信度和效度分析在问卷分析中大多都会用到的，即使是成熟的问卷，一般也是需要做的，在本科和研究生的论文中均适用。信度和效度是用来衡量问卷质量的，如果问卷的信度和效度比较好，证明问卷的数据可靠性比较高，问卷数据内部一致性比较高，所以可以用来做后续的建模分析，相反，如果信度和效度不高，可能就需要重新设计问卷，发放问卷。调查问卷分为量表题和非量表题。调查问卷数据分析要看有没有量表题，如果有量表题，首先需要进行信度分析和效度分析。非量表题不能进行信度分析和效度分析。1 量表题和非量表题 量表题一般是测试受访者的态度或者看法的题目，是分陈述等级进行设置的。比如我们对手机的喜爱从非常喜欢到不喜欢这个程度的变化。通常使用李克特量表来测度，根据答项数量可分为四级量表，五级量表，七级量和九级量表。比如五级量表可以分为：非常不满意，比较不满意，中立，满意和非常满意五个选项，通常赋予分值1，2，3，4，5。 非量表题分类数据，例如（性别、年龄、学历等）2 信度分析 概念信度分析用于检验问卷中量表样本是否可靠可信。通俗地讲研究样本是否真实回答问题，测试受访者是否好好答题，具体来说就是用问卷对调研对象进行重复测量时，所得结果的一致性程度。通俗讲，信度就是一次测量很可靠，再测一次，再测10次，结果都是差不多的。克隆巴赫系数是最常用的信度测量方法 评判方法 计算步骤克隆巴赫系数公式：该系数值越高，问卷的信度越好，Cronbach’s alpha系数值的范围以及效果如下：一般来说，Cronbach’s alpha系数大于都是可以接受的。 案例介绍及操作过程某公司想了解新出的一款饮品的客户接受情况。于是设计了一份问卷让客户从产品、服务、价格、质量四个方面进行打分，并在每个维度上拓展三到四个问题，以下是收集好的问卷回答，打分方面使用的是李克特 5 级量表。把数据导入到spsspro中，点击信度分析，将定量数据拖入到变量框中，点击开始分析。1）Cronbach’s α系数表模型的Cronbach’s α系数值为，说明该问卷的信度非常好2）删除分析项统计汇总通过控制变量法，比较删除某题前后的相关性和Cronbach's α系数等指标，用于辅助判断量表题目是否应该进行修正处理。首先判断题项删除后总体相关性是否大于，若满足再判断删除题项后的α系数是否小于原系数。若都满足，则可认为该题项情况较好，建议保留题项。在这里，我们看到相关性均大于 且删除题项后的α系数均小于原系数，所以不需要对量表题目进行修正处理。3）信度分析总结图3 效度分析 概念信度没问题后，接下来需要分析的是问卷的效度效度分析在于研究问卷题目的设计是否合理，即测验能够测到被测量对象的真实水平的程度。效度比较好代表的是问卷的数据内部一致性比较好，也就是说每个维度的所有题目的选择上基本是一致的，维度划分比较好。比如说，质量维度的三个题目分别是：饮品的味道、饮品新鲜程度、饮品的品质。对应的选项为5级量表，分别为：1,2,3,4,5代表的是 非常不符合、有些不符合、不能确定、有些符合、非常符合。如果问卷填写人认真填写，那这些题目的选择上应该不会存在太大差异，因为这些题目都是换着方法对同一个问题的问法。问卷的效度分析是基于主成分因子分析实现的，通过比较题项的因子载荷系数是否在同一主成分表现最优而实现。因子分析可参考以下文章：SPSSPRO：基于探索性因子的贷款客户信用程度案例分析6 赞同 · 0 评论文章 评判方法KMO值大于（存在相关性），且P<（有显著性），符合因子分析要求累积方差解释率大于50%题项在对应因子上的因子载荷系数大于不存在题项与因子对应关系出现严重偏差共同度大于 操作过程我们仍旧使用上面的问卷数据，点击问卷分析——效度分析，将定量数据拖入到变量框中，因为我们这份问卷本身设置是有 4 个量表，所以设置因子维度为4个维度，点击开始分析。