工作中用到的調(diào)研問卷，探索的內(nèi)容相對(duì)具體，涉及的變量也比較少，一般不會(huì)用到太復(fù)雜的分析方法，Excel+SPSS即可搞定，本文整理了幾類常見的問卷分析思路。

拿到一份問卷數(shù)據(jù)，該如何著手分析呢？且慢，要做分析得先檢查數(shù)據(jù)是不是完整、可信，所以先從數(shù)據(jù)清洗開聊。

一、數(shù)據(jù)清洗

（1）一份數(shù)據(jù)可能經(jīng)歷過編碼、合并、拆分等，先檢查數(shù)據(jù)是否完整，是否有異常值？

選擇題、排序題這類封閉題型的答案是有限制范圍的，針對(duì)這類題型，在spss內(nèi)使用頻率統(tǒng)計(jì)功能，查看每個(gè)題目的總量，缺失值，是否有異常值。比如：性別只有1、2兩個(gè)選項(xiàng)，出現(xiàn)其他選項(xiàng)則說明有問題。有個(gè)小技巧，在Excel中可以使用篩選功能，快速查看每個(gè)題目的結(jié)果是否有異常值。

（2）有些用戶可能會(huì)不認(rèn)真填答，因此需要檢查邏輯合理性，是否有前后矛盾的情況？

有些問卷，前后題目有邏輯關(guān)系，可以用這類題目做測謊題，篩選出前后矛盾的答案，比如前邊用戶選擇了主要的出行方式是“自己開車”，后邊卻選擇自己的年齡“小于18歲”，那么這類問卷可以視為不認(rèn)真填答的，刪除。

如果沒有合適的題目做測謊題，也可以在編制問卷的時(shí)候設(shè)置測謊題，兩種設(shè)計(jì)思路：

• 同一個(gè)題目前后問兩遍，檢查答案是否一致，如：請(qǐng)從下列選項(xiàng)中選出你最常用的地圖APP。注意避免使用有兩個(gè)答案的問題，比如問用戶愛車的品牌就不合適，因?yàn)橛脩羟昂筇畲鸩灰恢?，不一定都是不認(rèn)真填答，也可能是因?yàn)橛脩舯旧碛袃奢v車。
• 設(shè)置一個(gè)有明顯錯(cuò)誤答案的問題，檢查是否選擇了錯(cuò)誤的答案，如：你最常用的地圖APP是哪個(gè)：混淆選項(xiàng)可以用 ：京東。不過我們只是想檢驗(yàn)用戶的認(rèn)真程度，而非考驗(yàn)用戶的記憶力，所以測謊題要簡單明確，只要認(rèn)真看題就不會(huì)錯(cuò)。比如問用戶最常用的地圖APP是哪個(gè)，混淆選項(xiàng)用“微信”就不合適，因?yàn)橛脩舨徽J(rèn)真想的話，很容易把微信自帶的地圖當(dāng)成地圖APP。

如果技術(shù)支持，也可以通過后臺(tái)數(shù)據(jù)和用戶問卷中的數(shù)據(jù)做匹配，常用的是性別、年齡、常居地之類的數(shù)據(jù)，也可以問一些明確的行為數(shù)據(jù)，比如是否用地圖買過火車票。

需要注意的是：選擇穩(wěn)定的明確的數(shù)據(jù)來做校驗(yàn)題目，不要使用需要回憶的數(shù)據(jù)來校驗(yàn)，用戶的記憶是模糊的有誤差的，使用頻率、使用年限，這些都不適合做校驗(yàn)，因?yàn)橛脩舻挠洃浐芸赡芘c實(shí)際行為不完全相符。

二、樣本加權(quán)

問卷調(diào)研絕大部分是抽樣調(diào)研，如果想通過樣本的情況去推測整體的情況，除了要考慮最小樣本量之外，還需要考慮樣本的代表性。群體有很多屬性，并不是要求樣本的每個(gè)屬性都和整體一致，而是關(guān)注那些對(duì)研究問題最有影響的屬性，在該屬性上樣本和整體盡量保持一致。

假設(shè)：年齡對(duì)用戶忠誠度的影響非常大，對(duì)出行方式?jīng)]有影響，那么在研究忠誠度時(shí)就需要考慮到年齡因素，而在研究出行方式時(shí)，就無需考慮年齡因素了。

一種是事前控制，區(qū)分出不同年齡段的用戶，分桶按比例發(fā)放，該方法成本高很少用。

另一種是事后控制——加權(quán) 。比如問卷收集到的用戶，與整體用戶群分布不一致，但是我們想知道整體用戶的忠誠度，此時(shí)可以通過加權(quán)的方式去調(diào)整。

