的差异性，建议可采用交叉卡方分析等方法，同时如涉及多选题的交叉分析等，也要相应选择所需的方法。

六、怎么分析问卷调查的数据?

《心理学量化分析平台》是问卷数据处理的EXCEL插件。本工具中包括数据录入、纵向数据匹配、数据预处理（问卷编码、反向计分、缺失值处理）、描述统计、t检验、方差分析、信效度、三线表等几十个实用的小功能。这些功能可以帮大家快速完成那些需要不断重复的操作，避免疲惫感、保持心情舒畅。给大家留出更多时间和精力投入到更具创造性的工作中去。

• 由于文章较长，建议按【Ctrl+F】搜索关键词查找相应功能的使用方法。

插件安装成功后，在EXCEL中出现名为【心理学量化分析平台】的选项卡。文末可查看插件的下载、安装方法。

三线表

简单斜率图

点击【图表】【简单斜率图】，生成下图模板。在红框中填写上相应的数据即可。

参考视频：

描述统计

指定任意个连续变量、按任意分组变量进行描述统计（如频数、平均数、标准差、方差、偏度、峰度等）。

• 点击【分析】【描述统计】，弹出如下对话框。在对话框中输入描述变量和分组变量名称即可。这里举3个例子介绍使用方法，以满足不同的使用需求。

例一：输入【math,english】，表示对math和english两个变量描述统计。多个描述变量用逗号分隔。

例二：输入【math,english grade】，表示对math和english两个变量按照grade变量分组进行描述统计。其中描述变量与分组变量间用空格分隔。如果有多个分组变量，多个分组变量间用逗号分隔。

例三：输入【math,english grade gender,town】，表示对math和english两个变量按照一级分组（grade变量）和二级分组（gender和town）的两两组合进行描述统计。

• 上面三个例子均以描述math和english两个变量为例，其中例一无分组变量，例二有一个分组变量grade。例三又新增了gender和town两个分组变量作为grade的下一级分组。按照这样的逻辑，大家可以根据自己的需求，指定任意分组级数、任意分组变量数、以及任意描述变量数进行分析，这样灵活性大大增加，效率翻番。
• 还需要注意，我们使用逗号（中文或英文均可）和空格作为分隔开各个变量的标记，因此变量名不应该再包括任何的逗号或空格，不然会提示错误。
• 另外、对于结果准确性，大家可使用SPSS中【分析】【比较平均值】【平均值】验证。

视频教程：

数据录入

提供调查问卷数据录入功能。可实现在EXCEL中录入问卷数据时，自动跳到下一个单元格，无需频繁按Tab键跳转。

第一步：根据自己的问卷数据情况，建立如下图模板（示例数据可按住CTRL点击【量表分析】【数据录入】生成），其中：

• 第一行填写变量名，根据自己的问卷实际增加修改即可。
• 第二行填写变量的最小值，如果变量是字符串，填写无。
• 第三行填写变量的最大值，如果变量是字符串，填写无。
• 说明：当变量设置了最小值、最大值时（如上图中的B列到J列），在相应单元格中输入数字时，会自动跳转到下一个单元格，无需按Tab。

第二步：打开录入窗口，选择录入数据的第一个单元格，然后在录入框中输入问卷上的数据即可。

• 其他说明：
• 对于姓名、学校等字符变量，由于输入长度不固定，需按Enter跳转。
• 输入【.】或【~】 表示输入缺失值"NA"。
• 以前版本的数据录入功能已经删除，这是新做的一版，功能尚有不足之处，欢迎留言提供建议。

