问卷调查统计分析方法
在问卷调查中常用数据分析方法有哪些？
在问卷调查中常用数据分析方法有哪些？1．描述性统计分析包括样本基本资料的描述，作各变量的次数分配及百分比分析，以了解样本的分布情况。
此外，以平均数和标准差来描述市场导向、竞争优势、组织绩效等各个构面，经过西线学院小编了解，以了解样本企业的管理人员对这些相关变量的感知，并利用t检验及相关分析对背景变量所造成的影响做检验。
2．Cronbach’ａ信度系数分析信度是指测验结果的一致性、稳定性及可靠性，一般多以内部一致性来加以表示该测验信度的高低。
信度系数愈高即表示该测验的结果愈一致、稳定与可靠。
针对各研究变量的衡量题项进行该信度分析，以了解衡量构面的内部一致性。
一般来说，Cronbach’ａ仅大于0．7为高信度，低于0．35为低信度，0．5为最低可以接受的信度水准。
3．探索性因素分析和验讧性因素分析用以测试各构面衡量题项的聚合效度(convergent validity)与区别效度(discriminantvalidity)。
因为仅有信度是不够的，可信度高的测量，可能是完全无效或是某些程度上无效。
所以我们必须对效度进行检验。
效度是指工具是否能测出在设计时想测出的结果。
收敛效度的检验根据各个项目和所衡量的概念的因素的负荷量来决定；而区别效度的检验是根据检验性因素分析计算理论上相关概念的相关系数，检定相关系数的95％信赖区间是否包含1．0，若不包含1．0，则可确认为具有区别效度。
4．结构方程模型分析由于结构方程模型结合了因素分析和路径分析，并纳入计量经济学的联立方程式，可同时处理多个因变量，容许自变量和因变量含测量误差，可同时估计因子结构和因子关系。
容许更大弹性的测量模型，可估计整个模型的拟合程度，因而适用于整体模型的因果关系。
在模型参数的估计上，采用最大似然估计法；在模型的适合度检验上，以基本的拟合标准、整体模型拟合优度以及模型内在结构拟合优度，三个方面的各项指标作为判定的标准。
在评价整体模式适配标准方面，平均残差平方根(root—mean．square：residual，RMSR)、近似误差均方根(root-mean—square-error-of-approximation，RMSEA)等指标；模型内在结构拟合优度则参考Bagozzi和Yi的标准，考察所估计的参数是否都到达显著水平。
问卷分析方法
问卷分析方法问卷调查是一种常用的数据收集方法，通过问卷可以获取大量的信息和数据，但如何对问卷进行有效的分析是至关重要的。
本文将介绍几种常用的问卷分析方法，希望能对您的研究工作有所帮助。
首先，问卷调查的数据分析可以采用描述性统计方法。
描述性统计是通过对问卷数据中的各项指标进行统计描述，包括频数分布、均值、标准差等。
通过描述性统计，可以直观地了解被调查对象的一些基本情况，比如年龄分布、性别比例、受教育程度等，这些信息对于后续的分析和研究具有重要意义。
其次，问卷数据的分析还可以采用相关性分析方法。
相关性分析可以帮助我们了解问卷中各项指标之间的相关关系，包括正相关、负相关以及相关程度。
通过相关性分析，可以找出问卷中不同指标之间的内在联系，为后续的研究提供重要参考。
此外，因子分析也是一种常用的问卷分析方法。
因子分析是通过分析问卷中各项指标之间的相关性，将它们归纳为几个较为独立的因子，从而简化数据结构。
因子分析可以帮助我们找出问卷中隐藏的结构和规律，为研究提供更深层次的信息。
最后，问卷数据的分析还可以采用回归分析方法。
回归分析可以帮助我们了解问卷中各项指标之间的因果关系，找出影响因变量的自变量，并建立相应的数学模型。
通过回归分析，可以深入挖掘问卷数据中的信息，为研究提供更为精确的结论。