具體方法如下：

先根據(jù)整體和樣本的年齡分布，計(jì)算出權(quán)重值，然后再使用spss的權(quán)重功能，給數(shù)據(jù)加權(quán)。加權(quán)后再統(tǒng)計(jì)忠誠度。

值得注意的是，不要為了省事兒，直接計(jì)算出樣本各年齡段的值，然后給個(gè)年齡段的值賦個(gè)權(quán)重，求均值。這樣的結(jié)果是不對(duì)的，必須要使用spss的加權(quán)功能。

如果有多個(gè)因素，挑選最重要的一個(gè)因素加權(quán)。如果非要考慮多個(gè)因素，那么需要了解多個(gè)因素交叉后的整體分布。比如既要考慮性別、又要考慮年齡，那么需要將性別和年齡交叉，知道整體男性的年齡分布、女性的年齡分布，再計(jì)算權(quán)重，成本太高了。

三、分析思路

我們先假設(shè)一份調(diào)研問卷，帶著這份問卷來看分析思路。

假設(shè)要針對(duì)大學(xué)生群體使用地圖APP的情況做個(gè)調(diào)研，設(shè)計(jì)了以下問卷，通過這個(gè)問卷我們能做哪些分析呢？

3.1 描述統(tǒng)計(jì)，看整體分布情況

統(tǒng)計(jì)各選項(xiàng)的數(shù)量、頻率是最常用到的分析，然后通過圖表展現(xiàn)出來，可以非常直觀的看出整體分布情況。

通過這個(gè)問卷，我們可以得到：

• 在大學(xué)生群體中，各手機(jī)地圖的市場占有率，如果有整體的地圖市場占有率數(shù)據(jù)，還可以比較得到，在學(xué)生群體中哪個(gè)地圖更有優(yōu)勢。
• 大學(xué)生群體，用戶常用的功能排序，以及各功能的占比。該題是多選題，可以使用spss的“定義多重響應(yīng)集”的功能。此外在計(jì)算占比的時(shí)候需要想明白，是以整體人數(shù)作為分母，還是以整體選擇量作為分母，分母不同解釋也不同，需要標(biāo)明。本題以整體人數(shù)作為分母，占比的意義是：大學(xué)生群體中，多少人使用**功能。

3.2 差異分析，找影響因素

除了看整體分布情況，我們還可以通過差異分析，探索更多的信息。

做差異分析，第一步先找到兩個(gè)可能有關(guān)系的因素；第二步將兩個(gè)因素交叉統(tǒng)計(jì)結(jié)果，根據(jù)結(jié)果在這兩個(gè)因素間做假設(shè)；第三步根據(jù)這兩個(gè)因素的數(shù)據(jù)類型，選擇合適的統(tǒng)計(jì)方法，驗(yàn)證假設(shè)。

通過這個(gè)問卷，我們可以分析：

（1）男性和女性對(duì)手機(jī)地圖的選擇有差異么

先分別計(jì)算不同品牌的用戶性別占比，結(jié)果發(fā)現(xiàn)不同品牌的男性占比不同，性別和手機(jī)品牌都是分類變量，因此使用卡方檢驗(yàn)。

（2）男性和女性，對(duì)手機(jī)地圖的忠誠度有差異么？

先統(tǒng)計(jì)不同性別用戶的NPS值，NPS值是等距數(shù)據(jù)（NPS這個(gè)題目，本質(zhì)上是李克特量表，對(duì)該數(shù)據(jù)是否是等距數(shù)據(jù)尚有爭議，但大部分情況按照等距數(shù)據(jù)處理），我們想要看男性、女性兩組之間的差異，采用T檢驗(yàn)。

（3）不同品牌的手機(jī)地圖，用戶的忠誠度有差異么？

與性別變量不同的是，手機(jī)品牌有4個(gè)維度，T檢驗(yàn)只能做兩組之間的差異檢驗(yàn)，多于兩組的時(shí)候采用方差分析。

（4）是否由于男性用戶多導(dǎo)致騰訊地圖的忠誠度低呢？

比如男性的忠誠度更低，而不同品牌之間男性的占比又不同，騰訊的男性用戶較多，就會(huì)假設(shè)：是否由于男性用戶多導(dǎo)致騰訊地圖的忠誠度低呢。

當(dāng)有兩個(gè)因素的時(shí)候，可以采取協(xié)方差分析，在做方差分析的時(shí)候，將性別作為協(xié)變量納入，分別看男性組，不同地圖品牌間有差異否，女性組不同地圖品牌間有差異否。

