≡
首页
文案
Python3
Java
HTM5
CSS
SpringBoot
JavaScript
Vue
Jquery
Statistics 调整后的 R 方
Statistics 方差分析
Statistics 算术平均值
Statistics 算术中位数
Statistics 算术模式
Statistics 算术范围
Statistics 条形图
Statistics 最佳点估计
Statistics Beta 分布
Statistics 二项分布
Statistics Black-Scholes
Statistics 箱线图
Statistics 中心极限定理
Statistics 切比雪夫定理
Statistics 卡方分布
Statistics 卡方表
Statistics 循环排列
Statistics 集群抽样
Statistics kappa系数
Statistics 组合
Statistics 替换组合
Statistics 比较图
Statistics 连续均匀分布
连续数列的平均值
连续数列的中位数
连续数列的算术模式
Statistics 累积频率
Statistics 变异系数
Statistics 相关系数
Statistics 累积图
Statistics 累积泊松分布
Statistics 数据收集
Statistics 问卷设计
Statistics 数据观察
Statistics 案例研究
Statistics 数据模式
Statistics 十分位数统计
离散系列算术平均值
离散系列算术中位数
离散系列算术模式
Statistics 点图
Statistics 指数分布
Statistics F 分布
Statistics F 测试表
Statistics 因子
Statistics 频率分布
Statistics Gamma 分布
Statistics 几何平均值
Statistics 几何概率分布
Statistics 拟合优度
Statistics 大均值
Statistics Gumbel 分布
Statistics 谐波平均值
Statistics 谐波数
Statistics 谐波共振频率
Statistics 直方图
Statistics 超几何分布
Statistics 假设检验
Individual 系列算术平均值
单个系列算术中位数
单个系列算术模式
区间估计
Statistics 逆伽玛分布
Statistics Kolmogorov
Statistics 峰度
Statistics 拉普拉斯分布
Statistics 线性回归
Statistics Log Gamma
Statistics 逻辑回归
Statistics Mcnemar 测试
Statistics 平均偏差
Statistics 均值差异
Statistics 多项分布
Statistics 负二项分布
Statistics 正态分布
Statistics 奇偶排列
Statistics 比例 Z 检验
Statistics 异常值函数
Statistics 排列
Statistics 置换置换
Statistics 饼图
Statistics 泊松分布
Statistics 合并方差 (r)
Statistics 功率计算器
Statistics 概率
Statistics 概率可加定理
Statistics 概率乘法定理
概率贝叶斯定理
Statistics 概率密度函数
Statistics Cp和Pp
Statistics 处理西格玛
Statistics 二次回归方程
定性数据与定量数据
Statistics 四分位数偏差
Statistics 范围经验法则
Statistics 瑞利分布
回归截距置信区间
Statistics 相对标准偏差
Statistics 可靠性系数
Statistics 所需的样本量
Statistics 残差分析
Statistics 残差平方和
Statistics 均方根
Statistics 样品规划
Statistics 抽样方法
Statistics 散点图
香农维纳多样性指数
Statistics 信噪比
Statistics 简单随机抽样
Statistics 偏度
Statistics 标准差
Statistics 标准错误 (SE)
Statistics 标准普通表
Statistics 统计意义
Statistics 公式
Statistics 符号
Statistics 茎叶图
Statistics 分层抽样
Statistics 学生 T 测试
Statistics 平方和
Statistics T 分布表
Statistics Ti 83 指数回归
Statistics 转换
Statistics 修剪平均值
Statistics I型和II型错误
Statistics 方差
Statistics 维恩图
Statistics 弱大数定律
Statistics教程
Statistics 调整后的 R 方
Statistics 方差分析
Statistics 算术平均值
Statistics 算术中位数
Statistics 算术模式
Statistics 算术范围
Statistics 条形图
Statistics 最佳点估计
Statistics Beta 分布
Statistics 二项分布
Statistics Black-Scholes
Statistics 箱线图
Statistics 中心极限定理
Statistics 切比雪夫定理
Statistics 卡方分布
Statistics 卡方表
Statistics 循环排列
Statistics 集群抽样
Statistics kappa系数
Statistics 组合
Statistics 替换组合
Statistics 比较图
Statistics 连续均匀分布
连续数列的平均值
连续数列的中位数
连续数列的算术模式
Statistics 累积频率
Statistics 变异系数
Statistics 相关系数
