调查问卷设计(调查问卷小程序)

问卷是收集数据的一个很好的方法。它具有小巧、灵活、轻便的先天优势，而且简单方便。任何人都可以设计一份问卷数据，然后进行数据分析和研究。然而，人们已经知道，一个糟糕的问卷设计会导致糟糕的数据分析，无法得到预期的结果，无法进行一系列有效的研究。遗憾的是，调查问卷的研究和设计，如果设计一个专业的调查问卷，并没有得到应有的重视。本文将从“问卷设计小技巧”、“问卷设计坑”、“问卷调研报告”三个部分来阐述专业问卷设计的内幕。

设计一份问卷不难，但是太多人设计不出问卷。原因很简单，没有想法，也没有人会去解释想法。事实上，只需一点小小的推动，不会的“小白”也可以设计一份专业问卷。

本章将分别讲解三种思路，即:关键词法、研究方法匹配法、场景应用法。接下来，逐一解释。

很多人第一次设计问卷没有经验，不知道从哪里入手，需要设计什么样的问题，多少问题合适。其实问卷应该设置多少个问题，设计什么类型的问题？这些都比较不重要，核心在于你的思维是什么？有了想法，一切都会有解决的办法。那如何让自己的调查问卷有思路呢？比如你要研究“消费者网购与社交媒体使用的关系”，首先确认是这样一个主题。我觉得不难，至少你要知道你想学什么。有了这个，接下来就好办多了。从这个主题可以看出，核心研究点包括两个关键词，即网购和社交媒体；有了这两个关键词之后，接下来需要做的就是细分；网购可以用什么样的问题来表达？社交媒体应该用什么样的问题？

通常一个关键词下属可以有4~7个问题，所以不需要太多问题。按照这个逻辑，两个关键词只有8~14个问题，还是比较少的。我们做什么呢可以在一个关键词下继续拆分吗？比如常见的拆分可以分为两类，包括基本行为和基本态度，那么网购就可以拆分为网购行为和网购态度。同样，社交媒体也可以分为两个方面:社交媒体使用情况和社交媒体态度。

在这个前提下，如果把一个研究课题分成4~7个关键词，每个关键词有4~7个问题，整个研究就满了。这样做的目的很简单。一是整体研究思路梳理清晰，具体问题量化呈现；第二，只有这样才能在后续进行有效的研究和分析。

如果最后拆分成5个关键词，每个关键词对应6个话题，则有30个话题；然后你需要添加一些常见的问卷问题，比如性别、年龄、学历、收入、消费等基本信息；已经完成了一份比较完整的问卷。为什么需要添加性别年龄等基本信息？从统计学的角度来看，人口统计学变量(即性别、年龄、教育背景等。)通常对于某个关键词会有可能的分歧，不同的人对于同一个问题可能会有完全不同的看法或者观点，所以有必要补充这样的问题来进一步分析。至少，首先需要知道研究的就是这样一群人，这样才会有后续的分析和研究。

即上述关键词法的一个常见思维框架，属于“不离不弃”，任何问卷设计都可以做这样的参考。接下来解释第二种招数，即“研究方法匹配法”。

上一部分讲解了关键词法，相信大部分人已经设计出一个思路清晰，结构良好的相对较好的问题了。然后再深入，就是通过匹配研究方法来设计调查问卷。

研究方法通常可以分为三类，即差异关系、相关关系和其他关系。

如果思维更倾向于研究差异关系，比如不同收入群体对网购的态度不同。那么收入就是一个关键词，网购态度可以用比如标准化的量表题来设计，方便方差分析比较差异；我建议使用更标准化的量表题，因为量表标准化程度高，可以使用很多研究方法；如果不用量表题，那么可以考虑卡方分析进行研究。如果使用更丰富的研究方法，就需要使用各种问题设计，既有量表问题，也有非量表问题，预计需要进入差异和比较的范畴。
如果思维更倾向于研究影响关系，比如满意度对忠诚度的影响，似乎满意度和忠诚度都可以用量表题来表达，那么设计量表题就没有问题，因为可以用线性回归分析来研究。除此之外，还有一种情况可以考虑，就是logistic回归。满意度影响最后是否再次购买，是否再次购买受满意度影响。这种情况要用logistic回归分析。如果希望两种研究方法都用，那么满意度对应的问题需要有量表问题，还有“是否愿意再次购买”等分类数据问题。
如果期望数据需要统计信度分析，请记住一定要设计成量表题，否则无法进行信度分析。而如果预期思维中有分类，也就是比如把样本分成三组人，这时候就要考虑使用更标准化的量表数据了。
总之，研究方法的匹配其实应该在问卷设计之前考虑。问卷设计完成后，大部分的问卷研究方法都已经确定，所以需要提前把问卷研究方法考虑进去，以便于更丰富的数据分析。相对来说，量表题能匹配更多的研究方法，也更规范。建议多使用音阶题。