频数统计

统计变量中每个值出现的频数和百分比。

• 选中任意变量列，点击【频数】【单选题】。结果如下

• 如果选择多个变量，则效果如下：

交叉频数

返回两个变量的交叉表频数统计结果。

• 选中任意两个变量列，点击【频数】【交叉频数】。结果如下

多列去重

适用于多列拼接组合后的频数统计。

• 选择【grade】和【town】两个变量列，点击【频数】【多列去重】。结果如下

相关系数

计算相关系数矩阵。

• 选择需要计算相关矩阵的变量列。
• 点击【分析】【相关矩阵】。

项目分析

项目分析的主要用来检验量表中各个题目的质量，其结果可作为个别题目取舍的参考。

• 准备数据。将某个量表的所有题目放到一张新的工作表中（不要其他变量）。
• 点击【量表分析】【项目分析】即可。

原始数据计算HTMT

HTMT（heterotrait-monotrait ratio）叫异质-单质比率， 是评估区分效度的指标之一 。任意两个特质（潜变量）之间可计算一个HTMT值。此功能是基于原始数据（已经处理过缺失值、反向计分的数据）计算MTMT值。

• 准备数据。示例数据可点击【量表分析】【原始数据计算HTMT】【示例数据】生成。
• 提取变量、设置因子。点击【量表分析】【原始数据计算HTMT】【规则】来提取工作表中的变量名，在新生成工作表中B列，设置A列变量名对应的因子名称。最后点击【量表分析】【原始数据计算HTMT】【计算】即可。
• 可以一次设置多个因子，此时将输出多个特质两两之间的HTMT值矩阵，同时也会输出每个HTMT值的计算过程。

相关矩阵计算HTMT

基于相关矩阵数据，计算各特质之间的HTMT值

• 准备数据。可点击【量表分析】【相关数据计算HTMT】【示例数据】生成示例数据，示例数据来自

（如果是自己的数据，则以B2单元格作为相关矩阵的起点，分别向下、向右放变量名称，并在矩阵中放对应的相关系数）

• 设置变量所属因子。 根据B列的变量名称，在A列填写变量对应的因子名称，作为计算因子间HTMT的依据。 点击【量表分析】【相关数据计算HTMT】【计算】，结果如下：
• 可以一次设置多个因子，此时将输出多个特质两两之间的HTMT值矩阵，同时也会输出每个HTMT值的计算过程。

简单线性回归

指定一个因变量和一个自变量进行简单线性回归分析。

• 点击【分析】【简单线性回归】，在对话框中输入【因变量 自变量】，确定即可。
• 例一：输入【math english】，表示以math为因变量，english为自变量进行简单线性回归，分析english对math的影响。

独立样本t检验

指定任意个连续变量和分组变量进行独立样本t检验。

• 点击【分析】【独立样本t检验】，在对话框中输入【连续变量 分组变量】，确定即可。
• 例一：输入【math gender】表示分析不同性别（gender）学生的数学成绩（math）上是否存在显著差异。
• 例二：输入【math,english gender,town】表示同时执行4次独立样本t检验，分别是【math gender】【math town】【english gender】【english town】。

配对样本t检验

指定任意组变量，一次进行多个配对样本t检验。

• 点击【分析】【配对样本t检验】，在对话框中输入【变量A 变量B】，确定即可。
• 例一：输入【math,english】，表示使用math和english两个变量进行配对样本t检验分析。
• 例二：输入【math,english math,chinese english,chinese】，表示一次分析三对配对样本t检验。

单因素方差分析

当分组变量大于两个水平时，使用独立样本t检验分析不同水平在因变量上的差异不再适用，此时可用单因素方差分析。此功能可指定任意个连续变量和分组变量进行单因素方差分析。

• 点击【分析】【单因素方差分析】，在对话框中输入【连续变量 分组变量】，确定即可。
• 例一：输入【math grade】，表示分析不同年级（grade）学生的数学成绩（math）上是否存在显著差异。
• 例二：输入【math,english gender,grade】，表示同时执行4次单因素方差分析，分别是【math gender】【math grade】【english gender】【english grade】。

方差同质性检验

分析不同组的方差是否同质。

• 准备数据。示例数据来自程琮的《Levene 方差齐性检验》（示例数据可按住CTRL点击【分析】【方差同质性检验】生成）。
• 点击【分析】【方差同质性检验】，在对话框中输入【连续变量名 分组变量名】，确定即可。

