今天想和大家分享的是市场调查大赛中的问卷分析整体思路。本文将以问卷《在线英语学习网站各种因素对课程购买意愿的影响》为例，围绕问卷数据进行完整、系统的分析讲解，手把手带大家完成一份影响关系类问卷分析。
问卷《在线英语学习网站各种因素对课程购买意愿的影响》主要目的在于研究相关影响因素对课程购买意愿的影响，并比较不同样本对各因素在购买意愿上的态度差异。题目构成如下：
点击下载问卷数据（登录SPSSAU接收数据文档）
问卷影响关系研究主要探讨不同变量间的因果或相关作用，例如员工薪酬满意度的影响因素、离职倾向的形成机制，以及消费者重复购买意愿的驱动路径等。问卷分析思路总结如下：
接下来我们按照该分析思路对本案例问卷进行分析，以SPSSAU软件为例进行操作分析及问卷分析结果解读。
将问卷数据上传至SPSSAU平台，若问卷数据是问卷星收集的，可直接一键授权同步给SPSSAU，然后点击去SPSSAU平台分析即可：
进行样本背景分析，主要是为了了解和掌握样本的基本情况，例如了解样本的性别、年龄、职业、婚姻状况等基本信息，从而对样本的结构和特点有初步的认识。
在本案例中，样本背景信息题包括性别、年龄、月收入水平和职业。使用SPSSAU【通用方法】模块【频数】方法进行分析，操作如下图：
SPSSAU输出频数分析结果如下：
一般此部分的分析应该先描述样本量、样本有效率，然后分别对样本背景信息进行描述，并着重分析选择比例较多的选项。
从上表可知：样本中女性占比71%，男性占比29%，女性受访者显著多于男性；年龄主要集中在19-22岁（39.67%）和31-34岁（17.33%）这两个年龄段。18岁及以下和35岁以上的群体占比较小；收入在2000元以下的群体占比最高（36.67%），其次是8000元以上（23%），整体收入分布较为分散；学生是最大的受访群体（46.67%），其次是公司职员（31%），这与年龄分布中年轻人居多的情况是吻合的。
在对样本背景信息进行统计后，需要进一步对样本的基本态度和基本特征等进行分析。在本案例中，样本基本态度题为Q24~Q27，其中Q24~Q26为单选题，可使用频数分析统计题目选择频数和百分比。
以Q24“你为什么学习英语”为例，SPSSAU输出频数分析结果如下：
从上表可知：选择“职业发展”（24.667%）、“提升工作技能”（24%）和“考试”（23%）的比例最高且接近，是样本学习外语的三大核心原因；其次个人兴趣也是重要原因之一，而移民、旅游并非主流动机，占比较低。
SPSSAU输出多选题分析结果如下：
多选题的分析一般被称为多重响应分析，主要涉及每个选项的响应频数、响应率及普及率。多选题有两个新的概念，分别为响应率和普及率。响应率指的是选项被选中次数占所有选项被选中次数的比例，而普及率指的是选中某选项的受访者人数占总受访者人数的比例。在分析时，研究人员需要重点关注选择百分比较高的选项。若不会分析可点击SPSSAU分析结果表格的“AI”按钮，大模型将直接给出结果解读与分析建议。
因子结构初判使用探索性因子分析探索出几个因子，对题进行因子归纳，以便进一步基于因子数据进行分析研究。如果研究人员在设计量表时就清晰地把量表题清晰地分为几个变量（因子），且每个变量与量表题的对应关系有充分的理论依据，那么不需要对因子结构进行初判，直接使用探索性因子分析进行结构效度分析即可。本案例在设计问卷时就已分好变量了，所以不再进行因子结构初判。
本案例19个量表题包括研究的因变量“购买意愿”及6个影响因素自变量，对7个变量分别进行信度分析。使用SPSSAU【问卷研究】模块【信度】计算各个变量的克隆巴赫α信度系数，SPSSAU操作示例如下：
SPSSAU输出信度分析结果如下：
最终将7次信度分析结果汇总得到下表：
通常认为如果α值高于0.8，则说明信度高；如果α值介于0.7~0.8之间，则说明信度较好;如果α值介于0.6~0.7，则说明信度可接受；如果α值小于0.6，说明信度不佳。本案例中，7个变量的α系数取值范围在0.613~0.861，多数超过0.7，表示量表数据具有较好的信度。
本案例中对6个影响因素涉及的15个题进行探索性因子分析，在SPSSAU【进阶方法】模块选择【探索性因子】，选择因子个数为6，进行第一次分析，操作如下图：
SPSSAU输出分析结果如下：
从上表可知：KMO为0.866，大于0.6，满足因子分析的前提要求，意味着数据可用于因子分析研究。以及数据通过Bartlett 球形度检验(p<0.05)，说明研究数据适合进行因子分析。
从上表可知，各个题的因子载荷系数军队之均大于0.4，但是Q6与因子对应关系与预设不符，因此删除Q6后再次进行探索性因子分析，结果如下（部分结果省略）：
