态度类问卷能用什么分析方法

① 如何用spss进行问卷信度分析

用spss进行问卷信度分析的方法
spss实际操作
整理数据，将数据整理为量表的分值（点值）形式。
输入数据到spss中，可以使用excel导入或直接输入等。
选择分析→度量→可靠性分析
选择statistics选项卡，勾选上描述性统计量项+度量后，选择继续，再点击ok确定即可。
查看spss的分析结果，可靠性统计资料的Cronbach的Alpha系数，本例的结果为0.778.表明有些项目需要修订。大于等于0.9表明量表的信度较好；0.8--0.9表明信度可以接受。0.7--0.8有些项目需要修订；小于0.7表示量表中有些项目需要抛弃。

② 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。

③ 问卷调查数据分析方法有哪些

1.
设计问卷
问题条款不要太多，多则调查效果不好。与你调研目的关联不大的项目都可不考虑，如性别、职业、旅游偏好等。
每条问题的选项要符合完整性，几项选择要不重复、不遗漏、同等级。
根据你的需求，至少需要有年龄段划分、旅游消费、停留天数等项目，应当考虑从旅游六要素细分游客花费结构。
2.
实施调查
设计抽样调查实施方式、实施场所、样本空间等问题，力求保证调查的时空分布随机性、样本空间代表性。
3.
数据录入
建议用excel，简单实用，功能足够，不建议用spss，华而不实，操作繁琐，不够灵活。
4.
数据处理
初等数学就差不多够用了，求和、求均值、求差求比，简单的侧重于市场份额和市场增长率两方面就能得出很多有用的结论，若精力、技术足够，建议用一些稍微高级一点点地数据模型算法等等，然后制成图表。
5.
调研分析
根据数据结果，结合相关的宏观旅游数据，提出自己的观点，引用自己的数据论证。
说的有点简单，实际上是一门学问，作好了很难，做简单了很容易，如果会用数理统计，数据前期预处理做点数据标准化、信度效度校验，初步建模后作个误差校验，即便不做误差反馈，估计应付个硕博论文什么的是没什么问题的。

④ 问卷调查一定要用spss分析吗

不一定，统计分析的软件有很多，不一定都要用spss，具体要看个人需要。问卷调查推荐问卷星，专业问卷调查平台，1亿+模板复制可用，多终端+多渠道问卷分发，不限填写次数，实时监控填写进度，数据自动统计分析。

分析应该是结合收集的数据和研究目的来进行选择的，并且在问卷设计时就要考虑数据的分析问题，而不是等着都做完了调查才去挑有什么值得分析的方面，两者的先后顺序不要搞错。非量表类问卷有非常多的单选题，多选题等，通常此类问卷用于政策现状研究、基本态度情况研究等。如果是此类问卷，可以使用的分析方法较少，多数是使用频数分析，以及涉及多选题的几类方法，还有交叉卡方分析，Logistic回归分析。

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 问卷星调查系统支持多种题型，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；同时拥有49种题型，应有尽有；同时单选、多选、矩阵、排序、量表、比重、表格、文件上传等多种题型，让你的调查问卷一目了然！

⑤ 李克特量表的调查问卷适合哪种相关分析方法啊

量表类问卷最大的特点是：非常多的量表题，而且量表题对应着‘变量’或者‘维度’。便于研究‘变量’间的关系情况。

量表题可以使用信度、效度、因子分析等方法进行分析。建议可以参考下面的量表类影响关系研究框架。

⑥ 问卷调查所能用的统计方法有哪些

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。

⑦ 如何用SPSS分析问卷

1、定义变量

打开SPSS后，进入变量设置可以看到变量名、变量类型、变量值的宽度等等，这些都是对变量进行细化定义的。我们可以把问卷中的一个问题理解为一个变量，那么一个答案也就与一个变量取值相对应。

2、录入数据

录入数据大体分为四种：即读取SPSS格式的数据;读取ESCEL表格数据;读取文本数据;读取相对应的数据库。录入数据的方法很简单，打开SPSS数据录入的窗口直接进行录入即可。

3、分析统计

录入数据后，就是进行数据分析了，但要选择分析方法，也就是说用什么分析统计过程，来获得正确的分析结果。此时，就要具体结合我们调查问卷的具体情况而定。SPSS分析方法主要有两种，一是作图分析法，特点是分析简单直观易懂;二是数值分析法，特点选择性强，分析结果细致。

4、保存结果

SPSS分析软件可以把多个分析结果保存在同一个窗口中——结果输出窗口。但一般情况下，我们需要把分析结果复制到分析报告中，而不在窗口内进行保存，而是只保存数据，因为这样我们随时可以根据数据，采取不同的分析法进行重新分析，也就会随时有不同的结果。

