問卷調(diào)查設(shè)計spss

1、4.3問卷調(diào)查問卷設(shè)計的原則為了運用戶訪談獲得所須要的數(shù)據(jù)，保證數(shù)據(jù)的精確性和一樣性，以及所得到的數(shù)據(jù)能夠有效地被處理和分析，本次調(diào)查問卷的設(shè)計遵循一下基本原則：（1）問卷必需精確反映模型變量的含義用戶培訓(xùn)滿足度調(diào)查問卷是測評模型的具體化。在設(shè)計問卷的過程中，必需淮確把握測評模型中各個變量的含義，并據(jù)此提出相關(guān)的調(diào)查問卷題項。只有這樣，調(diào)查結(jié)果才有可能比較精確地反映測評模型擬達到的目標(biāo)。在這一點上，應(yīng)特殊留意如何把相對抽象的觀測變量精確地轉(zhuǎn)換成問卷題項。（2）問題必需易于用戶理解用戶培訓(xùn)指數(shù)所調(diào)查和測評的內(nèi)容主要是用戶對公司供應(yīng)的培訓(xùn)服務(wù)質(zhì)量問題的主觀評價，即用戶對這些問題的感知和看法。對于用

2、戶感知和看法的調(diào)查和測評涉及到經(jīng)濟學(xué)、心理學(xué)、統(tǒng)計學(xué)、消費行為學(xué)等多方面的學(xué)問，其難度遠(yuǎn)遠(yuǎn)高于傳統(tǒng)意義上對技術(shù)指標(biāo)的調(diào)查。如何通過調(diào)查問卷的設(shè)計，將困難的、抽象的調(diào)查內(nèi)容和指標(biāo)轉(zhuǎn)化為簡潔使被調(diào)查者理解并做出精確回答的具體問題，這是調(diào)查問卷設(shè)計環(huán)節(jié)的核心問題，也是保證用戶培訓(xùn)滿足度調(diào)查質(zhì)量的關(guān)鍵。（3）問題排列次序要有利于回答合理的問題排列次序?qū)τ脩艟_地回答問題也是重要的。合理的排列次序包括兩個方面，一是指哪些問題應(yīng)當(dāng)先問，哪些問題應(yīng)當(dāng)后問；二是指哪些問題應(yīng)當(dāng)連續(xù)問，哪些問題應(yīng)當(dāng)分開問。一般狀況下，用戶情愿回答的問題應(yīng)當(dāng)放在前面，用戶不情愿問答的問題應(yīng)當(dāng)放在后面；用戶簡潔回答的問題應(yīng)當(dāng)放在前面

3、，用戶不簡潔回答的問題放在后面；在模型因果關(guān)系中，緣由的問題應(yīng)當(dāng)放在前面，結(jié)果的問題應(yīng)當(dāng)放在后向。至于問題應(yīng)當(dāng)連續(xù)提問還是分開提問，主要取決于問題之間的邏輯關(guān)系，也包括思維的連續(xù)性。依據(jù)結(jié)構(gòu)變量的邏輯關(guān)系排列問題，有助于被訪問用戶一步一步作答；將結(jié)構(gòu)變量所包含的觀測變量問題放在一起，能夠使被訪問用戶較少地產(chǎn)生時空的跳動，精確地回答問題。（4）調(diào)查問卷應(yīng)當(dāng)加入人口統(tǒng)計問題在用戶培訓(xùn)指數(shù)的調(diào)查問卷中，除了要對測評模型中的全部觀測變量設(shè)計訪談問題，還應(yīng)有必要的人口統(tǒng)計問題，如被訪問者的年齡、學(xué)歷、組織性質(zhì)、組織規(guī)模和組織行業(yè)等。這是因為在對用戶培訓(xùn)滿足指數(shù)進行分析時，這些人口統(tǒng)計數(shù)據(jù)將幫助供應(yīng)具體的

4、分析結(jié)論。（5）盡量采納便于數(shù)據(jù)處理的封閉式問題開放式問題更適合探究性探討，而非推斷性探討。用戶培訓(xùn)滿足指數(shù)的調(diào)查和分析總體上說是推斷性探討，用戶培訓(xùn)滿足度指數(shù)的調(diào)查范圍很大，數(shù)據(jù)處理和分析的工作量也很大。這就要求調(diào)查問卷的設(shè)計應(yīng)重點采納封閉式問題，以便數(shù)據(jù)的錄入、整理、計算和分析。問卷測評指標(biāo)的量化用戶培訓(xùn)滿足度測評的本質(zhì)是一個量化分析的過程，即用數(shù)字來反映顧客對公司用戶培訓(xùn)服務(wù)質(zhì)量的看法，因此須要對測評指標(biāo)進行量化。由于用戶培訓(xùn)滿足度反映的是用戶對培訓(xùn)過程的看法、偏好和看法，所以本探討運用看法測量技術(shù)對測量指標(biāo)進行量化。量表中用數(shù)字表征看法的特征出于兩個目的。首先，數(shù)字便于統(tǒng)計分析；其次，