第一部分从分析方法的角度说明如何设计调查问卷。事实上，问卷的设计也会受到研究应用实现的影响，比如学术研究中更多的参考word模型，大量标准化的研究量表等。但在企业调研中，更多关注的是现状、政策建议等实际的东西。在不同的应用场景下，特别是在学术和企业应用中，问卷设计会有很大的不同。

在学术研究中，推量表题设计的原因很简单。量表可以匹配很多研究方法，建立模型便于推广。但是也存在一定的问题，就是实用性比较弱。在应用上，企业不关注模型，更关注问题是什么，解决方案是什么。所以量表题相对用的少一些，一些非量表题，比如选择题，多选题，用的比较多。

相对而言，建议在学术研究中加入少量(约1/5)的非量表问题，这样在写研究报告时，可以有一些结合实际情况的深入研究，比如研究“网购满意度与忠诚度”之间的关系。满意度影响忠诚度，然后呢？企业如何提供帮助？可以考虑设计一些话题，比如如何提高自己的满意度，增加一些新的小功能，多做一些优惠活动？

以及企业应用场景，也适当增加一些尺度问题，以丰富研究方法，从不同角度、不同分析方法对数据进行分析。否则只能来回交叉对比，一些新的研究点无法深入挖掘。

总结了上一部分问卷设计的小技巧后，这一部分将总结问卷设计中的一些常见问题，避免“坑”只有这样才能得到一份完美的研究报告。一旦问卷完成，数据收集也就完成了，但最终无法进行所需的分析。想象一下这有多糟糕。下面我们逐一总结一下。

1.研究影响关系，却缺少y。

影响是指X影响Y，如果问卷中只设计了与关键词X对应的话题，而没有设计与Y对应的话题；这样最终会导致无法分析。例如，研究“影响网上购物满意度”因素，问卷中只设计了一些与影响因素相对应的量表问题，但有一个缺少“Y & quot也就是对情况的满意程度。

况且X和Y这两个字不能出现在一个标题里；比如要研究“产品影响满意度”，就不能设计“产品会影响满意度”这样的问题。把两个关键词放在同一个句子里，就是X和Y不分开；正确的做法是把X和Y完全拆分，用不同的问题来表示。

2.信度和效度分析，不是量表问题。

如果在研究的最后，我们希望用统计学的研究方法来分析信度和效度，但不设计与关键词相对应的量表题目；这将使分析无法进行。统计信度和效度分析只针对量表问题；特别是在学术研究中，通常需要报告信度和效度，因此需要设计相应的量表题。

3.问卷中有太多的逻辑

思路清晰的问卷，应该是任何人一眼就能完全明白自己想做什么的意思。如果问卷逻辑太多，比如选择第一个问题，他们只能回答第五个问题；然后选择问题3回答问题4；逻辑有很多种；这种情况会导致一个非常不好的研究和分析，因为需要理解和分析的逻辑太多了。建议问卷中的逻辑应保持在4以内。如果确实逻辑很多，可以先画个流程图，梳理一下逻辑，总结一下逻辑的地方，尽量简化逻辑跳转。

4.填空题，慎用。

填空题是开放式题型，可以收集一些意想不到的信息。不过这种题型有一个很大的问题，就是很不规范。比如使用性别问题空，很可能得到男性、男性、m、男性、男同学、男、男等这样的答案。这种非常不规范的回答会导致分析的不可能性。必须分析，需要先整理成标准化的答案，非常费时费力。

如果是为了更公开的信息，确实需要用空这个问题。如果不是这样的需求，建议尽量少用空题，因为它无法使用数据分析方法。

其实问卷的设计会有很多问题，比如一个选项没人选，或者选择题设计了两个问题。这种情况是个细节问题。建议稍微注意一下问卷的设计。这种情况只会导致最终的研究报告质量很差，不会影响到无法进行实质分析的情况。稍微注意一下就够了。建议在设计问卷时，从被试的角度考虑，即回答问卷问题，避免一些常规问题。

在问卷的研究中，量表比较规范，简单易懂，最重要的是可以匹配很多研究方法。所以，笔者建议尽量使用量表题。
在学术研究中，尺度问题非常普遍，应用也非常广泛，大多数研究方法只能匹配尺度问题。但在企业调研中，量表题用的相对较少，而选择题、多项选择题、排名题用的较多。可以考虑互补性，即在学术研究广泛使用量表题的基础上，增加一些选择题、排名题等非量表题；在企业研究中，引入了适量的量表问题。

问卷设计好之后，其实自然会匹配相应的研究方法，确定研究思路，大致确定研究报告的框架和结构目录。