SPSSAU問卷分析快速入門指南
首先了解基本統計知識（大約5分鐘），接著選擇正確的研究方法進行結果解讀；與此同時，瞭解一些問卷研究的思路使得研究更加順手。與此同時，掌握一些資料清理的技能更好，比如對異常資料處理。
01. 基礎知識
（1）資料型別識別
資料共分為兩類，定量和定類資料：
| 術語 | 說明 | 舉例 |
| 定量資料 | 數字大小具有比較意義 | 您對天貓的滿意度情況（非常不滿意，比較不滿意，中立,比較滿意，非常滿意） |
| 定類資料 | 數字大小代表分類 | 性別（男和女），專業（文科、理科、工科） |
（2）P值的意義
p 值是統計學名詞，其用於測量資料間的規律情況把握程度。如果p 值小於0.01即說明某件事情的發生至少有99%的把握，如果p 值小於0.05（並且大於0.01）則說明某件事情的發生至少有95%的把握。
研究人員想研究不同性別人群的購買意願是否有明顯的差異，如果對應的p 值小於0.05，則說明呈現出0.05水平的顯著性差異，即說明不同性別人群的購買意願有著明顯的差異，而且對此類差異至少有95%的把握，絕大多數研究均希望p 值小於0.05，即說明有影響，有關係，或者有差異等。
（3）量表
量表答項類似於“非常同意”、“同意”、“不一定”、“不同意”、“非常不同意”，也或者“非常滿意”、“比較滿意”、“中立”、“比較不滿意”，“非常不滿意”等。大多數統計方法均只能針對量表。量表是一種非常典型的定量資料，當然個別情況時也可以將其看成定類（即認可態度不同的幾類群體，但這種時候非常少）。
02. 分析方法選擇使用
在確認好資料型別後，接著便可選擇正確的研究方法。如下說明：
參考資料：https://spssau.com/helps/basics/concept.html
SPSSAU建議：先描述想研究什麼用一句話描述。話裡面拆成X和Y：然後結合X與Y的資料型別，選擇對應的方法。
比如性別/專業等為定類資料，那麼基本情況分析部分，直接使用頻數分析即可；
如果資料中有量表態度題，那麼基本情況分析時，可計算量表題的平均值，瞭解樣本的平均態度情況；
進一步想深入分析差異關係，如果是定類和定類關係，比如‘性別’和‘是否吸菸’的關係，那麼可使用交叉(卡方)分析；如果是定類和定量關係，比如‘性別’和‘身高’的關係，那麼可使用方差分析；
進一步想深入分析影響關係，即X對於Y的影響，如果Y是定量資料（比如身高），那麼可使用線性迴歸。如果說Y是定類資料（比如是否願意購買電影票，購買哪種型別的電影票），那麼就需要使用Logit迴歸分析，比如Y為是否願意（yes和no兩項），那麼就使用二元Logit迴歸，如果是多個類別（比如購買‘愛情類’，‘喜劇類’，‘恐怖類’），那麼此時使用多分類Logit迴歸即可。
如果資料中有量表資料即態度題，那麼通常需要使用測量資料的真實性和量表設計的有效性，可使用信度和效度分析。
如果資料中有多選題（多選題是一種特殊的定類資料，其分析應該以‘某個多選題的所有選項作為整體’一次性分析），可使用SPSSAU問卷研究裡面的‘多選題’，‘單選-多選’，‘多選-多選’，‘多選-單選’。分別分析多選題各項的選擇比例，也或者單選題和多選題的差異關係，也或者多選題和多選題的差異關係，也或者多選題和單選題的差異關係。
03. 問卷思路剖析
問卷思路上一般分成三個部分，分別是基本情況分析，差異關係研究和影響關係研究。
- 首先是對問卷資料做基本的描述分析，結合資料型別，選擇使用頻數分析，或者描述分析即可；
- 接著研究差異關係情況，結合資料型別選擇使用交叉卡方分析，或者方差分析即可；
- 接著研究影響關係情況，即X對於Y的影響，結合Y的資料型別，選擇使用線性迴歸或者Logit迴歸即可。
參考資料如下：https://spssau.com/helps/basics/framemodule.html
（1）基本情況分析
分析方法：頻數分析/描述分析
- 瞭解樣本特徵情況，基本認知情況，基本態度情況
- 比如個體基本特徵（性別，年齡，學歷，專業）等基本分佈情況如何；比如對於疫情的認知情況或態度情況如何？
（2）探索規律（差異關係）
分析方法：交叉卡方分析/方差分析
- 深入分析差異情況，找出資料規律
- 比如分析不同性別/學歷/專業群體，他們對於疫情認知態度差異情況如何？
（3）探索規律（影響關係）
分析方法：線性迴歸/Logit迴歸
- 深入分析更進一步的影響關係情況，找出資料規律
- 比如分析疫情認知態度情況 對 ‘疫情期間是否外出就讀’的影響關係情況？
（4）其它
如果資料有量表題，那麼可以測量資料的真實性和量表題設計的有效性。（僅針對量表題）
分析方法：信度分析/效度分析
- 探究資料的真實性和量表題設計的有效性
- 比如使用量表題詢問‘消費升級’的態度情況，那麼回收資料是否真實，且是否真的測量了‘消費升級’這個概念。
04.資料清理技能
資料分析前，有可能需要對資料進行清理，比如某個標題需要修改下，也比如資料中有大篇幅沒有填寫，也或者很多亂答（都選擇同一個答案），那麼此時需要做‘無效樣本’處理。
與此同時，資料分析的時候，比如想把學歷‘小學/初中/高中/大學/研究生’共5個類別，現在想組合成3個類別，分別是‘高中及以下/大學/研究生’，那麼此時需要使用資料編碼功能。
參考資料：
https://spssau.com/helps/dataprocessing/invalid.html
https://spssau.com/helps/dataprocessing/coding.html
「更多內容登入SPSSAU官網瞭解」