《问卷调查设计--spss.docx》由会员分享，可在线阅读，更多相关《问卷调查设计--spss.docx（13页珍藏版）》请在三一文库上搜索。
1、4.3问卷调查4.3.1 问卷设计的原则为了使用户访谈获得所需要的数据， 保证数据的准确性和一致性，以及所得 到的数据能够有效地被处理和分析，本次调查问卷的设计遵循一下基本原则：(1)问卷必须准确反映模型变量的含义用户培训满意度调查问卷是测评模型的具体化。 在设计问卷的过程中，必须 淮确把握测评模型中各个变量的含义， 并据此提出相关的调查问卷题项。 只有这 样，调查结果才有可能比较准确地反映测评模型拟达到的目标。 在这一点上，应 特别注意如何把相对抽象的观测变量准确地转换成问卷题项。(2)问题必须易于用户理解用户培训指数所调查和测评的内容主要是用户对公司提供的培训服务质量 问题的主观评价，即用
2、户对这些问题的感知和态度。对于用户感知和态度的调查 和测评涉及到经济学、心理学、统计学、消费行为学等多方面的知识，其难度远 远高于传统意义上对技术指标的调查。如何通过调查问卷的设计，将复杂的、抽 象的调查内容和指标转化为容易使被调查者理解并做出准确回答的具体问题，这是调查问卷设计环节的核心问题，也是保证用户培训满意度调查质量的关键。(3)问题排列次序要有利于回答合理的问题排列次序对用户准确地回答问题也是重要的。合理的排列次序包括两个方面，一是指哪些问题应该先问，哪些问题应该后问；二是指哪些问题应 该连续问，哪些问题应该分开问。一般情况下，用户愿意回答的问题应该放在前 面，用户不愿意问答的问题应
3、该放在后面；用户容易回答的问题应该放在前面， 用户不容易回答的问题放在后面；在模型因果关系中，原因的问题应该放在前面， 结果的问题应该放在后向。至于问题应该连续提问还是分开提问， 主要取决于问 题之间的逻辑关系，也包括思维的连续性。按照结构变量的逻辑关系排列问题， 有助于被访问用户一步一步作答；将结构变量所包含的观测变量问题放在一起， 能够使被访问用户较少地产生时空的跳跃，准确地回答问题。(4)调查问卷应该加入人口统计问题在用户培训指数的调查问卷中，除了要对测评模型中的所有观测变量设计访 谈问题，还应有必要的人口统计问题，如被访问者的年龄、学历、组织性质、组 织规模和组织行业等。这是因为在对用
4、户培训满意指数进行分析时，这些人口统计数据将帮助提供详细的分析结论。(5)尽量采用便于数据处理的封闭式问题开放式问题更适合探索性研究，而非判断性研究。用户培训满意指数的调查 与分析总体上说是判断性研究，用户培训满意度指数的调查范围很大， 数据处理和分析的工作量也很大。这就要求调查问卷的设计应重点采用封闭式问题，以便数据的录入、整理、计算和分析。4.3.2 问卷测评指标的量化用户培训满意度测评的本质是一个量化分析的过程，即用数字来反映顾客对 公司用户培训服务质量的态度，因此需要对测评指标进行量化。由于用户培训满 意度反映的是用户对培训过程的看法、偏好和态度，所以本研究使用态度测量技 术对测量指标
5、进行量化。量表中用数字表征态度的特征出于两个目的。首先，数字便于统计分析；其次，数字使态度测量活动本身变得容易、清楚和明确。由于李克特量表比较容易设计和处理，受访用户也容易理解，在邮寄问卷、 电话访问和人员访谈中都使用。本研究采用5级顺序的李克特量表。本研究采用 的5级态度量表有三种，一种直接用于测量满意程度，为：很不满意、比较不满 意、一般、比较满意、很满意，相应赋值为 1、2、3、4、5;第二种用于测量培 训服务达到的培训效果以及用户期望（或理想）的程度，为：大大低于预期（理 想）、低于预期（理想）、与预期（理想）一致、高于预期（理想）、大大高于预 期（理想），相应赋值为1、2、3、4、5
6、。4.3.3 问卷的发放及收集本次调查，主要针对于近三个月内到徐工筑路公司进行培训的用户， 如受访 者在近三个月未到徐工筑路公司进行培训， 则访问终止。本次调研采用网络问卷 调研和电话访谈问卷调研两种方式。抽样方式为简单随机抽样，根据用户培训留下的记录以及反馈信息， 发出电 子邮件网络问卷100份，发出对象主要为购买徐工筑路公司产品的用户，回收有效问卷28份；电话访问10位，主要对象为培训反馈记录中部分抱怨比较多的用 户，回收有效问卷4份，共计回收有效问卷32份。5徐工筑路公司用户培训满意度测评结果及分析本文运用SPSS13.0对收集到的数据进行分析，主要采用了描述性统计分析、 主成分分析、相