总之，问卷分析是问卷调查工作中至关重要的一环，不同的分析方法可以帮助我们从不同角度了解问卷数据，为研究提供有力支持。
希望本文介绍的问卷分析方法能对您的工作有所启发，也希望您能在实际工作中灵活运用这些方法，取得更好的研究成果。
调查问卷结果分析
调查问卷结果分析调查问卷是一种常见的数据收集方式，通过分析问卷结果，可以获取有关特定主题或问题的数据，用于制定更准确的决策或做出更好的业务决策。
本文将着重探讨问卷结果分析方法、分析结果和应用。
一、问卷结果分析方法1. 描述性统计分析描述性统计分析是从问卷中获得数字量的一种方法。
它包括数量的频率分布、平均数、中位数、众数、标准差等。
统计分析的结果可用于对各种数据进行比较和理解差异。
2.因素分析因素分析通过分析咨询问卷中固有的差异，将它们分解为几个公共因素。
然后，该分析把各个问题分配到一个或多个因素上。
因素分析能够使因素的数量最小化，并在处理问卷结果时更加有效地工作。
3. 重点分析和比较重点分析和比较是确定一些揭示有关特定主题或问题的数据的有效方法。
这些分析方法可以使决策者集中精力于最关键的数据，并得出建议和办法。
4. 回归分析回归分析是研究特定的因变量与一个或多个自变量之间的关系的一种统计方法。
在问卷结果分析中，回归分析将从问卷获得的数据作为因变量和自变量之间的相关性研究。
二、分析结果1.问题收集在对调查问卷结果进行分析前，需要将问卷问题集中起来，形成一份清晰的问题列表。
这样可以让决策者更好地理解问题，并确定哪些问题是最具代表性的。
2.分组对于问卷结果分析来说，分组是一项重要的操作。
它能够帮助决策者将数据分成互不相同的组别、追踪有关数据，并制定决策策略。
3.模式识别模式识别是将数据与某种行为或事件相关联的过程。
在问卷结果分析中，模式识别可以帮助决策者排除没有意义的数据、确认实时趋势，并确定特定的商品或服务以及哪些市场正在流行。
4.利用工具和软件利用数据分析工具和软件可以更好地对调查问卷结果进行分析。
例如，Microsoft Excel 可以使用其分析工具快速分析数据，确定各种差异和热点问题。
此外，也有许多专业的数据分析软件能够协助决策者轻松地分析数据结果。
三、应用1.提高市场组合策略分析问卷结果有利于帮助企业了解市场情况，在此基础上改进营销策略实现市场扩增。
调查问卷中的统计分析方法
调查问卷中的统计分析方法一、数据类型的分类在进行统计分析之前，我们需要了解问卷数据所属的数据类型。
常见的数据类型主要可以分为四类：名义型、顺序型、区间型和比率型数据。
名义型数据是最基本的数据类型，它仅表示分类或标记的信息。
例如，在一份调查问卷中，我们可以使用“是”和“否”的选项来表示一个问题的答案。
顺序型数据则在名义型数据的基础上增加了顺序关系的信息。
例如，我们使用“非常不满意”、“不满意”、“一般”、“满意”和“非常满意”的五个选项来衡量一个产品的满意度。
区间型数据是一种有序的连续数据，它的测量单位是固定的，但没有一个确定的零点。
例如，我们对一组人群的年龄进行调查，得到的数据是区间型数据。
最后，比率型数据在区间型数据基础上添加了一个确定的零点，可以进行加减乘除等运算。
例如，我们可以统计一组人的身高、体重等信息。
二、描述性统计分析方法描述性统计分析方法能够总结和展示数据的基本特征，帮助我们对数据有一个整体的认识。
常用的描述性统计分析方法包括频数分析、百分比分析、中心位置分析和离散程度分析等。
频数分析是统计各个变量取值的频数，它可以直观地了解到数据中各个不同取值的个数。
百分比分析可以进一步对频数进行转化，得到各个取值的百分比。
中心位置分析可以帮助我们了解数据的集中趋势，常用的指标有均值、中位数和众数等。