1）KMO检验和Bartlett的检验首先看KMO检验结果，KMO的值为，说明了题项变量之间是存在相关性的；其次看Bartlett球形检验结果，显著性P值为***<，水平上呈现显著性，因此可以进行因子分析。2）解释总方差上表为方差解释表格主要是看因子对于变量解释的贡献率，一般情况下，因子对于变量解释的贡献率在取到变量解释的特征根低于 1 时对应的主成分个数，要表达到 80%以上，否则就要调整因子数据。方差解释表中，选择主成分个数为 4 个时，变量解释的特征根大于1，累积方差解释率为 ，基本可以提取问卷题项信息。3） 碎石图碎石图的其作用是根据特征值下降的坡度（“坡度趋于平缓“）来确认需要选择的因子主成分个数。上图我们可以看到特征根在 2 之后趋于平缓，但问卷本身设置是有 4 个量表，故设定因子主成分个数为 4 个。4）因子载荷系数表每一个变量都可以用公因子表示，其表达的大小就是公因子方差表中的“提取”，“提取”的值越大说明变量可以被公因子表达的越好，一般大于 即可以说是可以被表达。由上图，我们可以看出，产品1-4的因子载荷系数最大值都在因子1，价格1-3的因子载荷系数最大值都在因子2，且载荷系数均大于 ，共同度也大于，说明问卷在产品、质量量表上基本合理。而服务4以及质量1的因子载荷系数最大值与同类型其他几项所在因子不一致，则说明对应关系与预期不符，题项可能存在设计混淆，可以考虑删除或者归为其他类别（服务4归类为价格问题，质量1归类为服务问题）后再检查。5）因子载荷矩阵热力图与因子载荷系数表类似，同样是反映每个主成分中隐变量的重要性，颜色越深代表数值越高。
不能，任何问卷都应该进行项目分析、信度、效度检验，达到测量学要求才能使用
首先你在编辑问卷时必须使用“测评&测试”这个分类下的题型，因为一份问卷里面至少要有两道测评或测试题（也就是设置了分值的题目）系统才能允许你设置维度（分类），否则的话设置维度也是没有意义的啊。
最好多个维度。问卷调查的维度，是以问卷调查的方式，围绕你要了解的主题提出多方位，多角度，多层次的各类问题方案手段等以判断，说明，评价你所了解的主题。
实际肯定不行的，一份没有信效度的问卷就没有任何参考借鉴价值，更论证不了任何问题，如果导师查的不严那就另说了
最好多个维度。问卷调查的维度，是以问卷调查的方式，围绕你要了解的主题提出多方位，多角度，多层次的各类问题方案手段等以判断，说明，评价你所了解的主题。
论文没有问卷调查，补充数据需要搜集相关方面的数据，可以通过问卷星可以方便的获取数据，数据真实。问卷星可以创建在线考试、报名表单、在线测评和360度员工评估、在线投票等丰富应用。采用多个维度指标对比分析通过多个维度的对比，了解客户最不满意的方面，有方向的进行改进，提升客户满意度。问卷星，强大易用的在线问卷调查平台，以及丰富的题型和多样的功能帮助各行从业者，可以高效完成其问卷调查的工作。1亿+模板复制可用，多终端+多渠道问卷分发，不限填写次数，实时监控填写进度，数据自动统计分析，工作效率有很大的提高。想要了解更多关于问卷星的相关问题，推荐咨询问卷星 问卷星调查系统支持多种题型，可以设置跳转、关联和引用逻辑。支持微信、邮件和短信等方式收集数据，数据回收后可以进行分类统计、交叉分析，并且可以导出到Word、Excel、SPSS等；同时拥有49种题型，应有尽有；同时单选、多选、矩阵、排序、量表、比重、表格、文件上传等多种题型，让你的调查问卷一目了然！