Statistics 累积图
Statistics 累积泊松分布
Statistics 数据收集
Statistics 问卷设计
Statistics 数据观察
Statistics 案例研究
Statistics 数据模式
Statistics 十分位数统计
离散系列算术平均值
离散系列算术中位数
离散系列算术模式
Statistics 点图
Statistics 指数分布
Statistics F 分布
Statistics F 测试表
Statistics 因子
Statistics 频率分布
Statistics Gamma 分布
Statistics 几何平均值
Statistics 几何概率分布
Statistics 拟合优度
Statistics 大均值
Statistics Gumbel 分布
Statistics 谐波平均值
Statistics 谐波数
Statistics 谐波共振频率
Statistics 直方图
Statistics 超几何分布
Statistics 假设检验
Individual 系列算术平均值
单个系列算术中位数
单个系列算术模式
区间估计
Statistics 逆伽玛分布
Statistics Kolmogorov
Statistics 峰度
Statistics 拉普拉斯分布
Statistics 线性回归
Statistics Log Gamma
Statistics 逻辑回归
Statistics Mcnemar 测试
Statistics 平均偏差
Statistics 均值差异
Statistics 多项分布
Statistics 负二项分布
Statistics 正态分布
Statistics 奇偶排列
Statistics 比例 Z 检验
Statistics 异常值函数
Statistics 排列
Statistics 置换置换
Statistics 饼图
Statistics 泊松分布
Statistics 合并方差 (r)
Statistics 功率计算器
Statistics 概率
Statistics 概率可加定理
Statistics 概率乘法定理
概率贝叶斯定理
Statistics 概率密度函数
Statistics Cp和Pp
Statistics 处理西格玛
Statistics 二次回归方程
定性数据与定量数据
Statistics 四分位数偏差
Statistics 范围经验法则
Statistics 瑞利分布
回归截距置信区间
Statistics 相对标准偏差
Statistics 可靠性系数
Statistics 所需的样本量
Statistics 残差分析
Statistics 残差平方和
Statistics 均方根
Statistics 样品规划
Statistics 抽样方法
Statistics 散点图
香农维纳多样性指数
Statistics 信噪比
Statistics 简单随机抽样
Statistics 偏度
Statistics 标准差
Statistics 标准错误 (SE)
Statistics 标准普通表
Statistics 统计意义
Statistics 公式
Statistics 符号
Statistics 茎叶图
Statistics 分层抽样
Statistics 学生 T 测试
Statistics 平方和
Statistics T 分布表
Statistics Ti 83 指数回归
Statistics 转换
Statistics 修剪平均值
Statistics I型和II型错误
Statistics 方差
Statistics 维恩图
Statistics 弱大数定律
<< Statistics 数据收集
Statistics 数据观察 >>
Statistics 问卷设计
问卷是包含一组问题的表格,由受访者填写。根据古德哈特的说法, "一般来说,问卷是指一种通过使用受访者自己填写的表格来确保问题答案的工具。"
问卷的目的有两个:
从分散在广泛区域的受访者那里收集信息。
在短时间内成功收集可靠且可靠的信息。
问卷设计
问卷设计是一门艺术,而不是一门科学。它是通过反复检查错误、学习要避免什么和要包括什么来编制一组问题的努力。然而,可以开发基本的设计策略。问卷设计一般经历三个阶段
制定设计策略
构建问卷
起草和完善调查问卷。
第一阶段:制定设计、战略
指定所寻求的信息
-研究人员应该能够指定信息需求列表。通常,在制定研究计划或研究设计时,这项任务已经完成。前面陈述的假设是说明信息要求的指路明灯。假设建立了变量之间的关系,研究人员可以理想地开发他收集的数据以证明或反对假设。
确定沟通方式
-它是指决定用于进行调查的方法,即个人访谈、深度访谈、电话、邮件。计算机等。这种对使用方法的决定将影响要设计的问卷类型。沟通方式的选择受受访者所在地、可用时间资金、学习性质等因素的影响。选择的沟通方式会导致不同的介绍、不同的说明、布局等。一旦沟通方式最终确定,就会做出决定然后根据要设计的问卷类型进行调查。
问卷类型
-在此步骤中,研究人员通过说明所需的问卷类型来指定如何收集数据。问卷可以有四种类型。
结构化、不加掩饰的问卷
-最流行的类型,它涉及使用措辞明确、有逻辑顺序的问题。所有受访者的措辞和顺序保持不变。它们非常易于管理且易于制表。
非结构化伪装问卷
-与早期类型完全相反,此问卷隐藏了研究目的,没有显示出明确的顺序或趋势。此类问卷一般采用投影法收集数据。向受访者提供了一种伪装或隐藏的刺激,而该回应是一种非结构化的形式。
非结构化调查问卷
-在这种类型的调查问卷中,研究的目的很明确,但问题通常是开放式的。例如"你对禁止学生会选举有什么看法?"受访者可以自由地以非结构化的方式进行回复。这些问卷通常用于深度访谈。
结构化伪装问卷。
-此问卷的目的是隐藏学习动机,但便于编码和分析。这种方法基于这样一个事实,即直接提问可能会影响或偏向回复,但如果提问。比我们询问受访者他们所知道的而不是他们的感受要伪装前面的问题将被框定为
学生会选举的影响是什么?
