看过之前SPSSAU文章的同学相信已经对每一部分的分析方法的使用和结果解读非常清楚了，不过如果只盯住单个分析方法死命钻研很容易进入死胡同，理解方法固然重要，但同时也要从整体角度全面的进行设计分析。接下来本文就针对量表类问卷设计和分析思路以及注意事项进行说明。
1 使用量表的目的
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。
2 量表类问卷的设计框架
正是由于上述原因，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。
(1) 筛选题项
如果研究中需要进行样本筛选，需要将此类样本筛选题项设置在问卷前面部分，如果不需要进行筛选，可忽略此部分题项。
例如，针对90后员工离职影响因素调查数据，明显的研究样本一定需要为90后，因此需要首先设置筛选题项，如果非90后样本，即停止回答后续题项。
(2) 样本基本背景信息题项
通常情况下，问卷中需要加入样本基本信息题项(人口学统计学变量)，比如性别，年龄，学历，月收入等题项，不同背景的样本，可能对同样一件事情有着不一致的态度，因此需要加入此类题项。
(3) 样本特征信息题项
除样本基本信息题项外，通常情况下还需要设计样本基本特征信息题项，多数情况下，样本特征信息题项为非量表类题目，通常情况下，研究人员核心思路并非针对样本特征情况，因而此类题项的个数应该较少，建议3~8个之间。
例如，研究题目为“网络消费态度影响因素研究”，则可以加入相关网络消费基本现状特征题项，如当前网购频率情况，样本网购的商品类目情况，以及网购消费金额情况，网购消费平台情况等，用于深入了解样本特征情况。
此类题项多为单选题和多选题，常见的统计方法是计算频率(无法使用信度分析或者效度分析)，直观展示各选项选择情况。以及可以使用卡方分析进行差异对比，对比不同类别样本,比如不同网购消费金额的样本对于其余题项的态度差异。
(4) 样本基本态度题项
除开样本基本背景信息，样本基本特征外，还可能涉及样本基本态度情况题项，此类题项基本上均为非量表题项。通常情况下后续分析时会对其进行频率统计，以了解样本的基本态度情况。
例如，研究者可以通过此类题项，了解样本对于当前网购的消费态度，网购的前景态度，也或者网购平台的态度情况等。
(5) 核心变量题项
此部分为量表类问卷研究的核心内容，题量上最多，并且此部分通常情况下均为量表类题项。适用于各种统计方法，包括信度分析，效度分析，相关分析，回归分析，因子分析，聚类分析等。
例如，研究“90后离职倾向影响因素”，具体影响因素上可分为以下五个方面，分别是薪酬福利、人际关系、工作本身、价值观，成就发展和企业文化。明显地，研究人员需要针对此五方面分别设计题项，每项因素可能由多个题项组成(建议每个最小维度由4~7个题项组成)，因此五项因素总共涉及题项约为28个。以及研究影响因素对于离职倾向(Y)的影响，自然还需要题项询问样本离职倾向态度。
(6) 其它题项
如果研究目的在于对样本聚类，可将样本细分为几类，设计对应题项用于收集某类样本的态度情况，并且针对每类样本提供个性化建议。
例如，消费者对某类潜在新产品的选择偏好情况，此时可以设计题项单独问及某类潜在产品的需求偏好或者态度情况。研究人员基于这样的思路，结合相关题项将样本进行聚类，并且设计一款新型雾霾保险产品，分析不同类别样本对该产品的偏好差异，最终针对不同类别人群提供不同的保险产品选择。
3 量表类题项设计注意事项
（1）量表题项需要有参考文献支持
量表题项设计需要有文献参考依据，结合相关研究文献参考进行设计，或者直接借用相关文献题项设计，不能随意主观设计题项，以免导致后续信度，效度不达标。
（2）研究变量（或维度）对应的题目数量是否合适
每个最小维度(方面)尽可能由4~7个题项去表示，避免后续分析过程中出现信度或者效度不达标现象，并且每个维度由多个题项表示，可以更好的表达对应维度(方面)的概念信息，更具说服力。
（3）研究影响关系，需要设计对应因变量Y的题目
如果研究变量影响关系，即X对于Y的影响情况，需要有因变量Y的对应题项，否则会导致后续无法进行相关分析或者回归分析的尴尬，比如研究工作满意度的影响情况，题项中涉及到各个可能影响满意度的因素对应题项，但是并没有体现样本整体工作满意度的题项，此类问卷无法进行相关分析和回归分析,无法使用回归分析研究各类因素对于工作满意度的影响关系。
（4）反项题正向处理
出于语言修辞的问题，有时一定需要使用反向题问法或者量表来源即有反向题，此种情况需要对数据进行重新编码处理。如果并非必要，研究人员可以将反向题进行正向处理。
更多数据分析干货内容可登录SPSSAU官网查看。
