《调查问卷主成分分析》由会员分享，可在线阅读，更多相关《调查问卷主成分分析（11页珍藏版）》请在金锄头文库上搜索。
1、调查问卷主成分分析篇一：几种调查问卷权重确定方法的比较利用调查数据确定权重若干方法的比较一、问题的提出：在顾客满意度调查中，需要围绕所要调查的目的或主题设计合理的问卷。顾客满意度理论模型包含了顾客期望、顾客对质量的感知、顾客对价值的感知、顾客满意度、顾客抱怨和顾客忠诚等六方面，这六个方面是无法直接观测的，称之为潜在变量，但它们可以通过另外一些可以观察的较为明显的变量进行研究。然而可观测的变量一般较多，如何从中提取他们的信息，得到最终的结果，是一个一直在困扰大家的问题，常用方法是赋予各个观测变量适当的权数，加以综合。目前使用的赋权方式多种多样，还没有一种衡量的统一尺度。确定权重的方法有专家定权法
2、、历史资料法等，但都有缺陷。前者只是相应的行业和领域内，造诣较深的专家对于自己积累经验的应用。其局限性主要体现在与顾客满意度调查中的“以顾客价值观为中心”相悖，没有体现出顾客的意愿。历史资料法是根据历史资料的记载，按每种指标调查结果的重要程度赋以相应的权重，但缺少变化的观点。本文想讨论从调查数据出发，确定权的一些方法，并做出比较。下面以上海市质协用户评价中心所做的一个课题的数据为例，讨论了有关权数确定的一些问题。按照调查的全过程，这次调查将顾客的直接感受分为六大类二级指标进行测评。问卷详细调查了上海市民对这个课题的主题各方面的认识和感受的满意程度，并让被访者在对每个大类设置的5级李克量表上表明
3、他们的赞同程度，从“满意”到“不满意”。其中?代表的都是顾客对质量的感知，代表的是顾客对价值的感知，最后要求顾客给出一个综合评价指标。以上每一方面可以分别计算出该部分的满意度，为了综合这几个方面，需要确定权重以计算出整体的顾客满意度，因此所要解决的关键问题便是权重的确定。以下给出了几种不同的赋权方法，并加以比较。二、用数据确定权重的几种方法从调查的实际数据出发，确定权重的方法可以从数据本身提取有关信息，能充分体现顾客的意愿。其客观性较强，不易受其它主观因素的影响。只要数据分析技术人员有专业的统计知识，并且借助统计软件和计算机，就能从数据出发，实现“以顾客感受为依据，以顾客价值观为中心”的目标和
4、宗旨。从实际数据出发，确定权重的主要方法有平均赋值法、主成分法、因子分析法等。以下就利用上述课题的数据为例来叙述。这次调查的总样本量是1914份。因为六大类后有一项是综合评价，所要得到的该课题的顾客满意度应该是前面六项指标的加权平均。首先基于二级指标可以得到六大部分每一部分的样本量和顾客满意程度的指数：表1：六大指标反映出的满意数据指标样本量满意程度标准差191319101906190818991887同时还可以给出这六大类指标的样本相关系数阵：表2：样本相关系数阵以上各相关系数均在显着性水平上显着，表示六大类指标间具有一定的相关性。（一）平均赋值法先用最普通的平均赋值法对各指标赋予相同的权重
5、。在此平均赋值法下即是它们的简单平均。（二）主成分法由于变量?间存在相关，主成分分析的目的是要对多变量数据表进行最佳综合简化。使用的方法是寻找这些变量的线性组合称之为主成分，使这些主成分间不相关。为了能用尽量少的主成分个数去反映原始变量间提供的变异信息，要求各主成分的方差从大到小排列。第一主成分最能反映数据间的差异。（三）因子分析法按满意度模型，上述中包含了两个因子，一个是关于质量的感知，一个是关于价值的感知。因此利用两个公因子为好。这可在上述主成分方法基础上进行。取第一公因子仅反映了总差异的%，若用两个公因子可反映总差异的%。为了说明公因子的意义，将坐标轴作旋转后得到因子负荷阵如表5所示，其