新变量

用于计算并增加一列新变量，比如总分、平均分。Z分数、中心化分数等。

总分、平均分

• 选择需要计算总分或平均分的变量。
• 点击【量表分析】【新变量】【总分】或【平均分】即可。

Z分数，中心化

方法与上面的求和一样，唯一的区别是计算标准分数、中心化分数时，只能选择一列。

高低分组

在做项目分析的时候，有时需要根据总分变量，按照一定的百分比（通常是27%），将高分组被试和低分组被试标记出来，再做独立样本t检验。此功能可指定百分比进行高低分组。

• 点击【量表分析】【新变量】【高低分组】，输入总分变量，空格，百分位（不用百分号）即可。

百分位数

指定一个变量，计算该变量从0到100之间各个百分位的百分位数。

步骤：点击【量表分析】【新变量】【百分位数】，输入变量名即可。

区间分组

将一个连续变量按一定的区间进行分组，并生成一个新的分组变量。

• 点击【量表分析】【新变量】【区间分组】
• 在输入框中输入【math 65 70】，表示将math变量进行分组，参数中的65和70是任意一个分组的上边界和下边界。效果如下图。

说明：

• 分组的左边界和右边界是自由定义的，输入【math 0 5】也能得到和上面一样的结果。
• 分组方式为左闭右开，即包括左边界，而不包括右边界。

纵向数据匹配

在纵向研究中，需要对同一批被试在不同时间收集多次数据。此功能可实现将相同被试在不同时间的数据一一对应起来，并对匹配过程中数据发生的变化作详细记录。

例如收集到下面3次数据，需要根据姓名匹配，其中有些姓名缺失，有些姓名重复，

匹配到后，排除无姓名、重复姓名的情况，最后成功匹配4个被试的数据。结果如下图：

数据匹配详情如下：

具体功能使用方法，请参考下面文章：

数据预处理

在收集到一手数据后，这些数据并不能直接用于最终的数据分析，还需要对这些数据进行预处理。本工具中的【预处理】功能创造性地解决问卷数据预处理中的如下关键性问题：

• 问卷数据编码。如将男编码为1，女编码为2，大一编码为1，大二编码为2等。
• 反向计分。如将1、2、3、4的编码方式转为4、3、2、1的编码方式。
• 删除缺失值。如将空单元格（空值）或异常值所在的行删除。
• 平均值替换。将指定值（如缺失值、异常值）替换为平均值。

步骤

• 选择变量。选择需要处理的变量。如下图中的4个变量：

其中【math】变量包括两个空值和一个999异常值；【grade】变量包括2个空值；【SES1】和【SES2】变量均包括1、2、3、4这4个选项。

• 提取变量值。按住Ctrl点击【量表分析】【数据预处理】，程序会将变量值提取出来，如下图，其中：
• B列是变量名
• C列是原数据表中的值
• D列是值对应的频数，用来初步了解数据情况
• 如果原数据中单元格是空值，将被转换为【空值】。

• 设置新值。与C列对应，在E列中填写对应的处理方式，当前提供如下处理方式：
• 编码（或反向计分）。如将大一编码为1，大二编码为2。或将SES1中的1反向计分为4，2反向计分为3。或者将grade中的空值转换为4。
• 删除特定值所在的行。如要删除math中的空值所在的行，在【E10】单元格填写【删除行】。
• 平均值替换。如将math中的【999】替换为该变量的平均值，则在【E9】单元格填写【平均值替换】。
• 如果不想做任何处理，E列对应单元格留空。

