分析資料

如何像調查問卷科學家一樣分析資料

立即製作調查問卷

現在,您已收集了調查問卷結果並擁有資料分析方案,您應該開始深入瞭解並分析這些資料。以下是我們的調查問卷研究科學家分析定量資料 (不同於分析定性資料) 的方式:從查看回答及著重主要調查問題以及調查問卷目標,到處理數據及得出結論。以下四個步驟可說明如何更有效率分析資料:

  1. 查看您的主要調查問題。
  2. 以交叉表形式顯示並篩選結果。
  3. 處理數據。
  4. 得出結論。

查看主要的調查問題

首先,我們談談如何針對您的主要調查問題來分析結果。還記得,當您設定調查問卷目標時,您已大致列出主要的調查問題。

例如,若您舉辦了一個學術會議,並讓與會人員進行活動意見反應調查問卷;則您的其中一個主要調查問題可能會是:與會人員如何評價本次會議?現在,請看看針對這個重要調查議題的特定調查問卷問題,您收集到的回答:

Screen Shot 2014-03-05 at 10.46.26 AM

請注意在回覆中,您已經有幾個百分比 (71%,18%) 以及幾個原始數據 (852,216)。

此百分比表示提供特定回答者的百分比;也就是說,此百分比表示在回答問題的人當中,提供每個答案者所佔比例的數目。因此,調查問卷中有 71% 的受訪者 (1,200 名受訪者中的 852 名) 計劃明年再次參加。

此表也顯示有 18% 的受訪者明年不打算參加,而 11% 的受訪著表示不確定。

此原始數據是提供每個答案的個別調查問卷受訪者人數。因此,有 852 個人表示「是的,我明年會再次參加!」若您假設多數回答是 (包括回答不確定) 的人明年都會參加,您可以製作一個預測模型,用來估計明年會參加會議的人數*。*如果您得到很高的參加率,就能更有信心地確定此數字;這表示大部與會並收到您調查問卷的人都填寫了問卷。

以交叉表形式顯示並篩選結果

記得當您設定調查問卷目標並制訂分析方案時,您曾思考要分析及比較哪些子群組。當初的規劃現在要實現了。例如,您想查看老師、學生及行政人員回答明年是否參加會議的互相比較情形。若要分析這些回答,您必須建立一個交叉比對表,依子群組顯示會議問題的結果:

Screen Shot 2014-03-05 at 10.54.10 AM

從這個表格中,您可以看到大多數學生 (86%) 及老師 (80%) 都計劃明年繼續參加。但是,與會的行政人員則不同,只有不到一半 (46%) 的人願意參加!希望我們其他的調查問卷問題能夠協助您找出原因,瞭解如何針對行政人員改善會議內容,讓他們更願意明年繼續參加。

篩選條件是另一個分析資料的實用工具。篩選表示將範圍縮小到一個特定的子群組,並排除其他子群組。因此,不同於比較各個子群組的方式,我們只看一個群組如何回答問題。例如,您可將範圍限制在只有女性,或只有男性;接著依與會人士的類型重新執行交叉表格比對,比較女性行政人員、女性教師及女性學生的結果。當您分析結果時,有一件事必須特別注意:每次套用篩選條件或交叉表格時,您的樣本大小都會減少。如此可確保您可取得具備統計顯著性的結果,對於使用樣本數量計算器應該有所幫助。

基準、趨勢和比較資料

假設您的會議意見反應調查問卷上有一個關鍵問題是:「整體而言,您對本次會議的滿意程度為何?」您的結果顯示,有 75% 的與會者滿意本次會議。聽起來是非常棒的結果。不過,您應該會希望有一些其他內容,可供您與自己的結果做比較。比方說,本次會議比去年好嗎?或是比較差?不過,要如何才能與其他會議比較呢?