總結(jié)一下，做差異檢驗(yàn)的統(tǒng)計(jì)方法常用的有三種：卡方檢驗(yàn)、T檢驗(yàn)、方差分析。但是，統(tǒng)計(jì)只是輔助判斷的一種工具，也有些情況，直接看交叉后的結(jié)果就能發(fā)現(xiàn)差異巨大，無需統(tǒng)計(jì)檢驗(yàn)肉眼都可以判斷，也有些情況下，統(tǒng)計(jì)結(jié)果顯著，但是差異實(shí)在是很微小，也不能做出明確的結(jié)論。

所以統(tǒng)計(jì)方法并不是重點(diǎn)，找到可能有關(guān)系的因素才是重點(diǎn)，學(xué)術(shù)研究一般會(huì)根據(jù)過往的研究提出假設(shè)，而實(shí)際工作中，絕大部分靠經(jīng)驗(yàn)，多熟悉產(chǎn)品多了解用戶，才會(huì)有思路。

之前有人提出要做女性地圖，認(rèn)為女性更看不懂地圖，需要在圖面上有不同的處理。實(shí)際調(diào)研下來，發(fā)現(xiàn)性別既不影響用戶使用地圖的習(xí)慣、也不影響用戶對(duì)地圖的感知。相反年齡明顯的影響地圖的使用習(xí)慣，接下來就需要進(jìn)一步挖掘年齡的差異了。

3.3 相關(guān)分析，找影響因素，以及影響程度

（1）通過差異分析，我們了解到性別會(huì)影響用戶的忠誠度，我們還想接著探索用戶常用的功能個(gè)數(shù)是否會(huì)影響忠誠度，是不是用的功能越多，忠誠度越高呢？

此時(shí)需要用到相關(guān)分析，使用功能個(gè)數(shù)是等距數(shù)據(jù)，使用spss計(jì)算Pearson積差相關(guān)系數(shù)。相關(guān)系數(shù)介于-1~1之間，絕對(duì)值越大關(guān)系越密切，符號(hào)代表相關(guān)的方向。通常情況下，絕對(duì)值大于0.4就可以認(rèn)為這兩個(gè)數(shù)據(jù)之間有比較強(qiáng)烈的關(guān)系了。所以絕對(duì)值越大，說明這個(gè)因素的影響程度越大。

如果想探索使用頻率和忠誠度之間的關(guān)系呢，使用頻率是順序數(shù)據(jù)，此時(shí)需要計(jì)算Speaman相關(guān)系數(shù)。相關(guān)是在工作中使用比較多的方法，需要注意的是，相關(guān)分析只能解釋兩個(gè)變量之間有無關(guān)系，不能得到因果結(jié)論。因果結(jié)論是我們基于邏輯賦予的，工作中，相關(guān)關(guān)系已經(jīng)足夠我們做判斷了。

（2）如果我們不只是想探索單個(gè)因素與忠誠度之間的關(guān)系，還想要探索多個(gè)影響因素合并在一起對(duì)忠誠度的影響，此時(shí)可以使用多元回歸的方法。

在本調(diào)研中，我們可以探索用戶遇到使用問題的次數(shù)與忠誠度的關(guān)系，用戶遇到的問題有4種，分別是定位問題、地點(diǎn)問題、路線問題、性能問題。以NPS值為因變量，將這四個(gè)問題一起作為因變量，求一個(gè)多元回歸方程。但是多元回歸方程的建立，對(duì)數(shù)據(jù)的要求比較高，實(shí)際調(diào)研中使用的非常少，相關(guān)系數(shù)基本夠用了。

不論是相關(guān)分析還是回歸分析，都只能反映出變量之間的線性相關(guān)關(guān)系，如果變量間是非線性的關(guān)系，是無法體現(xiàn)在相關(guān)系數(shù)上的，因此在做相關(guān)分析之前，可以先做一個(gè)散點(diǎn)圖，直接觀察一下，兩個(gè)變量間是否有其他的關(guān)系可能。

如果是自己做調(diào)研，不是拿到數(shù)據(jù)了才去想怎么分析，而是在編制問卷的時(shí)候就要想清楚：我要了解什么問題，需要什么數(shù)據(jù)支撐，該用什么方法分析？

文中提到的所有統(tǒng)計(jì)方法，在統(tǒng)計(jì)書中都可以找到細(xì)致的操作步驟。本文只是列了最粗淺的統(tǒng)計(jì)方法，但是往往粗淺的才夠直接，對(duì)實(shí)際的決策最有支持力。

參考書目：《量化研究與統(tǒng)計(jì)分析》邱皓政

本文由 @?喬溪 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Unsplash，基于 CC0 協(xié)議