6、图像见图1：三、各种方法的比较和讨论以上几种数据分析方法的权重赋值汇总如下：表3：利用数据分析的权重汇总表平均赋值法主成分法因子分析法（一）与综合指标的相关系数把上述几种方法所得的权分别对每位顾客求得个人满意度，将此满意度和问卷上所反映出来的各种指标综合的顾客满意度进行相关分析，得相关结果如下：表4：各种赋值法与顾客感受间的相关系数权重赋值法顾客感受平均赋值法主成分法因子分析法从表中可以看到，三种赋值法得到的顾客满意度和顾客在问卷上反映出的顾客满意程度之间相关性较强，均达到了以上，结果较好。其中按平均赋值法对样本进行权重赋值得到的结果与顾客感受的关系最密切，它们与顾客感受的相关系数大小是：平均
7、赋值法因子分析法主成分法（二）各种方法所得结果间的相互比较由以上分析可以看出，这三种数据分析方法之间好坏差别并不明显，我们先考虑按照各种方法的权重得到的个人满意度值之间的相关关系，得下表：表5：各种方法结果的相关系数平均主成分因子分析从表中可以看到：用这几种方法，从得到的满意程度相互关系密切程度来讲，平均赋值法与主成分法关系最密切，相关系数最大，因子分析法和主成分法所赋的权重相关性最小，但也达到了。（三）实用性比较由以上分析可以看出，这几种数据分析方法的结果并没有本质的差别，它们与顾客综合评价指标之间的相关系数差异不足。因此无论是用那种方法，对得到的结果并无明显的影响。1）从方便的角度来讲，无
8、疑平均赋值法是最简单可行的，操作也最方便；2）如果有现成的统计软件，后两种方法也有其好处，因为它们均是从数据出发，充分利用了调查数据的信息，容易让人信服；3）主成分法和因子分析法比较相近，都是以测评的几大指标为基础，从中提出尽量少的综合成分或因子，它们是调查研究中庞大数据的有效降维方法，在测评指标较多时能充分发挥它们的作用；4）从以上分析可以看出，除了测评的几大指标外，在这三种数据分析法的计算过程中并没有用到顾客综合评价指标，即问卷上测出的顾客感受，它只是我们在评价分析某种分析方法好坏时才使用的。其实在满意度测评中，重要的是要从中找出提高满意度的改进方向。篇二：R作主成分分析 主成分分类和主成
9、分回归篇三：调查问卷的信度效度分析方法调查问卷的信度效度分析方法问卷调查法是教育研究中广泛采用的一种调查方法，根据调查目的设计的调查问卷是问卷调查法获取讯息的工具，其质量高低对调查结果的真实性、适用性等具有决定性的作用。为了保证问卷具有较高的可靠性和有效性，在形成正式问卷之前，应当对问卷进行试测，并对试测结果进行信度和效度分析，根据分析结果筛选问卷题项，调整问卷架构，从而提升问卷的信度和效度。信度和效度分析的方法包括逻辑分析和统计分析，本文主要讨论后者。一、信度分析 信度（Reliability）即可靠性，它是指采用同样的方法对同一对象重复测量时所得结果的一致性程度。信度指标多以相关系数来表示
10、：大致可分为三类：稳定系数（跨时间的一致性）、等值系数（跨形式的一致性）和内在一致性系数（跨项目的一致性）。 若以信度系数来表示信度的大小。信度系数越大，表示测量的可信程度越大。究竟信度系数要多少才算有高的信度。学者DeVellis认为，（最好不要）；（最小可接受值）；（相当好）；（非常好）。由此，一份信度系数好的量表或问卷，最好在以上，至之间还算是可以接受的范围；分量表最好在以上，至之间可以接受。若分量表的内部一致性系数在以下或者总量表的信度系数在以下。应考虑重新修订量表或增删题项。信度分析的方法主要有以下四种1、重测信度法 这一方法是用同样的问卷对同一组被调查者间隔一定时间重复施测，计算两
