➢量表题项需要有文献参考依据：也研究人员应该参考前人的文献量表
设计，或者在前人设计的文献量表上进行适当的修改。
➢量表题项数量：最好每个变量对应4~7个题项，不能太少也不能过多。
➢量表题项设计要规范统一：同一个变量的题项不能混合使用多级量表，
否则会导致数据处理不准确。
➢量变反向题：若变量题项中有正向态度和反响态度题项时，就涉及反向题，应
分析）。
反向题
反向题是否需要，以及是否可以反向处理
案例1：“90后”员工离职倾向调查问卷
本案例研究相关因素对于“90后”员工离职倾向的影响情况，相关因素共分为6个， 分别是薪酬福利、人际关系、工作本身、价值观、成就发展和企业文化。此问卷包含样本 背景信息题项、样本特征题项、样本基本态度题项和核心题项。
➢Logistic回归分析：研究影响关系，即X对于Y的影响情况，此处涉及的Y是
分类变量。 Hosmer和Lemeshow检验、Cox&Snell R2和Nagelkerke R2、对数比等指标。 对应P值需要大于0.05，即说明预期拟合情况与实际拟合情况一致。
2 问卷设计说明及注意事项
2.1 量表题项设计
况。量表的尺度形式有多种，常见的是五级量表，即有五个答项。
➢样本：通俗的讲即为填写问卷的人，对于样本的数量，通常情况下为量表题项的5
倍或者10倍即可（无效样本在分析问卷前需要进行删除或者筛选）。
➢频数分析：通常会涉及样本、有效样本、频数、百分比、累计百分比、有效百分
比等。
➢描述性分析：通常会涉及平均值、标准差、中
数学建模基础
第五章 调查问卷设计
及处理
调查问卷
从啤酒和尿布的故事开始，我们发觉简单的数据中可能存在无穷的奥秘，好奇心趋势越来越多 的人投身到枯燥的数据中。 在瀚如烟海的数据中，不论是科学研究还是商业调查，很大一部分数据是通过调查问卷的方式 来获取的。 在问卷星平台上，每天都会产生上万份问卷和100多万份答卷，但大部分用户的数据分析仅仅 停留在简单的频率分析上。 数据中隐藏的巨大价值，还等待着被人挖掘。
框架内容 筛选题项 样本背景信息题项
样本特征信息题项
样本基本态度题项
题项 Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 Q13
题项内容 请问您是90后吗（如果不是，则结束回答）
性别 年龄 婚姻状况 学历 从毕业开始，累计工作年限为 当前公司工作年限为 您是独生子女吗 您曾有几次主动离职经历 你现在的职位 你现在所在单位的性质 如果离职，原因是什么（多选） 您对当前公司不满意的地方有那些（多选）
➢线性回归分析：研究X对于Y的影响关系分析方法，其中X被称为自变量，Y被
称为因变量。 R2或调整R2：代表X对于Y的解释力度，取值范围为0~1，该值越大越好。 F值：用于检验所有自变量X中至少有一个会对因变量Y产生影响的关系，若F值对 应的P值小于0.05，则说明所有自变量X中至少有一个会对因变量Y产生影响关系。
1 统计学基础及术语解释
1.1 数据分析
➢P值：也称显著性值或Sig值，用于描述某件事情发生的概率情况，其取值范围介于
0~1，不包括0或者1。在大多数情况下，如果P值小于0.01（0.05或0.1），则说明某件事 情的发生概率至少有99%（95%或90%）的把握。
➢量表：通常是指李克特量表，其用于测量样本人群对于某件事情的态度或者看法情
核心研究变量题项和其它题项。
➢ 筛选题项：如果对样本特征有特殊要求，则需要将此类样本筛选题项设置在问卷前
面。
➢ 样本背景信息题项：加入样本背景题项，比如性别、年龄等。通常进行频率统
计。
➢ 样本特征信息题项：此类问题多为非量表类题目，可用于深入了解样本特征情
况，通常是计算频率直观展示各选项选择情况。
➢ 样本基本态度题项：此类问题基本为非量表类题目，了解样本的基本态度。
位数等术语名词。
1.2 信度和效度分析
➢信度分析：在于研究数据是否真实可靠，通俗地讲，即研究样本是否真实回答了
问题，信度分析只能分析量表题项。 科隆巴赫系数：也称信度系数、内部一致性系数、Cronbach α系数或者α系数，此 值一般大于0.7即可。 校正的项总计相关性，也称CITC值，此值大于0.4即说明某题项与另外的题项之间 有着较高的相关性。
➢ 核心变量题项：此类部分为问卷研究的核心内容，题项数量最多，通常情况下均
为量表类题项。 适用于各类统计 方法（信效度分 析、相关分析、 回归分析、因子
量表核心变量题项设计注意事项 需要有变量参考依据 变量对应题项合理性 因变量Y对应题项
说明 题项是否有参考量表 每个变量对应题项数量是否合适 如果研究影响关系，那么是否有因变量Y对应题项
1.3 变量关系研究
➢相关分析：一种最基本的关系研究方法，其目的在于分析两个变量之间的相关关
系，包括两者是否存在相关关系，以及相关关系的紧密程度。 Pearson和S7说明两个变 量之间表现出非常强的相关关系；当绝对值大于0.4时，说明相关关系强；当绝对 值小于0.2时，说明相关关系较弱。
尽量不实用反向题。
➢排序或打分题：直接让样本回答排序情况；使用五级量表或七级量表；使用
打分题。计算每个选项平均得分情况，通过平均得分进行排序分析。
➢其他：若量表中填写需要一定条件，需要设置删选
跳转题项。
2.2 问卷设计框架
量表类问卷的设计框架从结构上可以分为6个部分，分别是筛选
题项、样本背景信息题项、样本特征信息题项、样本基本态度题项、
➢效度分析：用于研究题项是否有效地表达研究变量或者纬度的概念信息，通俗地
讲，即研究题项设计是否合理，或者题项表示某个变量是否合适。 内容效度：即使用文字叙述形式对问卷的合理性、科学性进行说明。 结构效度：通常使用探索性因子分析（EFA）进行验证，通过因子分析对题项进行 分析，如果输出显示题项与变量对应关系基本与预期一致，则说明结构效度良好。 1. 如果题项的因子载荷系数值小于0.4，则应该考虑删除该题项； 2. KMO值应大于0.6； 3. 巴特球形检验对应的P值应小于0.05； 4. 根据方差旋转矩阵确定提取因子数量，如果某题项与某个因子对应的因子载 荷系数值较高，那么该题项应当归纳对应至该因子。