问卷题项需要根据研究的主题进行设计，比如研究在线学习的满意度与学习效度情况，题目应该围绕着“满意度”与“学习效果”这两个关键词来设计。
通常情况下，一个关键词下属对应有4~7个题即可，不需要太多。如果按照此逻辑，2个关键词就只有8~14个题，同时"满意度"和"学习效果"又可以进一步拆分成具体几个维度，例如满意度可分为对平台稳定性、互动系统、课程安排等方面，"学习效果"也可这样拆分。
同时再加入一些被调查者的背景信息题，如年龄、性别、职业等。
如果思路上偏向研究影响关系，最好将题项设计成量表题，方便后续分析时进行线性回归分析等研究。
一份问卷大致包括：样本背景题+样本态度题+核心研究题，有以上几部分就基本可以。
更具体的问卷设计方法可参考：
SPSSAU问卷设计思路
论文问卷数据怎么分析如下：
一、问卷类型
问卷调查分为两大类：即量表问卷和非量表问卷。
量表问卷通常更多用于学术研究，其特点在于更多的态度认知题项，体现样本人群对于某事物的态度看法态度情况等，通过对各研究变量的关系研究，找出其中内涵逻辑关系。
非量表问卷更多体现对某现状的事实情况和基本态度调研，比如样本进行网购的原因，不进行网购原因，网购平台的使用现状情况等。此类问卷更多在于分析思路的逻辑和现状情况的了解分析，以及样本的基本态度情况。
二、分析方法
从分析方法上，量表类问卷最大的特点是：非常多的量表题，而且量表题对应着‘变量’或者‘维度’。便于研究‘变量’间的关系情况。以及可以使用信度、效度、因子分析等方法。
非量表题其最大的特点为大部分为单选题、多选题或者排序填空题等，但很少 有出现量表题（是量表题是指类似答项为“非常不同意”，“比较不同意”，“中立”，“比较同意”和 “非常同意”之类的问题）更多是使用基本频数分析和交叉分析等，同时使用图形和表格进行多样化展示。
三、分析结果
问卷数据一般使用SPSS进行分析即可，分析基础比较薄弱，可使用SPSSAU进行分析。SPSSAU分析结果生成的是“类三线表”的格式，系统会自动生成指标解读报告。
调查问卷又称调查表或询问表，是以问题的形式系统地记载调查内容的一种印件。问卷可以是表格式、卡片式或簿记式。设计问卷，是询问调查的关键。完美的问卷必须具备两个功能，即能将问题传达给被问的人和使被问者乐于回答。要完成这两个功能，问卷设计时应当遵循一定的原则和程序，如时间顺序、类别顺序等，回答方式可以分为量表应答式、开放式、封闭式。
问卷题项需要根据研究的主题进行设计，比如研究在线学习的满意度与学习效度情况，题目应该围绕着“满意度”与“学习效果”这两个关键词来设计。
通常情况下，一个关键词下属对应有4~7个题即可，不需要太多。如果按照此逻辑，2个关键词就只有8~14个题，同时"满意度"和"学习效果"又可以进一步拆分成具体几个维度，例如满意度可分为对平台稳定性、互动系统、课程安排等方面，"学习效果"也可这样拆分。
同时再加入一些被调查者的背景信息题，如年龄、性别、职业等。
如果思路上偏向研究影响关系，最好将题项设计成量表题，方便后续分析时进行线性回归分析等研究。
一份问卷大致包括：样本背景题+样本态度题+核心研究题，有以上几部分就基本可以。
更具体的问卷设计方法可参考：SPSSAU问卷设计思路
例如假设AB型性格问卷，总共20个题，分为A型性格和B型性格两个维度。也就是说这个问卷可以测出一个人是A型还是B型性格。其中A型性格包括8个题目，B型性格12个题目，然后两个维度的得分就是各自包括的题目的得分之和或均值，此即维度分。通过维度分我们就可以知道一个人的A型性格是多少分，是高还是低。（南心网处理调查问卷数据分析）