• 处理。点击【量表分析】【数据预处理】，程序会生成一张新工作表，表中包括了处理后的数据。结果如下：

经过处理的单元格背景颜色会被标记，并且单元格批注中会显示原来的值。

多选题编码

实现对问卷多选题数据的拆分、编码、统计分析。

示例数据如下图，您喜欢在什么终端追剧？终端包括：手机、电视、平板、电脑、(跳过) 。

• 点击【量表分析】【多选题】【拆分】，输入多选题变量名和选项分隔符，用空格分隔。点击确定后即可得到拆分后的选项，1表示选择，0表示未选择。效果如下图：

多选题统计

针对上面拆分后的多选题，选择BCDEF列，点击【量表分析】【多选题】【统计】即可。

组内评分者信度（Rwg）

组内评分者信度用来评价组内成员回答一致性达的程度。如果团队中的成员全部选择3，则组内成员的一致性高。假如一半的成员选择1，另一半成员选择5，此时平均分也为3，但一致性程度不高。Rwg即可作为衡量回答一致性程度的指标。细节请参考罗胜强《管理学问卷调查研究方法》（p268）书中相关章节。

• 准备数据。这里使用书中的数据来演示，如下图（示例数据可按住CTRL点击【量表分析】【组内评分者信度】生成）。

• 点击【量表分析】【组内评分者信度】，在弹出的输入框中输入计分级数即可，结果如下：

在计算rwg时，每一个题目可以计算一个Rwg值，所以在第4行中有多个Rwg值。同时整个量表也可以计算Rwg值。细节可参考《管理学问卷调查研究方法》（p268）。

名外，上图结果与书上的结果存在一定差异，原因是书上的结果是使用平均值、方差四舍五入后计算得来，此功能中未做四舍五入处理，理论上更精确，大家可自行测试。

组内相关系数（ICC）

组内相关系数（Intra-Class Correlation，ICC）是除Rwg外另一个评分一致性指标，是跨层研究前的必要步骤，也是信度评价的指标之一。ICC的概念与方差分析相似，如果组内方差远小于组间方差，则小组内的评分较一致；相反，如果组内方差远大于组间方差，就很难说小组内的评分一致。

罗胜强《管理学问卷调查研究方法》（p276）中计算ICC的例子如下图：

• 准备数据。上图中的数据每一组放在一列中，共4组。为方便使用，需要重新组织数据（与单因素方差分析相同，一个分组变量，一个因变量），如下图所示（示例数据可按住CTRL点击【量表分析】【组内相关系数ICC】生成）。

• 点击【量表分析】【组内相关系数ICC】，在出现的对话中输入【因变量名 分组变量名】即可。

如前所述，ICC的计算基于单因素方差分析结果表，这里列出相应数据，方便核对结果正确性。

Alpha信度

用来计算量表的alpha信度。

准备数据。将某个量表的所有题目放到一张新的工作表中（不要其他变量）。

点击【量表分析】【alpha信度】即可。

组合信度，平均方差抽取量，

点击【量表分析】【组合信度】生成模板。从A2开始依次往下输入某维度下各变量标准化因子载荷，结果即会自动出来。

参考视频：

双因子模型计算信度

基于双因子模型的因子负荷计算各种信度系数。参考的文献及示例数据均来自顾红磊的《多维测验分数的报告与解释_基于双因子模型的视角》。

• 准备4列数据。A列为变量名。B列为变量对应的因子名称，C列为变量对应的全局因子负荷。D列为变量对应的局部因子负荷，如下图所示（示例数据可按住CTRL点击【双因子模型计算信度】生成）。
• 点击【量表分析】【双因子模型计算信度】即可。

排名

对选中的单元格区域数值进行排名。会返回1/2/2/4、1/2.5/2.5/4、1/2.5/2.5/4这3种排名方式。

• 选择需要排名的单元格区域，点击【分析】【排名】。

下载地址

在QQ群文件中下载：849063127

安装方法

• 安装前，建议关闭360等安全软件。为了提供更好的使用体验，部分功能会在硬盘、注册表中保存一些个人数据，方便下次直接使用，而不用再次输入，这些操作会被安全软件视作危险操作。
• 双击【心理学量化分析平台.exe】文件，直接安装，一直下一步即可。
• 打开EXCEL，出现下图，点击安装。