(a) 它提高了认识
(b) 它扰乱了学习
(C)................................
(d).. ...................................
虽然这样的问卷提供了方便的制表和分析,但由于涉及的努力在设计伪装问题时,这并不是一种流行的方法。
第二阶段:构建问卷
确定问题内容
-此步骤启动了构建特定问题的任务,这些问题将产生研究所需的数据。在提出问题时,应牢记某些事项:
这个问题有必要吗?每个问题都应该有助于提供额外的真实信息。
问题完成了吗?问题应该有适当的范围来揭示研究人员需要知道的所有信息。
需要一个问题还是多个问题?不应该有将两个问题合二为一的"双重问题",例如"今年的选举是否透明并符合选举委员会的指导方针"。这是不正确的方法。为了获得所需的信息,应该问以下两个问题:
今年的选举是否透明?
完全遵守选举委员会指导方针的地方。
受访者能否表达清楚?被访者可能由于无法组织自己的想法而无法充分回答。
受访者是否被告知?应牢记受访者的信息水平,即问题的内容应与受访者的知识水平相匹配。
受访者能记住吗?这些问题不应使受访者的回忆能力过重。他不应该对记忆做出任何假设。做一个简单的测试并回答以下问题:
你最近看的电影是什么?
你上次在哪儿吃饭?
你什么时候参观过寺庙?
这些问题,虽然很简单,却考验你的回忆能力。
受访者是否愿意回答?这适用于探索个人信仰、金钱问题、家庭生活等敏感问题的情况。
确定响应策略
一旦确定了问题的内容,下一阶段就是确定结构化响应策略。 (使用固定的替代问题关闭响应)或使用开放式问题的非结构化响应策略开放响应)。一些应对策略是:
二分问题
你有数码相机吗?
有
没有
多选题
你更喜欢哪个品牌的数码相机?
Sony
Cannon
尼康
柯达
清单问题
您希望数码相机具备哪些功能?
图像清晰度
屏幕尺寸
视频录制工具
经济
智能外观
1 年免费服务
大内存容量
量表问题可能属于评级或排名类型
以下哪种媒体对您选择数码相机起到了重要作用?对它们进行排名,最有效的媒体为 1,次之为 2,依此类推。
– Television – Company Brochures – Newspapers – Net Advertising – FM Radio
评级
在以下因素中,根据"最理想的"对每个因素进行评级'、'一些想要的'和'最不想要的'是数码相机应该具备的。
最想要的
想要的东西
最不希望的
高画质
大内存
大屏幕
缩放功能
图片编辑功能
小尺寸
视频录制设施
确定问题的措辞
-这种状态与每个问题的措辞有关。研究人员需要最大限度地利用在构建问题时要谨慎,因为一个措辞不当的问题会导致错误的回答,导致拒绝回答。在提出问题时,应牢记以下几点:
使用简单的单词
-问卷不是对受访者词汇量的测试,因此单词应该简单,例如"在你看来,这个组织的强项在哪里?由于有些人可能不知道"forte"一词的含义,因此最好将其简单地表述为"在您看来,这在组织上的优势在哪里?"
避免使用技术术语
-使用技术术语可能会使受过高等教育的受访者在回答问题时无能为力。
避免使用模棱两可的问题
-像"偶尔"、"经常"、"有时"、"你"等词都是问题词,例如
你多久做一次在剧院看电影?
从不
偶尔
有时
经常
这个问题毫无价值,因为每个人对偶尔和有时都有不同的解释。
避免有偏见的措辞
-引导受访者寻找答案、为他提供问题线索的问题是有偏见的或引导性的问题。应避免此类问题,因为它们会歪曲问题的意图,例如
'您认为政府允许零售业的外国直接投资的做法正确吗?'