均值是指将所有数据加起来后除以数据个数得到的平均数；中位数则是将数据按照大小排列后找到中间位置的数；众数是指在一组数据中出现次数最多的数。
离散程度分析可以帮助我们了解数据的分散程度，常用的指标有方差和标准差等。
方差是各个数据与均值之差的平方的平均值；标准差是方差的平方根，它可以反映数据的离散度。
通过以上的描述性统计分析方法，我们可以对调查问卷中的数据进行初步的了解和总结。
三、推断统计分析方法描述性统计分析方法能够对数据进行总结，但无法做出具有代表性和普遍性的推断。
而推断统计分析方法可以通过对样本数据进行分析，从而推断出与总体数据相关的结论。
调查问卷与统计分析
调查问卷与统计分析调查问卷是一种常见的数据收集方法，可用于收集大量的反馈信息以进行统计分析。
在本文中，我们将讨论调查问卷的设计与实施，以及如何利用统计分析来解读这些数据。
一、调查问卷的设计1. 确定调查目的：在设计问卷之前，我们需要明确调查的目的和研究问题，以确保问卷内容的针对性和有效性。
2. 制定问题：根据调查目的，设计一系列问题，包括选择题、开放式问题和评分题等。
问题应该具有明确的文字，不带有歧义，同时要考虑受众的背景和水平。
3. 问题顺序：将问题按照逻辑顺序排列，从一般到具体，从简单到复杂，以减少受访者的认知负担和回答偏差。
4. 有效性检验：为了确保问卷的有效性，可以进行问卷预测试，邀请一些代表性受众进行填写，并根据他们的反馈进行必要的修改和调整。
二、调查问卷的实施1. 目标受众：确定受访者的特征和数量，如年龄、性别、教育程度等，以便有目的地选择样本。
可以通过面对面访谈、电话调查、邮件、在线调查等方式进行实施。
2. 问卷发布：根据目标受众的特点和习惯选择适合的方式进行问卷发布，并说明填写目的和保障受访者隐私的措施。
3. 回收与追踪：对于问卷的回收，可以设立截止日期并提醒受访者，也可以进行电话、短信等方式的追踪，提高问卷的回收率和可靠性。
4. 数据录入：将纸质调查问卷录入电脑或直接整理在线问卷的数据，确保数据的准确性和完整性。
三、统计分析的方法1. 描述性统计：通过计算频率、平均数、中位数等对数据进行描述，了解受众的整体情况，比如年龄分布、满意度评分等。
2. 探索性分析：利用图表、交叉分析等方法探索数据内在的关系和规律，寻找变量之间的相关性和影响因素。
3. 统计推断：通过抽样调查得到的样本数据，利用统计方法推断总体参数，并给出置信区间和显著性检验等结论。
4. 因果关系分析：通过回归分析、实验设计等方法研究变量之间的因果关系，找出影响因素和效应大小。
四、统计分析的软件工具1. Excel：作为常用的办公软件，Excel具备对数据进行整理、计算和绘图的功能，适用于简单的统计分析。
问卷调查的数据分析怎么做
问卷调查的数据分析怎么做引言随着科技的不断发展，数据分析在各个领域中变得越来越重要。
在市场调研和学术研究中，问卷调查是常用的数据收集方式之一。
然而，仅仅收集到的数据并不能直接为我们提供有价值的信息。
因此，在进行问卷调查后，进行数据分析是必不可少的一步，它能够帮助我们对数据进行深入的理解和解读。
在本文中，我们将介绍问卷调查的数据分析方法，以帮助您更好地利用收集到的数据。
步骤一：数据整理在进行数据分析之前，我们首先需要对收集到的数据进行整理。
这包括数据清洗、数据转换和数据结构化等步骤。
1. 数据清洗数据清洗是指对数据中的错误、缺失、不一致等问题进行处理。
在问卷调查中，我们经常会遇到一些错误的数据，例如重复记录、无效回答等。
清洗数据的目的是保持数据的准确性和一致性。
2. 数据转换数据转换是指将原始数据转换成适合分析的数据格式。