7、关分析、回归分析，具体分析如下：5.1 样本特征分析表5-1样本的特征（N=32 ）人口统计变量人数百分比年龄20岁及以下13.1%21岁30岁1650.0%31岁40岁721.9%41岁50岁618.8%51岁以上26.3%学历高中及以下928.1%大专及本科2268.8%研究生及以上13.1%组织性质国有企业1340.6%三资企业1134.4%国家或地方基层项目26.3%实业单位515.6%组织行业制造业26.3%建筑业1753.1%房地产业928.1%交通运输业1237.5%由上表可知，样本属性分布比较合理，样本结构比较合理，对调研对象总体 有一定的代表性。其中本次调研对象的学历大多是大
8、专及本科，占68.8%,样本的年龄分布主要集中在21-30岁和31-40岁区间，这两部分共计23人，占71.9%。 同时，用户所在组织的性质国有企业占了40.6%,组织的行业也集中在建筑业，占53.1%。整体来看本次调研的接受徐工筑路公司用户培训的人员中，学历大多 都是大专及本科，年龄层主要集中在 21-30岁和31-40岁区间的中青年阶层，同 时他们的组织性质和行业也是很符合工程机械用户的要求，因此本研究调研样本抽取的比较合适。本次调研的对象为最近三个月到徐工筑路公司进行过用户培训的用户，且具有一定的行为能力和认识能力，因此对于本调研有比较形象和直观 的认识、理解，他们的回答在很大程度上能够
9、反映徐工筑路公司用户培训满意度 影响因素的真实情况，因此调研结果是较为可信的。5.2 样本效度检验效度也称为测量的有效性或准确度，它是指测量工具或手段能准确真实地测 出所要测量变量的程度。效度一般规定为与测量目的有关的分数的方差在总方差 中所占的比例，比例越高说明测量准确程度越好。一般而言，有两种统计方法考察主成分分析与数据之间的适应程度来确定分 析的有效性：巴利特(Bartlett)球体检验法和KMO(Kaiser Meyer Olkin)测量法。巴 利特(Bartlett)球体检验法，统计量从检验整个相关矩阵出发，其零假设为相关矩 阵是单位阵，各变量之间彼此独立。如果不能拒绝该假设的话，应
10、该重新考虑因 子分析的使用。具统计量根据相关矩阵行列式的卡方转换求得。 KMO(Kaiser-Meyer-Olkin Measure of Sampling Adequacy)测度从比较宏观观测变 量之间的简单相关系数和偏相关吸收的相对大小出发，其值的变化范围从0到1。通常按以下标准解释该指标值的大小：0.9以上，非常好；0.8以上，好；0.7, 一般；0.6,差；0.5,很差；0.5以下，不能接受。因本论文采用的因子分析中确定因子载荷矩阵的方法采用主成分分析方法， 首先需要对数据进行 KMO及Bartlett球度检验，经Bartlett检验表明Bartlett值 足够大,且p<0.05
11、即相关矩阵不是单位矩阵，可进行主成分分析，其中 KMO 值均大于0.5,都属于可接受的范围之内。均为可进行主成分分析范围，且分析 的结果较好，在每组分析中关注代表了该组共性的主要成分。并通过学习特征值来判断选取该潜在变量是否合理，一般情况下，所创建的每一个主成分都是大于 1的特征值，与此同时其他成分的特征值小于1。如果主成分分析中获取的公因子能解释50%以上的变异，而且问卷中每个问项在相应的公因子上有足够强度的 负荷(大于等于0.6),则认为具有较好的结构效度。本文将32条样本数据录入到SPSS13.0中，然后对企业形象、感知质量、培 训效果、比较满意度各变量对应的具体项目的得分进行因子分析，
12、 采用主成分分 析及方差最大化正交旋转方法。5.2.1 企业形象指标效度分析表5-2企业形象指标效度检验结果(KMO and Bartlett's TestN=32 )Kaiser-Meyer-Olkin Measure of Sampling Adequacy.651Bartlett's Test ofSphericityApprox. Chi-Square df17.3373Sig.001Total Variance E xplaine dComponentInitial E igenvaluesExtraction Sums of Squared LoadingsTota
13、l% of VarianceCumulative %Total% of VarianceCumulative %121.358.64267.88532.11567.885100.0001.35867.88567.885Extraction Method: P rincipal Component Analysis.Com pone nt Matrix aCompone nt1身边的人对筑胳公司 的评价筑路公司的社区活动.824.824Extraction Method: P rincipal Component Analysis. a. 1 com ponents extracted.由上表可