5、數(shù)字使看法測量活動本身變得簡潔、清晰和明確。由于李克特量表比較簡潔設(shè)計和處理，受訪用戶也簡潔理解，在郵寄問卷、電話訪問和人員訪談中都運用。本探討采納5級依次的李克特量表。本探討采納的5級看法量表有三種，一種干脆用于測量滿足程度，為：很不滿足、比較不滿足、一般、比較滿足、很滿足，相應(yīng)賦值為1、2、3、4、5；其次種用于測量培訓(xùn)服務(wù)達到的培訓(xùn)效果以及用戶期望（或志向）的程度，為：大大低于預(yù)期（志向）、低于預(yù)期（志向）、和預(yù)期（志向）一樣、高于預(yù)期（志向）、大大高于預(yù)期（志向），相應(yīng)賦值為1、2、3、4、5。問卷的發(fā)放及收集本次調(diào)查，主要針對于近三個月內(nèi)到徐工筑路公司進行培訓(xùn)的用戶，如受訪者在近三個

6、月未到徐工筑路公司進行培訓(xùn)，則訪問終止。本次調(diào)研采納網(wǎng)絡(luò)問卷調(diào)研和電話訪談問卷調(diào)研兩種方式。抽樣方式為簡潔隨機抽樣，依據(jù)用戶培訓(xùn)留下的記錄以及反饋信息，發(fā)出電子郵件網(wǎng)絡(luò)問卷100份，發(fā)出對象主要為購買徐工筑路公司產(chǎn)品的用戶，回收有效問卷28份；電話訪問10位，主要對象為培訓(xùn)反饋記錄中部分埋怨比較多的用戶，回收有效問卷4份，共計回收有效問卷32份。5 徐工筑路公司用戶培訓(xùn)滿足度測評結(jié)果及分析本文運用SPSS13.0對收集到的數(shù)據(jù)進行分析，主要采納了描述性統(tǒng)計分析、主成分分析、相關(guān)分析、回來分析，具體分析如下：5.1樣本特征分析表5-1 樣本的特征（N=32）人口統(tǒng)計變量類型人數(shù)百分比年齡20歲及

7、以下13.1%21歲30歲1650.0%31歲40歲721.9%41歲50歲618.8%51歲以上26.3%學(xué)歷中學(xué)及以下928.1%大專及本科2268.8%探討生及以上13.1%組織性質(zhì)國有企業(yè)1340.6%三資企業(yè)1134.4%國家或地方基層項目26.3%實業(yè)單位515.6%組織行業(yè)制造業(yè)26.3%建筑業(yè)1753.1%房地產(chǎn)業(yè)928.1%交通運輸業(yè)1237.5%由上表可知，樣本屬性分布比較合理，樣本結(jié)構(gòu)比較合理，對調(diào)研對象總體有肯定的代表性。其中本次調(diào)研對象的學(xué)歷大多是大專及本科，占68.8%，樣本的年齡分布主要集中在21-30歲和31-40歲區(qū)間，這兩部分共計23人，占71.9%。同時，

8、用戶所在組織的性質(zhì)國有企業(yè)占了40.6%，組織的行業(yè)也集中在建筑業(yè)，占53.1%。整體來看本次調(diào)研的接受徐工筑路公司用戶培訓(xùn)的人員中，學(xué)歷大多都是大專及本科，年齡層主要集中在21-30歲和31-40歲區(qū)間的中青年階層，同時他們的組織性質(zhì)和行業(yè)也是很符合工程機械用戶的要求，因此本探討調(diào)研樣本抽取的比較合適。本次調(diào)研的對象為最近三個月到徐工筑路公司進行過用戶培訓(xùn)的用戶，且具有肯定的行為實力和相識實力，因此對于本調(diào)研有比較形象和直觀的相識、理解，他們的回答在很大程度上能夠反映徐工筑路公司用戶培訓(xùn)滿足度影響因素的真實狀況，因此調(diào)研結(jié)果是較為可信的。5.2樣本效度檢驗效度也稱為測量的有效性或精確度，它是