意思是：在一定前提下描述一个数学对象所需的参数个数
理解：
通常的理解是"点是0维、直线是1维、平面是2维、体是3维"。实际上这种说法中提到的概念是"前提"而不是"被描述对象"，被描述对象均是"点"。故其完整表述应为"点基于点是0维、点基于直线是1维、点基于平面是2维、点基于体是3维"。再进一步解释，在点上描述(定位)一个点就是点本身，不需要参数;在直线上描述(定位)一个点，需要1个参数(坐标值);在平面上描述(定位)一个点，需要2个参数(坐标值);在体上描述(定位)一个点，需要3个参数(坐标值)。
造句：
1、在每个死胡同的尽头，都有另一个维度的天空，在无路可走时迫使你腾空而起，那就是奇迹。
2、太阳说明充满热情，炽爱。月亮象征着一个完全不同的维度，一个更高的层面：凉爽的，镇定的，聚敛的，静默的。
3、佛陀是最纯粹的宗教维度，可能达到的最纯粹，但是他缺少别的维度。
4、有机整合学习目标的三个维度，使学生在兴趣盎然中，通过一定的过程和方法，掌握知识和技能得到情感体验。
5、儿童社交自我知觉和友谊质量的冲突背叛维度存在显著的年级差异。
6、从析取的维度元素中返回元组集合.
7、在所考察的范围内，空穴横纵扩张比与应力三维度成线性关系。
8、它引起了我们对于曾经被遮蔽的维度的注意，那遮蔽物正是对追求永恒普遍真理的瘾，及其使用的所谓理性论争的方法。
9、也参见第三章中赛斯讨论“第五维度”的摘录。
10、当代作文教学的转型可以从价值取向、内容与命题三个维度来认识。
11、第二，引入艾斯纳的“教育批评”四维度来构建教育案例接受活动中的批评维度。
11、造句 网(在线造句词典)祝您造句快乐,天天进步!
12、就中学生英语厌学三个维度而言，情绪态度消极、学习低效能感的平均得分最高，课堂行为欠妥的平均得分最低。
13、结论：记忆由不同维度的不同特征构成的客体时，同时采用视觉编码和语音编码。
14、沿着赤道使用维度和经度相当简单，形成的网格线大致也是方形的。
15、身体处于一个开阔的语境维度中,因而是众多问题的纠集点.
16、通过问卷调查，发现管理教练功能包括四个维度：自我意识启发、心理支持、职业发展和角色规范。
17、然而，您需要创建不同的报告以包含所有具有详细维度层次的账户，即收入、商品销售费用等。
18、全文简要阐述了核心竞争力的概念及维度，重点就肿瘤专科医院核心竞争力进行深入而全面的分析。
最好多个维度。问卷调查的维度，是以问卷调查的方式，围绕你要了解的主题提出多方位，多角度，多层次的各类问题方案手段等以判断，说明，评价你所了解的主题。
今天的我总结几个毕业论文问卷分析的几点建议，希望能帮到各位看官 PS：此处的问卷分析，仅代表具有量表的问卷分析。 因为成熟量表往往经历了现实的考验，其信度和效度达标的概率比较大。 而自己设计的量表，很容易出现信度和效度检验结果惨不忍睹的情况。 这样我们在处理信度分析，探索性因子分析，甚至验证性因子分析的时候，都能游刃有余。 另外如果题目是2个，因子分析KMO值是一定等于的，而一般我们最低也得吧 为了信度和效度能出一个比较好的结果，在文字描述部分，同维度的各个题目，尽量能给一些心理暗示，或者描述上尽量相近，这样能使得维度内的题目的相关性较好，从而信度和效度也不至于太差 一般达到就可以了，以上更好。最好是把每个维度的信度都求一下，然后总体再求一个。这个一般没什么难度，也很容易通过。如果你的数据信度不行，那就进行下项目分析，将高低分样本中不具有区分度的样本删掉。 只求量表的KMO值和巴特利球形检验值。这可能是效度检验的最低要求了。除非导师认同，最好不要仅用这两个值 大部分的同学都会用到的，也是比较不容易通过的一个分析。 