14、知，企业形象变量的KMO值为0.651大于0.5,处于可接受范围并Bartlett球度检验给出白相伴概率为0.001<0.05,说明因子的相关系数矩阵非单位矩阵，能够提取最少的因子同时又能解释大部分的方差，即效度可以，适合进行主成分分析。公共因子对总方差的累计解释率为67.885%,测量项目的因子载荷较高，说明数据质量较好。 5.2.2感知质量指标体系效度分析表5-3感知质量指标的效度检验结果（N=32 ）KMO and Bartlett's TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.575Bartlett's
15、 Test ofApprox. Chi-Square183.753Sphericitydf91Sig.000Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %14.53332.38032.3804.53332.38032.3803
16、.37324.09024.09021.90913.63846.0181.90913.63846.0181.97014.06838.15831.53410.95656.9741.53410.95656.9741.82613.04451.20241.2288.76965.7431.2288.76965.7431.64611.75962.96251.1117.93973.6821.1117.93973.6821.50110.72073.6826.9917.07580.7577.5864.18784.9438.5313.79388.7369.4663.32792.06310.3422.44094.50
17、311.3042.16896.67112.2321.65798.32713.1601.14399.47014.074.530100.000Extraction Method: Principal Component Analysis.Component12345培训人员的态度-.001-.059.888.220.120培训人员的专业程度.621-.437-.150.053.461培训人员的主动性.173.325.778-.111-.095培训部门间的配合度.744.118.271.032.111培训场地整体布局.149.454-.366.237.604培训环境整洁卫生.252.653-.067
18、-.002.133培训的整体氛围.837.318-.176-.050.077培训内容难易程度.204.784.290.065-.025培训任务完成度.025.134-.011.922-.009培训流程.837.242.119.201-.006培训时间的合理性.416-.117.187.702.174授课方式.402.383.106.077.056培训器械充足情况.728.259.012.360.097培训器械性能.093.046.148.014.906aRotate d Com pone nt MatrixExtraction Method: P rincipal Component Anal
19、ysis.Rotation Method: Varim ax w ith Kaiser Normalization.a. Rotation converged in 7 iterations.由上表可知，感知质量对应的 KMO值为0.575, Bartlett球度检验给出的相 伴概率为0.000V0.05,适合进行主成分分析。可以看出，5个公共因子对总方差 的累计解释率为73.682%, 14个测量项目能较好地分布在5个潜在的公共因子上, 而且，负荷值较高的测量项目分别对应 5个潜在的公共因子，说明测量项目结构 比较理想，数据质量较高。5.2.3培训效果指标的效度分析表5-4培训效果指标的效度
20、检验结果（N=32 ）Kaiser-M eyer-Olkin M Adequacy.easure of Sampling.595Bartlett's Test ofApprox. Chi-Square15.280Sphericitydf6Sig.018KMO and Bartlett'sTe stTotal Variance ExplainedComponentTotalInitial EigenvaluesExtraction Sums of Squared Loadings% of VarianceCumulative %Total% of VarianceCumulati