9、指測量工具或手段能精確真實地測出所要測量變量的程度。效度一般規(guī)定為和測量目的有關(guān)的分?jǐn)?shù)的方差在總方差中所占的比例，比例越高說明測量精確程度越好。一般而言，有兩種統(tǒng)計方法考察主成分分析和數(shù)據(jù)之間的適應(yīng)程度來確定分析的有效性：巴利特(Bartlett)球體檢驗法和KMO(Kaiser Meyer Olkin)測量法。巴利特(Bartlett)球體檢驗法，統(tǒng)計量從檢驗整個相關(guān)矩陣動身，其零假設(shè)為相關(guān)矩陣是單位陣，各變量之間彼此獨立。假如不能拒絕該假設(shè)的話，應(yīng)當(dāng)重新考慮因子分析的運用。其統(tǒng)計量依據(jù)相關(guān)矩陣行列式的卡方轉(zhuǎn)換求得。KMO(Kaiser-Meyer-Olkin Measure of Samp

10、ling Adequacy)測度從比較宏觀觀測變量之間的簡潔相關(guān)系數(shù)和偏相關(guān)汲取的相對大小動身，其值的改變范圍從0到1。通常按以下標(biāo)準(zhǔn)說明該指標(biāo)值的大?。?.9以上，特別好；0.8以上，好；0.7，一般；0.6，差；0.5，很差；0.5以下，不能接受。因本論文采納的因子分析中確定因子載荷矩陣的方法采納主成分分析方法，首先須要對數(shù)據(jù)進行KMO及Bartlett球度檢驗，經(jīng)Bartlett檢驗表明Bartlett值足夠大，且p<0.05即相關(guān)矩陣不是單位矩陣，可進行主成分分析，其中KMO值均大于0.5，都屬于可接受的范圍之內(nèi)。均為可進行主成分分析范圍，且分析的結(jié)果較好，在每組分析中關(guān)注代表了

11、該組共性的主要成分。并通過學(xué)習(xí)特征值來推斷選取該潛在變量是否合理，一般狀況下，所創(chuàng)建的每一個主成分都是大于1的特征值，和此同時其他成分的特征值小于1。假如主成分分析中獲得的公因子能說明50%以上的變異，而且問卷中每個問項在相應(yīng)的公因子上有足夠強度的負(fù)荷(大于等于0.6)，則認(rèn)為具有較好的結(jié)構(gòu)效度。本文將32條樣本數(shù)據(jù)錄入到SPSS13.0中，然后對企業(yè)形象、感知質(zhì)量、培訓(xùn)效果、比較滿足度各變量對應(yīng)的具體項目的得分進行因子分析，采納主成分分析及方差最大化正交旋轉(zhuǎn)方法。5.2.1企業(yè)形象指標(biāo)效度分析表5-2 企業(yè)形象指標(biāo)效度檢驗結(jié)果（N=32）KMO and Bartlett's Test

12、Kaiser-Meyer-Olkin Measure of Sampling Adequacy.651Bartlett's Test of SphericityApprox. Chi-Square17.337df3Sig.001由上表可知，企業(yè)形象變量的KMO值為0.651大于0.5，處于可接受范圍并Bartlett球度檢驗給出的相伴概率為0.001<0.05，說明因子的相關(guān)系數(shù)矩陣非單位矩陣，能夠提取最少的因子同時又能說明大部分的方差，即效度可以，適合進行主成分分析。公共因子對總方差的累計說明率為67.885%，測量項目的因子載荷較高，說明數(shù)據(jù)質(zhì)量較好。5.2.2感知質(zhì)量指標(biāo)體

13、系效度分析表5-3 感知質(zhì)量指標(biāo)的效度檢驗結(jié)果（N=32）由上表可知，感知質(zhì)量對應(yīng)的KMO值為0.575，Bartlett球度檢驗給出的相伴概率為0.000<0.05，適合進行主成分分析。可以看出，5個公共因子對總方差的累計說明率為73.682%，14個測量項目能較好地分布在5個潛在的公共因子上，而且，負(fù)荷值較高的測量項目分別對應(yīng)5個潛在的公共因子，說明測量項目結(jié)構(gòu)比較志向，數(shù)據(jù)質(zhì)量較高。5.2.3培訓(xùn)效果指標(biāo)的效度分析表5-4 培訓(xùn)效果指標(biāo)的效度檢驗結(jié)果（N=32）Total Variance ExplainedComponentInitial EigenvaluesExtractio

