在问卷设计中常把量表题设计为核心题项，原因是量表题可以将被调查者的回答转换成数字用于编码。经过量化处理后的数据，更方便进行统计分析，相比非量表题，可以使用更多的分析方法，得到更精确的分析结果。然而，新手小白对这一部分的了解十分模糊。
今天，我就一文捋清与【李克特量表】有关的一切，集齐所有干货贴。
这篇可以说是【干货中的干货】。
如果你还不会分析李克特量表，看这篇就够了。
李克特量表是由美国社会心理学家李克特于1932年在原有的总加量表基础上改进而成的。这种量表由一组与某个主题相关的问题或陈述构成，通过计算量表中各题的总分，可以了解人们对该调查主题的综合态度或看法。
李克特量表也适用于更多更专业的分析方法：
全部内容戳下面的链接哦~【李克特量表】为何物，看完瞬间清晰！
明晰了李克特量表为何物，让我们看看到底要如何设计量表类问卷！
量表题已被广泛的应用于各类问卷之中，包括影响关系研究，中介或者调节作用检验，指标权重计算，细分市场研究等。
量表类问卷从设计结构上看可以分为六部分，分别是筛选题项，样本基本背景信息题项，样本特征信息题项，样本基本态度题项，核心研究变量题项和其它题项等。
注意事项：
①量表题项需要有参考文献支持
②研究变量(或维度)对应的题目数量是否合适
③研究影响关系，需要设计对应因变量Y的题目
④反项题正向处理
文章篇幅有限！更详尽的问卷框架设计解读请戳下面的链接。一文学会如何设计量表类问卷：
学会了如何设计问卷，现在让我们一起看看如何研究分析量表。
此次我替大家总结了三类常用的量表类研究分析思路，分别为量表类影响问卷分析思路、量表类权重研究分析思路及量表类信度分析。
如果使用此类分析思路框架，那么问卷设计上，大部分题项应该为量表题，小量题项为非量表题。心理学、管理类、旅游类、市场营销等专业使用此分析思路框架频率较高，此分析思路框架适用于所有读者。
针对量表类问卷影响关系研究，此思路框架分成九个部分，按照顺序分别是样本背景分析，样本特征、行为分析，指标归类分析，可信度分析，有效性分析，研究变量描述分析，变量相关关系分析，研究假设验证分析和差异分析。分析思路框架如图所示：
针对量表类问卷，指标权重计算在学术研究和企业研究中较为常见，常用于企业财务竞争力体系构造，绩效权重体系或者管理者胜任力权重体系模型等。
针对量表类问卷权重体系研究来讲，通常会分成八个部分，按照顺序分别是样本背景分析，样本特征、行为分析，探索性因子分析，可信度分析，有效性分析，研究变量描述分析，权重体系研究，研究变量描述分析和差异分析等。分析思路框架如下图所示。
信度：即可靠性，指的是检验结果的一致性程度或可靠程度。
信度分析即用于测量问卷中样本回答结果是否可靠，有没有真实作答。检验信度越高，就是表示结果越可信。信度分析仅仅是针对量表数据。
信度不达标如何处理？处理办法如下：
①如果说α信度系数值小于0，请查看是否有反向题。如存在需要先进行数据编码，反向处理后，使用反向处理后的数据进行信度分析(数据编码可在SPSSAU中完成)。
②整体α信度系数值介于0~0.5之间时，此时说明信度有点'不可救药'，出现此类情况通常原因有3种。
无论是哪种情况，解决流程均是：结合CITC值和项已删除后的信度系数值，先删除掉很糟糕项，然后再接着依次循环，直至信度系数可接受可止。
③整体α信度系数值介于0.5~0.6之间。如果说分析项仅2个，此时只能接受这种事实。如果分析项为3个或者更多，此时则需要结合CITC值进行处理，删除掉CITC值小于0.3的项后再次进行分析，以及结合’项已删除后的信度系数值‘这个指标进行删除分析项。如果说分析项仅为2个，此时没有其它办法，要么接受要么直接放弃掉该维度。
在进行信度分析时，如果说确实是量表项，而且数据真实，事实上很少会再现问题。但有两种情况是需要提前注意：
学会了三大量表类研究分析思路，让我们看看在具体的满意度调查中，如何分析量表数据(评分数据)。
满意度研究包括的范围很广，几乎任何领域都会涉及满意度的研究(用户满意度、产品满意度、员工满意度、顾客满意度)。
评分数据既可以直观的通过评分大小观测的满意度的高低；也容易分析，研究者需要提前设计问卷(满意度评分等)，需要有一定的问卷设计能力。
常见分析思路：
样本背景特征分析——研究变量描述分析——满意度影响因素分析——个体因素差异分析
完整版本请看下面的链接哦~
另外，文章还为小白总结出了【非量表数据】，可以顺便参考学习。
以上就是今天分享的全部内容啦，一网打尽与【李克特量表】有关的一切！
你学会了吗？
最后，分享一个可以两步出结果的在线数据分析神器【spssau】，新手友好，功能、服务俱全！
感兴趣的朋友，可以看看我的往期专栏文章：
今儿个学习：比SPSS好用的数据分析工具都在这了！
祝大家早日小白变大神！
全部评论 （0）