問卷調查是體育科研中一個常用的方法。對問卷調查獲得的信息進行統計分析後，可以爲科學決策提供重要的依據。你知道問卷統計存在的問題有哪些嗎?下面是yjbys小編爲大家的帶來的關於問卷統計存在的主要問題的知識，歡迎閱讀。
問卷統計常存在的問題
例如：每5年一次的國民體質監測，都要對每一個監測對象進行問卷調查，以便了解我國城鄉居民參加體育鍛煉的基本狀況，爲推進全民健身提供科學決策依據。在許多體育研究的課題中也廣泛採用問卷調查的方法，將調查的數據統計後作爲撰寫研究論文中各種論點的依據。
但是，許多問卷調查的統計分析，存在兩個值得注意的問題。
1. 調查的樣本量太小，計算出的結論可靠性不高。
例如看到一些研究生的論文，只發了幾十份問卷調查表，就根據統計到的百分比寫下十分肯定的結論。其實，是有問題的。
例如：調查“你對××活動喜歡的程度”，調查了45人。調查結果：非常喜歡2人，喜歡5人，一般10人，不太喜歡13人，不喜歡15人。作者統計出：喜歡和非常喜歡的共7人佔調查人數45人的15.5%，不太喜歡和不喜歡的共28人，佔62.2%。並根據15.5%和62.2%來進一步寫結論。
但是，他忽略了調查的樣本計算出率以後，還應該計算率的標準誤和置信區間。如本例喜歡率爲15.5%。還應該計算率的標準誤Sp。
_________ _________________
本例，喜歡率的標準誤 Sp =√P(1-P)/n = √15.5(100-15.5)/45 = 5.39 %
按樣本量n，查t值表上, n-1的t0.01和t0.05 的值，查得t0.05=2.02 , t0.01=2.69, 根據喜歡率15.5 %、標準誤5.39 % 和t0.05的值,可計算出：
95% 置信區間：15.5±2.02×5.39=4.6%～26.4%。(置信區間上下限的差值高達21.8%)。
95% 置信區間的含義是，如果用樣本的喜歡率15.5%來估計總體的喜歡率時，有95%的可能是在4.6%～26.4%的區間之間。這樣高達21.8%的區間意味着15.5%是不太可信的。
但是，如果擴大樣本量到450人，4500人，而統計出的喜歡率也是15.5%。由於調查的樣本量擴大了，標準誤 Sp會縮小，計算出的95% 置信區間也就縮小爲12.2%～18.8%和14.4%～16.6%。這時用樣本率估計總體率時，上下限的差值很接近15.5%，纔是可信的。
2. 調查數據的統計分析過於簡單。
目前看到的調查數據統計分析大都比較簡單。只是計算各個問卷指標的百分比，如上面舉例的.喜歡率15.5%等等。
要避免統計分析過於簡單，首先，在做調查表設計時，就事先要考慮好調查數據的統計分析方法。例如同樣是調查“你對××活動喜歡的程度”，除了要擴大調查樣本量外，在調查表中增加調查性別和年齡。這樣就可以採用一種較爲複雜的方法——交叉分析。交叉分析是分析“年齡”、 “性別”和“對××活動喜歡程度”三個變量之間的關係。假設不分類統計時，喜歡率是15.5%。交叉分析後就會發現由於性別的不同，年齡段的不同喜歡率是不同的。
例如：2005年國民體質監測問卷調查中，對“睡眠時間”的統計分析，如果只是簡單地計算某市成年男子2473人的問卷，只能統計出：睡眠6小時以下的人爲13.4%，睡眠6～9小時的73.6%，睡眠9小時以上的13%。但是，如果增加年齡因素，分年齡段進行統計就可以看到，各年齡段的百分比是不同的(統計表略)。利用分年齡段的百分比還可以畫出折線圖(圖略)。從圖上更可以清楚的顯示出：隨着年齡增加，睡眠時間逐漸減少的趨勢。
上述統計分析方法比較簡單。但是，僅靠簡單的統計方法來處理問卷調查數據是十分可惜的，因爲大量的數據信息還沒有充分利用。所以，設計問卷時，就應該注意到，讓收集到的調查數據能做多因素統計分析(如：迴歸分析，因子分析等)。下面是我幫助或指導有關單位做過的統計分析實例：
例1：2005年國民體質監測的調查問卷內容中，包括了各人的文化程度，職業，工作、生活和體育鍛煉等方面的許多問題。爲了分析這些調查內容和各人的體質有什麼關係，找出哪些因素對體質的好壞特別有關?在進行統計分析時，就需要把體質監測的指標和問卷調查的內容聯繫起來進行統計。
在成年組調查問卷內容中可進行計算的12個問題是：受教育程度，職業，平均每週工作時間，平均每天睡眠時間，睡眠質量，平均每天步行時間，平均每天坐姿活動時間，吸菸狀況，運動感受，平均每週鍛鍊次數，平均每次鍛鍊時間，堅持鍛鍊時間。把這些作爲X1, X2, ……X12，再把每個人體質監測中的體質總分作爲Y，就可以進行逐步迴歸分析計算。
