Question

问卷调查中的数据问题有哪些

Answer 1

问：问卷调查中的数据问题有哪些

答：一, 信度奇低虽然你用的是成熟量表, 但是必须计算你的数据的信度, 因为信度高可以证明你的数据不是乱填的。注意只有量表题才可以算信度, 当你只用量表题去计算内部一致性信度的时候, 发现信度基本上在0.1左右, 并且你已经将反向题反向编码, 那么可以认为你的数据没有利用价值, 乱填的数据基本上也就这个水平了。二, 反向题没反向编码, 但是信度很高这几乎是我每天都会遇到的问题, 很多童靴的数据就是不反向处理的时候, 信度贼高, 比如0.8以上, 但是经过反向编码后, 信度回到了0.1左右, 这说明你的数据具有严重的系统性偏差, 意思是某种固定的影响因素导致的数据整体呈现一致的偏差, 比如, 填问卷的人不看题, 只是为了信度高而刻意的都打低分, 或者都打高分。这种数据基本上可以认为被试没看题! 当然这种数据被老师发现是肯定无法毕业的, 因为你的数据违背的问卷的基本逻辑 ---- 反向题和正向题应该是负相关! 计算信度之前必须将反向题反向编码。三, 逻辑错误比如, 22岁就博士毕业, 这种人有, 但是如果出现在你的论文数据中, 这种数据必须被删除, 因为我们研究的是普通

答：一、避免异常群体 这是普通人的规律，尽量在你的数据中不要有异常的群体。我经常遇到的数据还有40岁就退休，50岁还在上大学的，这种数据你不检查出来，后果很严重，论文数据要跟你一辈子。 二、检查变量相关性 相关异常：很多人的数据本来负相关的变量统计出来发现是正相关，或者本来没相关的变量统计出来相关达到了0.5以上，这说明你的数据有问题。我举个例子，教养方式量表是很常用的一个量表，里面有三四个维度是不同的教养方式，比如温暖型和拒绝型，这两个维度应当是负相关，但是很多同学的数据出来是正相关，这可能是共同方法偏差的影响，但是不管什么原因，出现这种异常的数据必须作废，这样的论文也必须不能过。 三、因子区分度 因子之间相关过高，会导致因子分析的时候无法区分开，但是因子分析的结果不一定能说明你的数据区分效度差，还需要进一步做区别效度，才能看出问题在哪。如果区别效度过不了，那么你的研究结论就是不可信的。

答：六、均值偏离常模 比如，大家都用同样的量表，调查人群都是大学生，那么数据得到的均值应当差不大。因为网络问卷乱填的人多，这种问题最近异常频发，而且因为本科生基本上不读文献，他们拿到数据也看不出什么问题。但是，当论文拿给老师看，老师直接给延毕了，说数据是瞎编的。所以，我们拿到数据以后，需要大体上检查一下各个变量的均值有没有离奇的地方。 七、共同方法偏差(CMB)太高 一般你需要将问卷的所有题（包含多个量表）进行因子分析，未旋转前，首个因子的解释率超过50%就要怀疑你的数据具有CMB。但是很多人盲目的做，他只用了一个量表（比如抑郁量表）做因子分析，解释率超过了50%就很着急。其实单量表解释率越高越好，因为你需要得到较高的内部一致性和聚合效度，很多量表首个因子的解释率超过70%，更说明量表的题目之间相关较强，内部一致性可能较高。但是这种情况不能说明CMB很严重。为啥？因为单个量表所有题都受到共同因素的影响，比如抑郁量表所有题都受到被试“抑郁”的影响，所以才能称为抑郁量表，如果解释率低，说明这些题效度不高，解释率高说明效度较高，无“

答：无法证明还存在一个与抑郁有关的因素共同影响这个量表, 最终的结论就是, 你无法通过单量表的因子分析证明存在CMB。