21、ve %11.86356.56756.5671.86356.56756.5672.96524.12270.6893.71317.83188.5204.45911.480100.000Extraction Method: Principal Component Analysis.Com pone nt Matrix aCompone nt1工作行为改进程度培训获得技能接受培训后经营情况 工作效益提高程度.590.680.629.810Extraction Method: P rincipal Component Analysis. a. 1 com ponents extracted.由表5-4
22、可知，KMO值为0.595,在可接受范围内，Bartlett球度检验给出 的相伴概率为0.018<0.05,适合做主成分分析。公共因子对总方差的累计解释率 为56.567%,大于50%,各项目的因子载荷较高，数据结构比较可靠，效度较好。 5.2.4比较满意度指标的效度分析表5-5比较满意度指标的效度检验结果（N=32）KMO and Bartlett's TestKaiser-Meyer-Olkin Measure of SamplingAdequacy.630Bartlett's Test ofApprox. Chi-Square12.217Sphericitydf3S
23、ig.000Total Variance E xplaine dComponentInitial E igenvaluesExtraction Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %121.582.41879.11520.88579.115100.0001.58279.11579.115Extraction Method: P rincipal Component Analysis.Com pone nt Matrix aCompone nt1与预期相比较满意度.8
24、89与理想相比较满意度.889Extraction Method: P rincipal Component Analysis. a. 1 com ponents extracted.由上表可知，KMO值为0.630,可以接受，Bartlett球度检验给出的相伴概 率为0.000<0.05,适合做主成分析。公因子对总体方差的累计解释率为 79.115%, 大于50%,各项目的因子载荷较高，数据结构比较可靠，较为理想。5.3 样本信度检验信度又叫可靠性，是指测验的可信程度，主要检验测量结果和测量工具的稳 定性与一致性。信度分析是社会研究中检验问卷的有效分析方法，因此本文接下 来将对研究数据
25、进行信度分析以确保问卷所有问项具有高度的可靠性与一致性。信度可以界定为真实分数的方差与观察分数方差的比例。如果一个因子结构的信度高，表明结构内变量的一致性好，结构稳定。信度检验常用的方法有“再 测信度”和“同质信度”两种方法，“再测信度”，即用同一问卷对同一样本在进 行第一次调查后，间隔一段时间后再进行第二次调查，求两次调查结果的相关系 数，即得“再测信度”。考虑到实施的难度和客观条件限制，本论文舍弃再测信 度而采用同质信度来检验问卷的信度。“同质信度”，即问卷项目之间的同质性，Cronbacha系数来进行或内部一致性，论文主要采用考察量表的内部一致性的 检验。(5-1)其中：K表示变量结构中
26、项目的总数，仃：为第i个项目观测量的结构内方差， £仃2为K个变量的方差之和，仃；为总方差（所有观测之和的方差）。美国统计 学家海尔（Jeseph F. Hair Jr、安德森（Jr. Rolph E. Andersorj）、泰森（Ronald L.Tathan）和布莱克（William C. Black）指出：Cronbach cc系数大于0.7,以表明 数据信度较高；计量尺度中的项目数小于 6个时，Cronbacho（系数大于0.60, 表明数据是可靠的；a系数在0.5以下要重新修改结构，剔除无关变量。本文应用 SPSS13.0统计软件逐个对各因子结构进行信度分析，得出 Cron
27、bacha系数的值，其内部一致性（即信度检验）检验结果如下表（表5-6）所 示：表5-6用户培训满意度指标的信度检验结果 企业形象感知质量Cronbach'sAlphaN of Items.7192Reliability Statistics培训效果Cronbach's AlphaN of I tems.82914Reliability Statis tics用户培训满意度Cronbach's AlphaN of Items.6164Reliability Statis ticsCronbach's AlphaN of Items.6893Reliability
