老吳評析：無論是商業分析、學術研究還是實證研究，問卷數據分析的質量直接決定報告輸出的質量；在數據分析中，除了要緊扣研究目的、忠于研究設計和研究假設之外，還完成數據清洗、數據重整、數據檢驗、分析挖掘等一系列标準動作，本文對問卷數據分析的流程進行系統梳理，對處于分析能力進階的小夥伴提供了較為系統的指引。

問卷調查是一種重要且常用的調查方式，不僅省時省力，而且具備短平快的優勢，無論是日常生活中還是學術研究中都備受青睐。

那麼在采用問卷調查快速獲取統計數據時，為了确保數據的準确性和有效性，保證數據的質量，應該如何做好數據分析呢？下面就來詳細聊聊！

一、數據清洗

在做數據分析前，先檢查數據是否完整、可信，因此先從數據清洗入手。

1、檢查數據是否完整，是否有異常值

針對選擇題、排序題這類封閉題型的答案進行查看題目的總量，缺失值，是否有異常值。

2、檢查邏輯是否合理性，是否有前後矛盾

利用前後題目邏輯關系進行測謊題，篩選出前後矛盾的答案。

二、樣本加權

由于問卷調研大多是抽樣調研，因此想要通過樣本去推測整體的情況，除了考慮最小樣本量，還需要考慮樣本的代表性。

三、數據分析

1、描述統計，看整體分布情況

統計各選項的數量、頻率是最常用到的分析，然後通過圖表展現出來，可以非常直觀的看出整體分布情況。

2、差異分析，找影響因素

通過差異分析，可以探索出更多的信息。差異分析有三個步驟：

1）找到兩個可能有關系的因素。

2）将兩個因素交叉統計結果，根據結果在這兩個因素間做假設。

3）根據這兩個因素的數據類型，選擇合适的統計方法，從而驗證假設。

3、相關分析，找影響因素，以及影響程度

1）比如一份問卷調查，想要了解單個因素與忠誠度之間的關系，那麼就需要用到相關分析。

通常來說，相關系數介于-1~1之間，絕對值越大關系越密切，符号代表相關的方向。絕對值大于0.4則可以認為這兩個數據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。

需要注意的是，相關分析隻能解釋兩個變量之間有無關系，不能得到因果結論。

2）如果想要了解多個影響因素合并一起對忠誠度的影響，則可以使用多元回歸法。

比如一份問卷調研中，在探索用戶遇到使用問題的次數與忠誠度的關系時，用戶遇到的問題有4種，分别是定位問題、地點問題、路線問題、性能問題。則可以以NPS值為因變量，将這四個問題一起作為因變量，求一個多元回歸方程。

不過多元回歸方程的建立，對數據的要求比較高，實際調研中使用的非常少，一般相關系數基本夠用了。

在做調研時，不是拿到數據了才去想怎麼分析，而是在編制問卷時就要考慮清楚要怎麼去分析數據。