遇到最多的问题莫过于，假设题目的维度归属，跟实际出的结果不一致。 碰到这种情况，一般进行如下处理： ①只有少数题目不匹配 要么直接删掉，要么暂时保留 ②绝大多数题目不匹配 从新设计量表，重新收集数据，重新来过吧 若非特殊情况，不建议使用。因为实际收集的问卷数据要想探索性因子分析+验证性因子分析，各个指标均达到理想值，那几乎是不可能的。 如果你看到某某人的论文中用了这样的检验方法，指标非常漂亮，我可以负责任的告诉你，其大概率是改过数据了。 特殊情况1：模型验证阶段，使用AMOS结构方程，导师要求效度检验阶段使用验证性因子分析。 特殊情况2：模型验证阶段，未使用AMOS结构方程，导师也要求效度检验使用验证性因子分析。（导师傻x） 这里特别提一点，显著性的p值代表的是两者是否相关，皮尔逊或者斯皮尔曼系数代表的是相关性程度。 显著性检验通过了，皮尔逊或者斯皮尔曼系数大小才有意义，绝对值越大相关性越大，正负代表正相关与负相关。 显著性通过了，但是系数偏小，那相关性也是显著的，只是两者是存在显著的弱相关性，而不是系数小就代表不相关。 可能是最简单的模型了，将自变量和因变量放进，直接跑就行了。 ①要不要放控制变量 这个随意。 如果放控制变量，尽量放一些层级类的变量，不要放多分类变量。 层级变量比如学历（初中，高中，大学，硕士） 多分类变量比如职业 层级变量的赋值尽量与其题项对应。 如果放了多分类的变量，尽量删掉，如果想保留最好做成虚拟变量 ②用标准系数还是标准化系数 标准化系数。 ③要不要做VIF共线性检验 若非导师要求，那就不做。 ④r方多大算好 这个指标没有非常严格的标准，而且跟导师的价值观有非常深刻的影响。 对于现实收集的数据而言，个人认为，一般大于就好了。 不过我遇到过大于，导师也认为可以接受的情况。 这是一个仁者见仁的问题 从科学的角度来看，应该与你研究的场景有密切的关系。 但是，中介效应模型要比调节效应模型容易出通过，而且解释起来也不那么绕口。 所以，如果不是想给自己挖坑，那就用中介效应模型吧。 快捷验证中介效应模型的方式（快速确定是否存在中介，非正式使用） 条件1，中介变量，自变量和因变量，相关性都显著 条件2，自变量和中介变量关于因变量的回归模型，中介变量的系数显著 如果满足上述两个条件，中介效应一定显著，如果条件2中的自变量也显著，那么就是部分中介效应，如果不显著就是完全中介效应。 另外极少数情况是用sobel来检验中介效应的 如果不是导师要求amos验证中介效应，尽量用spss回归的方式检验中介效应。 快捷验证条件效应模型的方式（快速确定是否有调节效应，非正式使用） 先将调节因子计算处理（标准化后的自变量和中介变量相乘即可） 自变量，调节变量和调节因子关于因变量的回归模型，调节因子的系数显著。 公众号:alone5400
问卷题项需要根据研究的主题进行设计，比如研究在线学习的满意度与学习效度情况，题目应该围绕着“满意度”与“学习效果”这两个关键词来设计。
通常情况下，一个关键词下属对应有4~7个题即可，不需要太多。如果按照此逻辑，2个关键词就只有8~14个题，同时"满意度"和"学习效果"又可以进一步拆分成具体几个维度，例如满意度可分为对平台稳定性、互动系统、课程安排等方面，"学习效果"也可这样拆分。
同时再加入一些被调查者的背景信息题，如年龄、性别、职业等。
如果思路上偏向研究影响关系，最好将题项设计成量表题，方便后续分析时进行线性回归分析等研究。
一份问卷大致包括：样本背景题+样本态度题+核心研究题，有以上几部分就基本可以。
更具体的问卷设计方法可参考：
SPSSAU问卷设计思路