28、 Statis tics由上表可知，培训效果的Cronbachs系数只有0.616,最低，主要是由于其 标识的四个指标中的“行为改进”和“组织绩效”的滞后性，后期调查中，用户 对于“自身获得技能”和“工作行为改进程度”比较认可，指标的数值在4左右, 而对组织的“经营情况”和“工作效益提高程度”感受不到，数值却普遍偏低， 普遍数值都在3甚至以下，所以培训效果变量的Cronbacha系数偏低是可以理 解的，但无论如何0.616还是达到了可以接受的程度。而其他各变量的Cronbach a系数均大于0.60,部分系数超过了 0.80,总的 来说整个研究变量的内部一致性和稳定性良好，可靠程度可以接受。说
29、明研究变量的相应度量指标之间具有较强的相关性，也就是说本研究的问卷具有较好的信度，可以进行下一步计算。5.4 相关性检验相关性检验是研究各变量之间密切程度的一种统计分析方法。相关系数即定 义为描述两个变量间线性关系程度和方向的统计量。相关系数 r没有单位，其值 在-1+1之间。r的绝对值越接近1,则两个变量间的线性相关程度就越大， 正负 值决定了两变量间变化的方向是否一致。双变量相关性分析主要有三种分析方法： Pearson分析，积差相关，计算连 续变量或等间距测度的变量间的相关分析； Kendall分析，等级相关，计算分类 变量之间的秩相关；Spearman分析，等级相关，计算斯皮尔曼相关。
30、为分析变量间的相关性，我们采用皮尔逊（Pearson积差相关方法来分析变量两两相关的程 度。在前面问卷的效度和信度检验通过的基础上，为了进一步了解潜变量（因变量）与自变量之间的关系，本研究应用 SPSS13.0进行相关性分析。对企业形象的2个指标、感知质量的14个指标、培训效果的4个指标、培 训反馈指标、比较满意度与总满意度的3个指标分别求平均值，并赋予其新的变 量名称“企业形象”、“培训服务”、“培训内容”、“培训环境”、“培训方式” “培 训器械”“行为改进” “组织绩效” “培训反馈” “用户培训满意度”。其两两相关 关系如下表（表5-7）。Corre lations企业形象培训服务培训
31、环境培训内容培训方式培训器械行为改进组织绩效培训反馈用户培训 满意度止业不 豕Pearson CorrelationSig. (1-tailed)Sum of Squares and Cross-productsCovarianceN培训服务Pearson CorrelationSig. (1-tailed) Sum of Squares and Cross-products CovarianceN.576*.0004.094.13232瘠训丹域Pearson CorrelationSig. (1-tailed)Sum of Squares and Cross-productsCovarian
32、ceN.255.0802.083.06732.303*.0462.167.07032培训内 谷Pearson CorrelationSig. (1-tailed) Sum of Squares and Cross-products CovarianceN.480*.0033.615.11732.252.0821.656.05332.363*.0202.750.08932培训方式Pearson CorrelationSig. (1-tailed)Sum of Squares and Cross-productsCovarianceN.326*.0342.865.09232.639*.0004.9
33、06.15832.557*.0004.917.15932.581*.0004.719.15232培训器械Pearson CorrelationSig. (1-tailed) Sum of Squares and Cross-products CovarianceN.396*.0123.292.10632.516*.0013.750.12132.598*.0005.000.16132.406*.0113.125.10132.692*.0006.208.20032行为改进Pearson CorrelationSig. (1-tailed)Sum of Squares and Cross-produ
34、ctsCovarianceN.448*.0053.229.10432.308*.0431.938.06332.184.1561.333.04332.291.0531.938.06332.271.0672.104.06832.340*.0292.500.08132组织绩效Pearson CorrelationSig. (1-tailed) Sum of Squares and Cross-products CovarianceN.235.0981.849.06032.175.1691.203.03932.205.1301.625.05232.118.260.859.02832.136.2301.