'您认为为您的汽车使用低成本配件是否合适?'
这些问题迫使受访者朝着特定方向思考。
应控制个性化程度,例如"我们的政府今天应该做什么"?
增加国防开支,即使这意味着更多的税收。也可以写成
即使您必须缴纳更多税款,也要增加国防开支。
第二种选择更加个性化,这两种选择都会产生不同的结果。没有固定的规则来说明使用哪种方法。但是,您应该选择更真实地呈现问题的个性化级别。
第三阶段:起草和完善问卷
决定问题顺序
-从这一步开始,我们进入了起草问卷的阶段,问题的顺序是一个重要的方面。需要注意以下几点:
首先使用简单有趣的问题。这让被访者感到很舒服。另一种方法是使用"漏斗法",即先问广泛的问题,然后再问具体的问题。
问题应按逻辑顺序排列。从一个话题跳到另一个话题会打断受访者的流程,他会失去填写问卷的兴趣。
分类问题应在稍后提出。分类问卷调查个人问题。在目标问题之前提出分类问题的原因是为了避免在进入研究核心之前疏远受访者,例如如果首先询问他们的收入,那些乐于就喜欢的汽车类型发表意见的受访者很可能会拒绝回答。
应该在问卷的开头就提出困难和敏感的问题,以免威胁到受访者。
问题的分支应谨慎进行。分支是指根据受访者对前面问题的回答,指导受访者在调查问卷中下一步要去哪里。在电话或个人面试安排的情况下,但在邮寄问卷时,分支更容易;应避免分支,因为它可能会使受访者感到困惑。
确定身体特征
-外貌会影响受访者对问卷的反应方式。因此应注意以下几点:
使用带有高清墨水的优质纸张,以便于阅读。问卷应看起来专业且易于回答。
问卷的大小很重要。如果不以牺牲外观为代价来实现小尺寸,则小型问卷比冗长的问卷更受欢迎。如果通过使问卷变得拥挤来实现小规模,则会导致错误并导致答案信息量减少。
问卷应附有介绍信。它应该介绍研究和男性受访者意识到他的权力的价值。应通过信件传达研究的重要性和受访者回复的重要性。
应清楚、礼貌地编写说明。应清楚说明报告反应的方法,即勾号、十字或圆圈。如果受访者要跳过某些问题,则应使用"转到"说明;如果要跳过整个部分,则应为不同部分使用不同的颜色。
对问卷进行预测试
-在一小群受访者中试用问卷来确定问卷效果的过程称为预测试。预测试有助于找出个别问题中的错误以及问题的顺序。可以通过预测来检验问卷产生受访者兴趣的能力、对问题含义的解释、问题的连续性、填写问卷所需的时间等各个方面,预测可以分为以下几类:
研究人员预测试
-这涉及一小组研究人员在设计的初始阶段测试仪器。这些研究人员可以为改进问卷提供宝贵的意见。
受访者预测试
-在这种情况下,预测试是通过从目标受访者人群中抽取的小样本完成的。将准备好的工具用于样本,然后可以在问卷中从中获取输入。
协作预测试
-当受访者被告知预测试的作用时,它就变成了协作预测试。在这样的预测试中,对每个问题都进行了详细的探索,这通常是一个耗时的过程。
非合作预测试
-当受访者没有被告知他们在预测试中的角色时,他们就变成了非合作预测试。由于他们没有被告知,他们的合作将相对不那么全面。然而,这种方法的优势在于它是在与真实环境完全相似的情况下进行的。
找工作要求35岁以下,35岁以上的程序员都干什么去了?