14、n Sums of Squared Loadings Total% of VarianceCumulative %Total% of VarianceCumulative %11.86356.56756.5671.86356.56756.5672.96524.12270.689 3.71317.83188.520 4.45911.480100.000 Extraction Method: Principal Component Analysis.由表5-4可知， KMO值為0.595，在可接受范圍內(nèi)，Bartlett球度檢驗給出的相伴概率為0.018<0.05，適合做主成分分析。公共因子

15、對總方差的累計說明率為56.567%，大于50%，各項目的因子載荷較高，數(shù)據(jù)結(jié)構(gòu)比較牢靠，效度較好。5.2.4比較滿足度指標(biāo)的效度分析表5-5 比較滿足度指標(biāo)的效度檢驗結(jié)果（N=32）KMO and Bartlett's TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.630Bartlett's Test of SphericityApprox. Chi-Square12.217df3Sig.000由上表可知， KMO值為0.630，可以接受，Bartlett球度檢驗給出的相伴概率為0.000<0.05，適合做主成分

16、析。公因子對總體方差的累計說明率為79.115%，大于50%，各項目的因子載荷較高，數(shù)據(jù)結(jié)構(gòu)比較牢靠，較為志向。 5.3樣本信度檢驗信度又叫牢靠性，是指測驗的可信程度，主要檢驗測量結(jié)果和測量工具的穩(wěn)定性和一樣性。信度分析是社會探討中檢驗問卷的有效分析方法，因此本文接下來將對探討數(shù)據(jù)進行信度分析以確保問卷全部問項具有高度的牢靠性和一樣性。信度可以界定為真實分?jǐn)?shù)的方差和視察分?jǐn)?shù)方差的比例。假如一個因子結(jié)構(gòu)的信度高，表明結(jié)構(gòu)內(nèi)變量的一樣性好，結(jié)構(gòu)穩(wěn)定。信度檢驗常用的方法有“再測信度”和“同質(zhì)信度”兩種方法，“再測信度”，即用同一問卷對同一樣本在進行第一次調(diào)查后，間隔一段時間后再進行其次次調(diào)查，求兩次

17、調(diào)查結(jié)果的相關(guān)系數(shù)，即得“再測信度”。考慮到實施的難度和客觀條件限制，本論文舍棄再測信度而采納同質(zhì)信度來檢驗問卷的信度?！巴|(zhì)信度”，即問卷項目之間的同質(zhì)性，或內(nèi)部一樣性，論文主要采納考察量表的內(nèi)部一樣性的來進行檢驗。 （5-1）其中：K表示變量結(jié)構(gòu)中項目的總數(shù)，為第個項目觀測量的結(jié)構(gòu)內(nèi)方差，為K個變量的方差之和，為總方差（全部觀測之和的方差）。美國統(tǒng)計學(xué)家海爾（Jeseph F. Hair Jr）、安德森（Jr. Rolph E. Anderson）、泰森（Ronald L. Tathan）和布萊克（William C. Black）指出：大于0.7，以表明數(shù)據(jù)信度較高；計量尺度中的項目數(shù)小

18、于6個時，大于0.60，表明數(shù)據(jù)是牢靠的；在0.5以下要重新修改結(jié)構(gòu)，剔除無關(guān)變量。本文應(yīng)用SPSS13.0統(tǒng)計軟件逐個對各因子結(jié)構(gòu)進行信度分析，得出的值，其內(nèi)部一樣性(即信度檢驗)檢驗結(jié)果如下表（表5-6）所示：表5-6 用戶培訓(xùn)滿足度指標(biāo)的信度檢驗結(jié)果企業(yè)形象 感知質(zhì)量 Reliability StatisticsCronbach's AlphaN of Items.7192 培訓(xùn)效果 用戶培訓(xùn)滿足度 由上表可知，培訓(xùn)效果的只有0.616，最低，主要是由于其標(biāo)識的四個指標(biāo)中的“行為改進”和“組織績效”的滯后性，后期調(diào)查中，用戶對于“自身獲得技能”和“工作行為改進程度”比較認(rèn)可，指標(biāo)