从上表可知，此时每个题目与变量之间对应关系符合专业知识和研究预设。综上所述：针对本案例中6个因素（自变量）涉及的15个李克特量表题，经过两轮探索性因子分析发现，Q6与因子的对应关系和专业知识情况不符，因此删除Q6后重新进行探索性因子分析。
最终探索性因子分析结果显示KMO值为0.852，并且通过了Bartlett球形检验；探索出6个因子，这6个因子与题均有良好的对应关系，这种对应关系与理论框架完全相符，并且所有题的因子载荷系数绝对值均大于0.4，最小为0.645；旋转后的累积方差解释率为75.837%，并且6个因子旋转后的方差解释率均高于10%。以上综合说明本案例的量表（对于因变量“购买意愿”的探索性因子分析，可自行完成）具有良好的结构效度。若研究的更加深入还可使用验证性因子分析检验量表的聚合效度和区分效度。
关于信效度分析的完整内容可点击查看下方文章：【注意】非量表问卷不需要做信效度分析！量表问卷信效度检验指标详解
变量描述分析的目的在于研究样本对变量的整体态度，通过变量的平均值或中位数进行分析。对量表各个维度进行描述统计，计算各个变量的最大值、最小值、平均值和标准差等，使用平均值代表被调查者对各变量满意程度。
从上表可知：变量“购买意愿”的平均值为3.516，说明样本对购买意愿的态度介于一般与比较同意之间。在描述性分析过程中，如果某个变量的平均值明显较大或较小，那么研究人员应该对该变量进一步分析说明。
例如变量“促销”的平均值为2.640，明显较小，说明样本对此变量表现出一定的不同意态度；而变量“隐私保护”的平均值为4.167，说明样本对此变量表现出明显的同意态度。
使用相关分析研究各变量间的相关关系，通常使用Pearson相关系数。相关分析需要放在回归分析之前，只有当变量间有相关关系时，才可能有回归关系。本案例用于研究产品、促销、渠道推广、价格、个性化服务和隐私保护对购买意愿的影响，因此需要先确认这6个变量与购买意愿之间是否有相关关系。使用SPSSAU【通用方法】模块【相关】方法进行分析，得到相关分析结果如下：
从上表可知，产品、促销、渠道推广、价格、个性化服务和隐私保护这6个变量分别于购买意愿在0.01水平上呈现出显著性，并且相关系数均大于0，说明这6个变量与购买意愿有较为紧密的正相关关系。
上文分析得知，6个变量均与购买意愿有正相关关系。从本案例的研究目的出发，下面使用多元线性回归分析探讨购买意愿的影响因素。
SPSSAU输出多元线性回归分析结果如下：
（1）模型整体显著性（F检验）：F(12,287)=16.430, p=0.000，表明整个回归模型在统计学上是高度显著的（p < 0.01），即至少有一个自变量对因变量“购买意愿”有显著影响。（2）模型拟合优度：R² = 0.407：模型解释了因变量“购买意愿”总变异的40.7%。调整R² = 0.382：考虑到自变量数量后，模型解释了38.2%的变异。（3）自变量显著性（t检验）：隐私保护(Beta=0.145, p=0.012)、个性化服务(Beta=0.213, p=0.000)、促销(Beta=0.145, p=0.005)、产品(Beta=0.197, p=0.001)均会对购买意愿产生显著正向影响（p < 0.05）。价格、渠道推广、性别、职业、年龄、月收入水平。这些变量在当前模型中未显示出对购买意愿的显著影响。（4）共线性诊断：所有自变量的VIF值均小于5，这表明模型不存在严重的多重共线性问题，结果稳定可靠。（5）残差独立性（D-W值）：D-W值 = 2.194，接近2，表明回归模型的残差项基本独立，无明显的序列相关性。
可使用方差分析、t检验、卡方检验等进行问卷的差异性分析。例如对比不同人群，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可使用方差分析或t检验；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，可使卡方检验。
从上表可知：不同职业样本对于“隐私保护”和“促销”有着差异性，具体差异可对比平均值大小，或直观查看SPSSAU输出的可视化图形：
例如使用卡方检验分析不同性别在“您有多长在线学习语言的经验？”上的差异性，SPSSAU输出分析结果如下：
从上表可知，不同性别在“您有多长在线学习语言的经验？”上存在显著差异，具体差异可直观查看SPSSAU输出的可视化图形：
按照以上分析思路，市调大赛论文问卷分析就结束啦，是不是有了SPSSAU发现问卷分析还是很简单的呢！
今天介绍的问卷分析思路是针对影响关系研究的，除此之外还有7类问卷分析思路。问卷案例及分析思路均摘自SPSSAU新书《问卷数据分析思路与方法—SPSSAU从入门到应用实践》，点击下方文章查看更多问卷分析实用方法。
问卷研究全流程：一本书搞定问卷设计框架+八类分析思路+软件操作指南
【干货收藏】八类问卷分析思路，盘活你的问卷数据！