长久以来,一直有一个问题困扰着技术人——如何打破“程序员的35岁职业魔咒”,这一天迟早会到来,或早或晚。
或许是选错了行业,程序员薪水虽高,但光鲜的外表下,背后的苦衷只有自己知道。三十多岁本该是一个人事业的黄金期,但技术变化日新月异,行业竞争异常残酷,对一个企业来说,永远有比你更年轻、劳动成本更低的人可以选择,这让你的中年危机提前到来。
破局的智慧可以看看这本书!>>
<< Statistics 数据收集
Statistics 数据观察 >>
写笔记
分享笔记
昵称:
邮箱:
分类导航
Statistics教程
大数据与分析
ChatGPT 教程
Kafka 教程
Solr 教程
Spark 教程
Pig 教程
Flume 教程
Storm 教程
Tajo 教程
Data Analytics 教程
Cassandra 教程
Cognos 教程
CouchDB 教程
Hadoop 教程
HBase 教程
HCatalog 教程
Impala 教程
JFreechart 教程
Kibana 教程
Mahout 教程
MapReduce 教程
Pentaho 教程
Plotly 教程
Qlikview 教程
R 教程
Splunk 教程
Sqoop 教程
Zookeeper 教程
Statistics 教程
Tableau 教程
Talend 教程
Teradata 教程
Weka 教程
DevOps
Devops 教程
JIRA 教程
Git 教程
Ansible 教程
Bugzilla 教程
Chef 教程
Consul 教程
Gerrit 教程
Gitlab 教程
Kubernetes 教程
Logstash 教程
Makefile 教程
Mantis 教程
Nagios 教程
Openshift 教程
Puppet 教程
Saltstack 教程
Serverless 教程
Servicenow 教程
Scrapy 教程
Versionone 教程
SVN 教程
Linux Admin 教程
Linux 教程
CentOS 教程
Ubuntu 教程
Mac 教程
Shell 教程
Bash 教程
Docker 教程
Nginx 教程
JMeter 教程
Kafka 教程
Selenium 教程
SoapUI 教程
TestNG 教程
Testing 教程
Agile 教程
Web开发教程
HTML
HTML5
HTML参考手册
CSS
CSS3
CSS参考手册
Sass
Less
Bootstrap
JS基础
ES6
JQuery
JQuery UI
JSON
XML
AJAX
VUE
AngularJS 教程
Angular7 教程
Angular8 教程
Angular Material 7 教程
Angular CLI 教程
AppML 教程
Tapestry 教程
ASP.Net 教程
Atomics 教程
Aurelia 教程
Axure RP 教程
AWS Lambda 教程
BabelJS 教程
BabylonJS 教程
BackboneJS 教程
Bulma 教程
CakePHP 教程
CherryPy 教程
CodeIgniter 教程
CoffeeScript 教程
cPanel 教程
D3.js 教程
DC.js 教程
Drupal 教程
Electron 教程
EmberJS 教程
ExtJS 教程
Adobe Flex 教程
Flexbox 教程
Foundation 教程
Framework7 教程
Fuelphp 教程
GraphQL 教程
Google Maps教程
Grunt教程
Gulp教程
GWT教程
Highcharts教程
HTTP教程
JasmineJS教程
Javascript RegExp教程
Joomla教程
JSF教程
KnockoutJS教程
KoaJS教程
Lodash教程
NextJS教程
MathML教程
Magento教程
MDL教程
Materialize教程
MEAN.JS教程
MomentJS教程
Nodejs
Expressjs
Apache CXF
Python教程
Python3 教程
Pycharm 教程
NumPy 教程
Pandas 教程
Python爬虫
Python设计模式
Flask 教程
Django 教程
Matplotlib 教程
Python多线程
Python数据科学
Python文本处理
Pytorch 教程
Python网络编程
Biopython 教程
Python深度学习
Python机器学习
Python人工智能
Scipy 教程
Python区块链
Jupyter 教程
Python密码学
SQL教程
SQL 教程
MySql 教程
MongoDB 教程
Redis 教程
PL/SQL 教程
Memcached 教程
Oracle 教程
PostgreSQL 教程
SQLite 教程
Neo4j 教程
CouchDB 教程
SqlServer 教程
MariaDB 教程
DB2 教程
Derby 教程
ArangoDB 教程
Presto 教程
DocumentDB 教程
DynamoDB 教程
Hazelcast 教程
H2 教程
HyperSQL 教程
IMS 教程
OBIEE 教程
OrientDB 教程
phpMyAdmin 教程
SQLAlchemy 教程
PouchDB 教程
Solr 教程
区块链/加密币
Blockchain 教程
Solidity 教程
Ethereum 教程
Web3js 教程
Truffle 教程
前沿技术
AI 教程
Cucumber 教程
Cloud 教程
React 教程
C语言教程
C++ 教程
C# 教程
PHP 教程
Perl 教程
Scala 教程
Ruby 教程
Go 教程
Log4j 教程
RPA 教程
ETL 教程
Java教程
Java 教程
SpringBoot 教程
Spring 教程
SpringCloud 教程
Maven 教程
Ant 教程
常用软件
Postman 教程
Photoshop 教程
Pycharm 教程
Illustrator 教程
Excel 教程
Powerpoint 教程
Word 教程
PDF 教程
Onenote 教程
Power BI 教程
PhoneGap 教程
Chrome 教程
Advertisement