19、的數(shù)值在4左右，而對組織的“經(jīng)營狀況”和“工作效益提高程度”感受不到，數(shù)值卻普遍偏低，普遍數(shù)值都在3甚至以下，所以培訓(xùn)效果變量的偏低是可以理解的，但無論如何0.616還是達到了可以接受的程度。而其他各變量的均大于0.60，部分系數(shù)超過了0.80，總的來說整個探討變量的內(nèi)部一樣性和穩(wěn)定性良好，牢靠程度可以接受。說明探討變量的相應(yīng)度量指標(biāo)之間具有較強的相關(guān)性，也就是說本探討的問卷具有較好的信度，可以進行下一步計算。5.4相關(guān)性檢驗相關(guān)性檢驗是探討各變量之間親密程度的一種統(tǒng)計分析方法。相關(guān)系數(shù)即定義為描述兩個變量間線性關(guān)系程度和方向的統(tǒng)計量。相關(guān)系數(shù)r沒有單位，其值在-1+1之間。r的肯定值越接近1

20、，則兩個變量間的線性相關(guān)程度就越大，正負(fù)值確定了兩變量間改變的方向是否一樣。雙變量相關(guān)性分析主要有三種分析方法：Pearson分析，積差相關(guān)，計算連續(xù)變量或等間距測度的變量間的相關(guān)分析；Kendall分析，等級相關(guān)，計算分類變量之間的秩相關(guān)；Spearman分析，等級相關(guān)，計算斯皮爾曼相關(guān)。為分析變量間的相關(guān)性，我們采納皮爾遜(Pearson)積差相關(guān)方法來分析變量兩兩相關(guān)的程度。在前面問卷的效度和信度檢驗通過的基礎(chǔ)上，為了進一步了解潛變量(因變量)和自變量之間的關(guān)系，本探討應(yīng)用SPSS13.0進行相關(guān)性分析。對企業(yè)形象的2個指標(biāo)、感知質(zhì)量的14個指標(biāo)、培訓(xùn)效果的4個指標(biāo)、培訓(xùn)反饋指標(biāo)、比較滿

21、足度和總滿足度的3個指標(biāo)分別求平均值，并給予其新的變量名稱“企業(yè)形象”、“培訓(xùn)服務(wù)”、“培訓(xùn)內(nèi)容”、“培訓(xùn)環(huán)境”、“培訓(xùn)方式”“培訓(xùn)器械”“行為改進”“組織績效”“培訓(xùn)反饋”“用戶培訓(xùn)滿足度”。其兩兩相關(guān)關(guān)系如下表（表5-7）。表5-7 各變量相關(guān)性分析（N=32）由表5-7，表5-8可知，“企業(yè)形象”、“培訓(xùn)服務(wù)”、“培訓(xùn)內(nèi)容”、“培訓(xùn)環(huán)境”、“培訓(xùn)方式”“培訓(xùn)器械”“行為改進”“組織績效”“培訓(xùn)反饋”均對用戶培訓(xùn)滿足度有顯著性的影響，其中，培訓(xùn)服務(wù)和用戶培訓(xùn)滿足度的相關(guān)系數(shù)為0.703， 遠(yuǎn)遠(yuǎn)高于其他變量和用戶培訓(xùn)滿足度的相關(guān)系數(shù)，其和用戶培訓(xùn)滿足度的相關(guān)性最為顯著。表5-8 用戶培訓(xùn)滿足

22、度和潛變量相關(guān)關(guān)系企業(yè)形象培訓(xùn)服務(wù)培訓(xùn)環(huán)境培訓(xùn)內(nèi)容培訓(xùn)方式培訓(xùn)器械行為改進組織績效培訓(xùn)反饋用戶培訓(xùn)滿足度0.5700.7030.4160.4990.5100.4340.3670.2800.3975.5逐步回來分析在實際問題中，人們總是希望從對因變量y有影響的諸多變量中選擇一些變量作為自變量，應(yīng)用多元回來分析的方法建立“最優(yōu)”回來方程以便對因變量進行預(yù)報或限制。所謂“最優(yōu)”回來方程, 主要是指希望在回來方程中包含全部對因變量y影響顯著的自變量而不包含對y影響不顯著的自變量的回來方程。逐步回來分析正是依據(jù)這種原則提出來的一種回來分析方法。它的主要思路是在考慮的全部自變量中按其對y的作用大小，顯著程度大小或者說貢獻大小，由大到小地逐個引入回來方程，而對那些對y作用不顯著的變量可能始終不被引人回來方程。另外，己被引人回來方程的變量在引入新變量后也可能失去重要性，而須要從回來方程中剔除出去。引人一個變量或者從回來方程中剔除一