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。

（1）一份數(shù)據(jù)可能經歷過編碼、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，針對這類題型，在spss內使用頻率統(tǒng)計功能，查看每個題目的總量，缺失值，是否有異常值。比如：性別只有1、2兩個選項，出現(xiàn)其他選項則說明有問題。有個小技巧，在Excel中可以使用篩選功能，快速查看每個題目的結果是否有異常值。

（2）有些用戶可能會不認真填答，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候設置測謊題，兩種設計思路：

同一個題目前后問兩遍，檢查答案是否一致，如：請從下列選項中選出你最常用的地圖APP。注意避免使用有兩個答案的問題，比如問用戶愛車的品牌就不合適，因為用戶前后填答不一致，不一定都是不認真填答，也可能是因為用戶本身有兩輛車。

設置一個有明顯錯誤答案的問題，檢查是否選擇了錯誤的答案，如：你最常用的地圖APP是哪個：混淆選項可以用 ：京東。不過我們只是想檢驗用戶的認真程度，而非考驗用戶的記憶力，所以測謊題要簡單明確，只要認真看題就不會錯。比如問用戶最常用的地圖APP是哪個，混淆選項用“微信”就不合適，因為用戶不認真想的話，很容易把微信自帶的地圖當成地圖APP。

如果技術支持，也可以通過后臺數(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)來做校驗題目，不要使用需要回憶的數(shù)據(jù)來校驗，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，因為用戶的記憶很可能與實際行為不完全相符。

問卷調研絕大部分是抽樣調研，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屬性都和整體一致，而是關注那些對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：年齡對用戶忠誠度的影響非常大，對出行方式沒有影響，那么在研究忠誠度時就需要考慮到年齡因素，而在研究出行方式時，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 。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，此時可以通過加權的方式去調整。

具體方法如下：

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

值得注意的是，不要為了省事兒，直接計算出樣本各年齡段的值，然后給各年齡段的值賦個權重，求均值。這樣的結果是不對的，必須要使用spss的加權功能。

如果有多個因素，挑選最重要的一個因素加權。如果非要考慮多個因素，那么需要了解多個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，再計算權重，成本太高了。

我們先假設一份調研問卷，帶著這份問卷來看分析思路。

假設要針對大學生群體使用地圖APP的情況做個調研，設計了以下問卷，通過這個問卷我們能做哪些分析呢？

3.1 描述統(tǒng)計，看整體分布情況

統(tǒng)計各選項的數(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。

通過這個問卷，我們可以得到：

在大學生群體中，各手機地圖的市場占有率，如果有整體的地圖市場占有率數(shù)據(jù)，還可以比較得到，在學生群體中哪個地圖更有優(yōu)勢。

大學生群體，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“定義多重響應集”的功能。此外在計算占比的時候需要想明白，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，需要標明。本題以整體人數(shù)作為分母，占比的意義是：大學生群體中，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，第一步先找到兩個可能有關系的因素；第二步將兩個因素交叉統(tǒng)計結果，根據(jù)結果在這兩個因素間做假設；第三步根據(jù)這兩個因素的數(shù)據(jù)類型，選擇合適的統(tǒng)計方法，驗證假設。

通過這個問卷，我們可以分析：

（1）男性和女性對手機地圖的選擇有差異么

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

（2）男性和女性，對手機地圖的忠誠度有差異么？

先統(tǒng)計不同性別用戶的NPS值，NPS值是等距數(shù)據(jù)（NPS這個題目，本質上是李克特量表，對該數(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。

（3）不同品牌的手機地圖，用戶的忠誠度有差異么？

與性別變量不同的是，手機品牌有4個維度，T檢驗只能做兩組之間的差異檢驗，多于兩組的時候采用方差分析。

（4）是否由于男性用戶多導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，就會假設：是否由于男性用戶多導致騰訊地圖的忠誠度低呢。

當有兩個因素的時候，可以采取協(xié)方差分析，在做方差分析的時候，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。

總結一下，做差異檢驗的統(tǒng)計方法常用的有三種：卡方檢驗、T檢驗、方差分析。但是，統(tǒng)計只是輔助判斷的一種工具，也有些情況，直接看交叉后的結果就能發(fā)現(xiàn)差異巨大，無需統(tǒng)計檢驗肉眼都可以判斷，也有些情況下，統(tǒng)計結果顯著，但是差異實在是很微小，也不能做出明確的結論。

所以統(tǒng)計方法并不是重點，找到可能有關系的因素才是重點，學術研究一般會根據(jù)過往的研究提出假設，而實際工作中，絕大部分靠經驗，多熟悉產品多了解用戶，才會有思路。

之前有人提出要做女性地圖，認為女性更看不懂地圖，需要在圖面上有不同的處理。實際調研下來，發(fā)現(xiàn)性別既不影響用戶使用地圖的習慣、也不影響用戶對地圖的感知。相反年齡明顯的影響地圖的使用習慣，接下來就需要進一步挖掘年齡的差異了。

3.3 相關分析，找影響因素，以及影響程度

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

此時需要用到相關分析，使用功能個數(shù)是等距數(shù)據(jù)，使用spss計算Pearson積差相關系數(shù)。相關系數(shù)介于-1~1之間，絕對值越大關系越密切，符號代表相關的方向。通常情況下，絕對值大于0.4就可以認為這兩個數(shù)據(jù)之間有比較強烈的關系了。所以絕對值越大，說明這個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系呢，使用頻率是順序數(shù)據(jù)，此時需要計算Speaman相關系數(shù)。相關是在工作中使用比較多的方法，需要注意的是，相關分析只能解釋兩個變量之間有無關系，不能得到因果結論。因果結論是我們基于邏輯賦予的，工作中，相關關系已經足夠我們做判斷了。

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

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

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

如果是自己做調研，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)計方法，在統(tǒng)計書中都可以找到細致的操作步驟。本文只是列了最粗淺的統(tǒng)計方法，但是往往粗淺的才夠直接，對實際的決策最有支持力。