35、151.03732.054.384.438.01432.354*.0232.469.08032培训反馈Pearson CorrelationSig. (1-tailed)Sum of Squares and Cross-productsCovarianceN.465*.0044.240.13732.474*.0033.781.12232.355*.0233.250.10532.337*.0302.844.09232.484*.0034.760.15432.362*.0213.375.10932.395*.0133.188.10332.090.311.797.02632用户培训满意度 Pears
36、on CorrelationSig. (1-tailed) Sum of Squares and Cross-products CovarianceN.570*.0004.128.13332.703*.0004.448.14332.416*.0093.028.09832.499*.0023.344.10832.510*.0013.983.12832.434*.0073.208.10332.367*.0192.354.07632.280.0601.964.06332.397*.0123.219.10432*. Correlation is significant at the 0.01 leve
37、l (1-tailed).Correlation is significant at the 0.05 level (1-tailed).由表5-7,表5-8可知，“企业形象”、“培训服务”、“培训内容”、“培训环境”、 “培训方式” “培训器械” “行为改进”“组织绩效”“培训反馈”均对用户培训满意度有显著性的影响，其中，培训服务与用户培训满意度的相关系数为 0.703, 远远高于其他变量与用户培训满意度的相关系数，其与用户培训满意度的相关性 最为显著。表5-8用户培训满意度与潜变量相关关系企业形象培训服务培训环境培训 内容培训方式培训器械行为改进组织绩效培训反馈用户培训满意度0.5700.
38、7030.4160.4990.5100.4340.3670.2800.3975.5逐步回归分析在实际问题中，人们总是希望从对因变量y有影响的诸多变量中选择一些变 量作为自变量，应用多元回归分析的方法建立“最优”回归方程以便对因变量进 行预报或控制。所谓“最优”回归方程，主要是指希望在回归方程中包含所有对 因变量y影响显著的自变量而不包含对 y影响不显著的自变量的回归方程。逐步 回归分析正是根据这种原则提出来的一种回归分析方法。它的主要思路是在考虑 的全部自变量中按其对y的作用大小，显著程度大小或者说贡献大小，由大到小 地逐个引入回归方程，而对那些对y作用不显著的变量可能始终不被引人回归方 程。
39、另外，己被引人回归方程的变量在引入新变量后也可能失去重要性，而需要从回归方程中剔除出去。引人一个变量或者从回归方程中剔除一个变量都称为逐 步回归的一步，每一步都要进行F检验，以保证在引人新变量前回归方程中只含 有对y影响显著的变量，而不显著的变量已被剔除。逐步回归分析的实施过程是每一步都要对已引入回归方程的变量计算其偏 回归平方和（即贡献），然后选一个偏回归平方和最小的变量，在预先给定的 F 水平下进行显著性检验，如果显著则该变量不必从回归方程中剔除， 这时方程中 其它的几个变量也都不需要剔除（因为其它的几个变量的偏回归平方和都大于最 小的一个更不需要剔除）。相反，如果不显著，则该变量要剔除，
40、然后按偏回归 平方和由小到大地依次对方程中其它变量进行 F检验。将对y影响不显著的变量 全部剔除，保留的都是显著的。接着再对未引人回归方程中的变量分别计算其偏 回归平方和，并选其中偏回归平方和最大的一个变量，同样在给定F水平下作显 著性检验，如果显著则将该变量引入回归方程， 这一过程一直继续下去，直到在 回归方程中的变量都不能剔除而又无新变量可以引入时为止，这时逐步回归过程结束。运用SPSS13.0进行逐步回归分析法的运算，结果如下表（表 5-9）。表5-9逐步回归分析方t算结果（N=32）Mode l Sum maryModelRR SquareAdjustedR SquareStd. E
41、rror of the E stim ate1.703 a.494.477.329632.778 b.605.578.29627a. Predictors: (Constant),培训服 务b. Predictors: (Constant),培训服 务,培训内 容Coe fficie ntsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)1.098.4462.463.020培训服务.715.132.7035.411.0002(Constant).225.504.44
42、5.659培训服务.627.123.6165.109.000培训内容.331.116.3442.852.008a. Dependent Variable:用户培训满意度由表5-9可知，第一个表中在剔除了不显著的变量之后，最后进入的自变量 是培训服务和培训内容，这些变量的拟合度达到了 60.5%,对于回归方程是非常 有效的。进一步计算回归方程入选变量的系数、复相关系数及残差等统计量，在第二个表中得到培训服务和培训内容的回归系数分别为0.627和0.331。通过逐步回归分析对影响用户培训满意度的影响因素进行进一步分析，剔除了不显著的影响因素后，得出用户培训满意度的主要影响因素是培训服务和培训 内容，其他因素对用户培训满意度的影响是不大的。所以得出结论：培训服务与培训内容是影响用户培训满意度的最主要的因素。