某省成年男甲組4242人的數據用逐步迴歸分析計算結果是：從12個指標中依次選出了X 1 (受教育程度)，X12 (堅持鍛鍊時間)， X10(平均每週鍛鍊次數)，X7(平均每天坐姿活動時間) 4個指標。得到迴歸方程：
Y = 21.85+ 1.02 X 1 -0.20 X7+ 0.34 X10 + 0.28 X12 F=101.92 (P<0.01)
複相關係數 R= 0.296
根據迴歸方程的係數就可以知道：受教育程度高，平均每週鍛鍊次數多，堅持鍛鍊時間長，平均每天坐姿活動時間少的人體質總分就高。反之就低。而這個結論只做一般的調查表百分比統計，是得不到的。
例2：某市開展《超重與肥胖人羣運動與營養綜合干預實驗研究》12周後，對參加者進行了問卷調查，內容有：每天進餐情況(分爲：五分飽，八分飽，十分飽)，每週快走次數(分爲：3次以下，3次，4次，5次及以上)，每次快走時間(分爲：30分鐘以內，30～60分鐘，60～90分鐘，90分鐘以上)，每次快走距離(分爲：3公里以下，3～4公里，5公里及以上)等。
如果僅統計各個問卷內容的百分比，只能計算出如：每次快走時間30分鐘以內的29人佔22.1%，30～60分鐘的47人佔35.9%，60～90分鐘的19人佔14.5%，90分鐘以上的36人佔27.5% 等等，這樣的統計結果並不能說明什麼問題。更無法分析出哪些是對減肥有效果的因素。
但是，把問卷調查的內容與參加12周實驗後各人體重下降值聯繫起來統計，情況就不同了。如可以分別計算出：每週快走次數、每次快走時間等指標與體重下降值的相關係數。當計算出以上指標都和體重下降值呈中度或低度相關時，還可以進一步用迴歸分析的方法計算出標準迴歸係數或偏回歸平方和來分析各指標對體重下降的作用大小。
本例有131人蔘加實驗，爲了用數學表達式來描述：飲食、運動量和降體重的關係。把調查表內容轉換成數字後，選擇了X1(每天進餐情況)、X2(每週快走次數)、X3(每次快走距離)與Y(體重下降值)計算出三元迴歸方程：
Y= 1.26-1.30 X1 +0.59 X2 +1.70 X3 F =13.855 (P<0.01)
複相關係數 R = 0.4966
從迴歸方程可以看到，在吃八分飽的情況下，增加每週快走次數和每次快走距離，降體重的效果更好。
可見，當採用了多元迴歸分析方法後，可以充分利用調查表裏的信息從而獲得比簡單的統計百分比更多的研究結果。
例3：某市對學生體質下降原因進行調研時，設計的調查表內容包括：學生、家長、學校等方面30多項指標。爲了分析調查的各指標對學生身體素質影響的主次關係，從調查表中選出可進行因子分析計算的26個指標進行了R型因子分析計算。
R型因子分析通過計算，可找出控制着所有指標的幾個主要因素。計算後，原來的許多指標重新組合成較少的幾個新的綜合指標──公因子。這些公因子相互獨立而且反映了原來指標的絕大部分信息。通過R型因子分析的結果，可以看出哪些指標是同一類的，每一個指標以哪一公因子爲主，其他公因子所佔比例如何，從而分析該指標的特點。還可根據貢獻率較大的幾個公因子中所包括的指標，來分析出各指標的主次關係。
對3699名中學生的調查數據作R型因子分析計算後，從貢獻率最大的5個公因子所包括的調查指標看，歸入第1公因子的7個指標，都和參加體育活動有關，因此把第一公因子命名爲體育活動因子，歸入第2公因子的2個指標，是反映學生家長文化水平的學歷，歸入第3公因子的2個指標，是反映學生是否關心自己體質、健康的指標，歸入第4公因子的2個指標，是反映學校是否關心和組織學生體育活動的指標，歸入第5公因子的2個指標，是反映學生家長對體育運動的態度的指標。
從而可以分析出，對學生體質影響最大的第一因素是學生參加體育活動的情況，第二因素是家長的文化水平高低，第三因素是學生自己是否關心自己的體質、健康情況。第四因素是學校是否關心和組織學生參加體育活動，第五因素是家長是否喜愛體育活動是否支持學生參加體育活動。
因子分析的優點在於用一個或少數幾個綜合指標概括原始數據中儘量多的信息，它能夠實現對問題的高度概括，並揭示出一般的特徵和規律。本例通過因子分析的統計方法，從學生填在26個調查問卷中的信息，分析出了對學生體質影響的幾個主要因素。