⑧ 态度测量问卷怎么做

李克特LIKERT五分量表法
李克特量表法是运用一个编制好的量表来测量人们对广告、产品等对象的态度的方法。

李克特量表的编制方法是由李克特（Rensis A．Likert）于1932年提出来的。量表的编制过程可分为以下四个步骤：

第一步：拟定若干条关于态度对象的语句。这些语句所表达态度的倾向有积极的和消极的两个方面，每一语句的答案相同，均为五个（或七个）等级。例如：十分同意、同意、未定、不同意、十分不同意。

第二步：把所有语句分为积极态度的语句（例如“这个品牌很合我的口味”）和消极态度的语句（例如“这个品牌冷冰冰的”）这两类。对这两类语句的答案所给的分数不同。积极态度语句的给分方法是：十分同意5分，同意4分，未定3分，不同意2分，十分不同意1分；消极语句的给分方法恰好相反：十分同意1分，同意2分，未定3分，不同意3分，十分不同意4分。

第三步：选定若干受调查者，要求他们针对态度，依据自己的看法，就所列出的每一语句一一评分。

第四步：选择有鉴别力的语句，组成正式量表。选择语句的方法通常有两种：平均值差数法和内在一致法。

平均值差数法是先将应答者对每一句话所做的答案换成分数，然后将所有应答者按其总分由高到低顺序排列，截取最高分数端的25％为高分组，最低分数端的25％为低分组。求出这两个组中每一语句的平均值，并以高低分组的平均值之差作为语句筛选的标准。差值大者说明该语句的区分能力强，则入选；差值小者，说明语句区分度差，则剔除。入选语句即可组成量表。

内在一致法是将各答应者的总分排列成一栏，将某一语句的分数排列为另外一栏。如果语句的数量较多，直接求这两列数据的等级相关，如果语句数量不多，把应答者的总分分别减去该语句的得分，而后求等级相关。相关系数大者则表示应答者对该语句的态度与总态度相一致，因此语句入选。相反，如果相关系数小，说明该语句的态度与总态度缺乏一致性，则该语句剔除。依照此法，对每一语句加以筛选，最后所有入选语句即可组成一个量表。

量表制成后，其使用方法是：让应答者对每一语句作答复，然后转换成分数，并累加起来，这样就可以得到每一位应答者的态度分数，把所有应答者的得分平均起来，则可得出受调查者对该评价对象的总体态度。如果这些受调查者具有代表性，则可以推论出一般消费者的态度。

在该量表中，被测试者对这些问题的态度不再是简单的同意或不同意两类,而是将赞成度分为若干类,范围从非常赞成到非常不赞成,中间为中性类,由于类型增多,人们在态度上的差别就能充分体现出来。另外，由于比较简单，被测试者完成起来也较为节省时间。因此，李克特量表是从事意见或态度研究较受欢迎、最常使用的一种量表之一。

⑨ 一般量表式问卷用spss怎么分析

量表类问卷最大的特点是：非常多的量表题，而且量表题对应着‘变量’或者‘维度’。便于研究‘变量’间的关系情况。以及可以使用信度、效度、因子分析等方法。

具体研究内容上：

• 首先对收集数据进行基本的频数分析，比如统计性别，年龄，学历的分布情况如何等。

• 如果研究中涉及样本的特征情况，比如基本行为，或者认知态度相关性，也可使用频数分析进行汇总，进一步了解清楚样本特征情况。

• 影响关系研究时，问卷中通常会涉及非常多的量表题，如果量表题具体应该分成多少个维度，并不完全确定，此时可使用因子分析进行浓缩，得出几个维度（因子），并且找到维度与题项的对应关系情况。（备注：一个维度由多个标题项表示，想将多个标题项概括成一个整体，此时需要使用SPSSAU中“生成变量”的“平均值”功能即可）

• 数据的可靠性，是否有信度，是最基础的，一般放在样本基本特征背景情况之后，原因在于首先得知道是一群什么样的样本人群在回答问题。同时信度仅针对量表类数据进行研究，无法针对比如性别，年龄之类的背景信息项进行分析。

• 除开数据可信，还需要研究量表题项具有可靠性。先有数据可靠，再分析有效，这是常见的结构，效度分析和信度分析也可互换位置。

• 数据可靠，并且研究量表有效之后，接着需要对具体维度（量表题项等）进行描述分析，研究样本人群对于量表项的基本态度情况。

• 完成量表题项，各维度的描述性分析之后，再使用相关分析去研究关系情况，为回归分析作准备。

• 在数据有着相关的前提之下，再研究回归影响关系才具有意义。因而回归分析需要放在相关分析之后。并且通常情况下需要使用回归分析去验证假设。

• 有可能还需要对比不同人群，比如性别，年龄等不同群体，他们对于量表题项的态度差异情况，因而一般可使用方差分析，或者t检验等进行分析。如果说想研究不同背景人群（比如性别，年龄）对于样本行为上的差异性，建议可使用交叉卡方分析等，同时如果涉及多选题的交叉分析等，也对应选择需要的方法即可。