• 打开EXCEL，如果出现下图选项卡，说明安装成功。
• 本工具不是一个独立的软件，在桌面不会生成相应的应用程序图标，而是作为EXCEL的扩展功能存在。
• 由于功能时有更新，实际的界面布局和下图中会有所有不同，属于正常现象。

安装常见问题

Q1：为什么插件没有安装成功？

OFFICE版本原因。买电脑时赠送的office家庭和学生版会安装不上，需下载安装其它OFFICE版本，版本从下图位置查看。

EXCEL版本原因。如果您安装的是EXCEL 2010，建议直接安装更高版本的EXCEL。

• 如果一定要用2010，可先卸载已经安装的插件，下载并安装群文件中的vstor_redist.exe这个程序（仅首次需要安装），再次安装插件即可。

系统原因。不支持XP、Mac系统（不用再向我确认）。

权限原因。尝试以管理员身份运行安装插件。

Q2：WPS是否可以安装并使用？

WPS可以安装并使用，但未在WPS中做过多测试，存在少数不确定的bug，欢迎反馈。

Q3：如何升级？

下载最新版，覆盖安装即可。

七、调查问卷得到的数据怎么分析？

调查问卷得到的数据可以通过以下步骤进行分析：1. 根据调查问卷的目的和问题，对数据进行整理和分析，得出结论。2. 为什么得出这样的结论，可以通过对数据的统计分析和比较，找出数据之间的关联性和趋势。3. 根据结论和原因，可以进一步对数据进行深入分析和解读，提供更多的相关信息和见解。例如，如果调查问卷的目的是了解人们对某个产品的满意度，可以按照以下步骤进行分析：1. 根据问卷中的评分或反馈，计算平均满意度得分，并得出结论，例如“大多数受访者对该产品表示满意”。2. 分析满意度得分与其他因素的关系，例如产品的质量、价格、功能等，找出可能影响满意度的原因。比如，如果发现满意度得分与产品的价格呈正相关关系，可以为“价格较高的产品通常会得到更高的满意度评分”。3. 根据结论和原因，可以进一步分析不同群体或特定条件下的满意度差异，提供更详细的信息。例如，可以比较不同年龄段或性别的受访者对产品满意度的差异，或者分析在不同市场环境下产品满意度的变化趋势。通过以上分析步骤，可以对调查问卷得到的数据进行全面的分析和解读，为相关决策提供有价值的参考。

八、怎么最快获得调查问卷的数据？

最快的获得调查问卷的数据的方法是通过在线平台进行调查。因为在线平台可以通过互联网将问题问卷快速送达到目标受众，而且调查结果也可以实时生成和分析。此外，在线调查的成本也比传统的纸质调查低廉，避免了人工操作的繁琐，更加便捷和高效。如果想要获得更准确的数据，可以针对不同的受众群体设计不同的问卷，并通过社交媒体等渠道加强宣传和推广，吸引更多的被调查者参与。

九、问卷星的调查数据怎么导入论文？

无法导入 因为问卷星的调查数据不是论文专业的科学数据，仅仅是一个调查工具，它提供了数据展示和导出功能，但是并没有论文需要的数据分析和规范性的数据导入。如果需要在论文中使用问卷星的调查数据，可以手动录入或者通过其他数据分析软件进行处理。

十、论文调查问卷数据怎么自己编写？

不推荐自己编写 因为编写调查问卷需要一定的专业知识和技巧，包括问题的设计，选项的设置以及答卷方式的选择等等。如果自己编写容易存在问题，比如问题设置不合理，信息重复或者缺失等等。这样会导致问卷的可信度降低，无法得到准确的数据。所以建议可以寻求专业的调查公司或者专家的帮助，或者使用已经编写好的标准问卷，进行数据收集和分析。