11、次施测结果的相关系数。显然，重测信度属于稳定系数。重测信度法特别适用于事实式问卷，如性别、出生年月等在两次施测中不应有任何差异，大多数被调查者的兴趣、爱好、习惯等在短时间内也不会有十分明显的变化。如果没有突发事件导致被调查者的态度、意见突变，这种方法也适用于态度、意见式问卷。由于重测信度法需要对同一样本试测两次，被调查者容易受到各种事件、活动和他人的影响，而且间隔时间长短也有一定限制，因此在实施中有一定困难。2、复本信度法 复本信度法是让同一组被调查者一次填答两份问卷复本，计算两个复本的相关系数。复本信度属于等值系数。复本信度法要求两个复本除表述模式不同外，在内容、格式、难度和对应题项的提问方
12、向等方面要完全一致，而在实际调查中，很难使调查问卷达到这种要求，因此采用这种方法者较少。3、折半信度法 折半信度法是将调查项目分为两半，计算两半得分的相关系数，进而估计整个量表的信度。折半信度属于内在一致性系数，测量的是两半题项得分间的一致性。这种方法一般不适用于事实式问卷（如年龄与性别无法相比），常用于态度、意见式问卷的信度分析。在问卷调查中，态度测量最常见的形式是5级李克特（Likert）量表。进行折半信度分析时，如果量表中含有反意题项，应先将反意题项的得分作逆向处理，以确保各题项得分方向的一致性，然后将全部题项按奇偶或前后分为尽可能相等的两半，计算二者的相关系数（rhh，即半个量表的信度
13、系数），最后用斯皮尔曼-布朗（Spearman-Brown）公式ru=2rhh/求出整个量表的信度系数（ru）。4、信度系数法 是目前最常用的信度系数，其公式为=*/ST2)其中，n为量表中题项的总数，Si2 为第i题得分的题内方差，ST2为全部题项总得分的方差。从公式中可以看出，系数评价的是量表中各题项得分间的一致性，属于内在一致性系数。这种方法适用于态度、意见式问卷（量表）的信度分析。二、效度分析 效度（Validity）即有效性，它是指测量工具或手段能够准确测出所需测量的事物的程度。效度分为三种类型内容效度（Face Validity)、准则效度和架构效度Construct Validi
14、ty)。效度分析有多种方法，其测量结果反映效度的不同方面。常用于调查问卷效度分析的方法主要有以下几种。1、单项与总和相关效度分析 这种方法用于测量量表的内容效度。内容效度又称表面效度或逻辑效度，它是指所设计的题项能否代表所要测量的内容或主题。对内容效度常采用逻辑分析与统计分析相结合的方法进行评价。逻辑分析一般由研究者或专家评判所选题项是否“看上去”符合测量的目的和要求。统计分析主要采用单项与总和相关分析法获得评价结果，即计算每个题项得分与题项总分的相关系数，根据相关是否显著判断是否有效。若量表中有反意题项，应将其逆向处理后再计算总分。2、准则效度分析 准则效度又称为效标效度或预测效度。准则效度
15、分析是根据已经得到确定的某种理论，选择一种指标或测量工具作为准则（效标），分析问卷题项与准则的联系，若二者相关显著，或者问卷题项对准则的不同取值、特性表现出显著差异，则为有效的题项。评价准则效度的方法是相关分析或差异显著性检验。在调查问卷的效度分析中，选择一个合适的准则往往十分困难，使这种方法的应用受到一定限制。3、结构效度分析 结构效度是指测量结果体现出来的某种结构与测值之间的对应程度。架构效度分析所采用的方法是因子分析。有的学者认为，效度分析最理想的方法是利用因子分析测量量表或整个问卷的架构效度。因子分析的主要功能是从量表全部变量（题项）中提取一些公因子，各公因子分别与某一群特定变量高度关联，这些公因子即代表了量表的基本架构。透过因子分析可以考察问卷是否能够测量出研究者设计问卷时假设的某种架构。在因子分析的结果中，用于评价架构效度的主要指标有累积贡献率、共同度和因子负荷。累积贡献率反映公因子对量表或问卷的累积有效程度，共同度反映由公因子解释原变量的有效程度，因子负荷反映