假設您的確在去年的會議意見反應調查問卷中問了這個問題,那麼應該可以 進行趨勢比較。有一句話是這麼說的:「趨勢是你的好朋友。」

如果去年的滿意度是 60%,那表示您今年的滿意度增加了 15 個百分比! 為什麼滿意度會增加呢?希望調查問卷中其他問題的回覆會提供您一些答案。

如果您沒有去年會議的數據資料,建議您從今年開始,收集每年的意見反應。這就稱為基準。您會建立一個基準或基準數字,然後能進行對照,看看這個基準如何變化。除了與會者的滿意度,您也可以使用其他問題當做基準。 您可以每年追蹤,查看與會者對於會議的想法。這稱為縱向資料分析。瞭解更多關於

SurveyMonkey Benchmarks 如何協助提供調查問卷結果內容。

何謂縱向分析?

縱向資料分析 (也稱為「趨勢分析」) 基本上是追蹤特定問題在一段時間內的變化,並找出結論。 一旦建立了基準,就能判斷數據資料是否有所變化,以及變化的方式。 假設您的會議滿意度在三年前為 50%,二年前為 55%,去年為 65%,而今年為 75%。恭喜您會議滿意度年年上升!因此,您的縱向資料分析會顯示滿意度呈持續上升的趨勢。

您甚至可以追蹤不同子群組的資料。假設每年的學生及教師滿意度均有增加,但行政人員的滿意度沒有增加。 建議您查看行政人員對各個問題的回覆,看看是否能找出為何相較於其他與會者,行政人員的滿意度較低的原因。

處理數據

您知道有多少人表示會再次參加會議,但您如何得知調查問卷回答是否值得信賴? 還有您是否能非常有信心地參考這些回答,並做出更完善的決策?注意資料的品質是十分重要的,同時也要瞭解統計顯著性的各項組成要素。

通常「顯著」這個詞表示重要或有意義的;在調查問卷分析及統計資料中,「顯著」表示「評估準確性」。在這方面,難免要在調查問卷工作中以「上下值」來表達,這個詞特別表示調查問卷結果在某個信心範圍下是精準的,且不是隨機產生的結果。總結來說,將不準確的結果 (例如非統計顯著性) 拿來做為基準是有風險的。在所有統計顯著性的評估中,要考慮的第一個因素是 您樣本的代表性;也就是您調查問卷中所找的這群人,與您想推斷結論的總人群有多「類似」。

如果與會者中有 90% 完成調查問卷的人員為男性,但參加會議的男性只佔總與會人數的  15%,就會出現問題。您對有興趣研究的群組有越多的認識,在看到調查問卷的那些資料結果時就會更有信心。至少在這個例子中分析性別時,如果調查問卷受訪者有 15% 為男性,您就會感到好很多。如果調查問卷調查樣本是從未知的一群人中隨機挑選進行,那麼就必須把統計顯著性這個因素考慮進去。在這裡,主要的因素為樣本大小。假設 1,000 位與會者中有 50 人回覆 調查問卷。 50 這個樣本很小,因此可能會產生大的誤差範圍。  簡而言之,您的結果不會帶有較多的加權值。

假設您詢問調查問卷受訪者,在會議中的 10 個小組座談會中參加了幾個。您可能會得到這樣的結果:

Screen Shot 2014-03-05 at 11.02.19 AM

建議您分析平均值。 您可能會想到,總共有三種不同的平均值,分別為平均數、中位數及眾數。

在上方表格中,參與座談會的平均數為 6.3。這裡回報的平均值為平均數,應該是您最熟悉的平均值。若要確定平均數,您可以將數據加總,並與您新增的數字相除。在此範例中,有 10 位受訪者參與了 1 個座談會;50 位受訪者參與了 4 個座談會;而 100 位受戶者參與了 5 個座談會。因此,您將這些數字相乘後加總,並和與會人總數相除。

中位數則是另一種平均值。 中位數是中間值,也就是 50% 的值。在上表中,我們可以找出座談會的數目,其中有 500 人在數字左側,另外 500 人在右側。以這個例子來說,中位數就是 7 個座談會。這個數字可以幫助您減少其他因素可能會對您的資料造成的重大影響。

最後一種平均數是眾數。眾數是指最常見的回覆。在這個例子中,眾數是 6。260 位調查問卷參與者參加了 6 個座談會,在其他座談會參加的次數中,6 次是現最多次的。

如果您的結果是以李克特量表為準,也可以使用中位數及其他類型的平均值。

得出結論

當提到調查問卷結果報告時,想想資料能提供我們哪些資訊。

假設您的整體信心指數率為普通。 您可以更深入瞭解為何會有這樣的結果。資料顯示與會者對於您會議的每個方面都給予非常高的評分,包括座談會及課程、社交活動及飯店等;但他們不太喜歡舉辦會議的城市。 (或許是因為會議在芝加哥舉辦,當時是 1 月,天氣太冷了!)也就是說,會議很成功,但地點不佳。 若要在冬天舉辦會議,邁阿密或聖地牙哥或許是比較好的選擇。

其中一個您要思考的資料分析及報告部分,是因果關係及相關性。

相關性及因果關係有何差異?

因果關係是兩個因素間互為因果,而相關性則是當兩個變數放在一起時,其中一個變數不會影響,也不會導致另一個變數的產生。例如,喝熱巧克力和戴連指手套分別為兩個變數且有相關性 — 喝熱巧克力和戴手套或不喝熱巧克力也不戴手套。 但是,這兩件事不會相互影響。 事實上,它們都是因為另一個因素,也就是天氣冷,才會出現的動作。天氣冷會影響熱巧克力的銷售量,或許也比較會戴手套。天氣冷是獨立的變數,而 熱巧克力的銷售量及可能戴手套則是互相相關的變數。以您的會議意見反應調查問卷來說,天氣冷可能會讓與會者對舉辦會議的城市感到不滿意,進而影響對會議整體的滿意度。最後,若要進一步瞭解調查問卷中變數間的關係,必須進行迴歸分析。

何謂迴歸分析?

迴歸分析是一種進階的資料分析方法,可讓您瞭解兩個或更多變數間的關係。迴歸分析有許多類型,而調查問卷科學家會依所要檢查的變數來選擇要使用的迴歸分析類型。 但所有類型的迴歸分析都有一個共同點,就是它們都是要找出一或多個獨立變數對從屬變數的影響。在分析調查問卷資料時,我們會想知道影響與會者對會議滿意度最大的因素為何。是座談會的數目嗎?跟主講者有關嗎?是因為社交活動嗎?或是地點?透過迴歸分析,調查問卷科學家可以判斷會議的不同屬性會如何影響整體的滿意度。這也會提供一些深入見解,提供您在下次會議時可以改進的部分。假設您付出很大一筆費用請到主講者主持您的第一場座談會。與會者都對位主講者及會議整體給出了高評價。根據這兩個因素,您可能會認為邀請有名 (且昂貴) 的主講者是會議成功的關鍵。迴歸分析可以協助您判斷是不是果真如此。您會發現,主講者的聲望是 會議滿意度的主要因素。若是如此,明年您可能會再次邀請有名的主講者。但假設迴歸分析顯示出,雖然所有人都喜歡主講者,但這對於與會者對會議的滿意度並沒有多大的幫助。若真是如此,您或許應該考慮把這筆費用花在其他方面。如果您花時間仔細地分析調查問卷資料的健全性,就會更加瞭解要如何運用手上的資料,協助您做出更完善的決策。

提升調查問卷回覆率的 3 個快速提示

以下是確保受訪者回答調查問卷的一些方法。

1. 調查問卷以簡要為宜

如果您的調查問卷簡短扼要,則有更大的機會獲得較多受訪者完成問卷。

2. 提供獎勵

小額 折扣 或參加抽獎這些小獎勵,有助於確保受訪者填寫您的調查問卷。

3. 購買目標受眾

有了 SurveyMonkey Audience,您就能依照調查問卷的需要,付費觸及符合特定人口統計標準的受眾。這是有目標地從特定族群取得回覆的絕佳方法。

數百萬人信賴 SurveyMonkey 的原因

調查問卷無數量上限

想要寄出多少調查問卷和測驗都沒問題——就連免費方案也一樣。

快速獲得回答

輕鬆建立並寄出專業的調查問卷。迅速獲得可靠的結果。

經專家認可

取得預先撰寫好、且經過我們的調查問卷科學家認可的問題和範本。

即時結果

在您的行動裝置上隨時隨地查看結果。在湧入的資料中找出趨勢。

創新想法

調查問卷不只能為您提供答案,還能讓您獲得意見反應和新的觀點。

可付諸行動的資料

從您的資料中找出深入見解,並與您的團隊分享。