例如，将文本型数据转换为数值型数据，或将时间数据转换为日期格式。
数据转换的目的是为了方便后续的数据分析和统计。
3. 数据结构化数据结构化是指将数据按照一定的结构进行组织和管理。
常见的数据结构包括表格、图表和数据库等。
通过对数据进行结构化，可以提高数据的可读性和可理解性。
步骤二：数据探索在完成数据整理之后，我们可以开始进行数据探索了。
数据探索是指对数据进行可视化分析和统计分析，以发现数据中的规律、趋势和关联性。
1. 可视化分析可视化分析是通过图表、图形等可视化手段来展示数据的特点和趋势。
通过可视化分析，我们可以更直观地了解数据的分布、比较和变化。
常用的可视化工具包括Matplotlib、Seaborn等。
2. 统计分析统计分析是指对数据进行统计描述和推断。
通过统计分析，我们可以得到数据的中心趋势、离散程度和相关性等指标。
常见的统计分析方法包括描述统计、方差分析、回归分析等。
步骤三：数据解读在完成数据探索之后，我们需要将所得到的数据分析结果进行解读和汇报。
数据解读是指根据数据分析结果得出结论，并对结论进行解释和说明。
问卷调查的数据分析怎么做
问卷调查的数据分析怎么做介绍问卷调查是一种常用的研究方法，用于收集大量的数据。
然而，收集到的数据本身并不能直接帮助我们得出结论。
为了从问卷调查数据中提取有用的信息，对数据进行分析是至关重要的。
本文将介绍如何进行问卷调查的数据分析，包括数据清洗与整理、统计分析和数据可视化等方面。
数据清洗与整理在进行数据分析之前，首先需要对收集到的数据进行清洗与整理。
以下是一些常见的数据清洗与整理步骤：1.删除重复数据：检查数据集中是否存在重复的记录，并将其删除，以确保数据的准确性和一致性。
2.处理缺失值：检查数据集中是否存在缺失值，并根据实际情况决定如何处理。
可以选择删除含有缺失值的记录，或者使用插补方法填充缺失值。
3.标准化数据：如果数据集中包含不同的度量单位或不同的量表，需要对数据进行标准化，以便能够进行有效的比较和分析。
4.删除异常值：检查数据集中是否存在异常值，并根据实际情况决定是否删除或纠正这些异常值。
统计分析完成数据清洗与整理之后，可以进行统计分析，以获取对数据集的进一步理解和洞察。
以下是一些常见的统计分析方法：1.描述统计分析：通过计算数据集的中心趋势（如均值、中位数等）和离散程度（如标准差、方差等），可以对数据的总体特征进行描述性的分析。
2.相关性分析：通过计算变量之间的相关系数，可以查看不同变量之间的关系强度和方向，了解它们是否具有显著的相关性。
3.分组比较：如果数据集中存在分类变量，可以将数据按照这些分类变量进行分组，并比较不同组之间的差异，以获取更深入的洞察。
4.回归分析：对于包含自变量和因变量的数据集，可以使用回归分析来建立模型，并研究自变量对因变量的影响程度以及相关性。
数据可视化数据可视化是将数据以图表等形式展示出来，以便更直观地理解数据和发现其中的规律。
以下是一些常见的数据可视化方法：1.条形图：用于比较不同类别或组之间的数据差异和趋势。
2.饼图：用于展示数据的占比关系，可以帮助我们了解不同类别的比例和构成。
问卷调查的数据分析方法
问卷调查的数据分析方法标题：问卷调查的数据分析方法引言：随着社会的发展和科技的进步，问卷调查已经成为研究和了解人们意见、态度和行为的常用方法之一。
然而，仅仅收集到大量的数据并不能帮助我们深入理解和分析问题。
在这篇文章中，我们将探讨一些常用的数据分析方法，以助于更好地理解问卷调查结果。
一、数据整理与预处理在开始数据分析之前，我们需要进行数据整理与预处理，以确保数据的可靠性和一致性。
首先，我们应该检查数据是否完整，是否存在缺失值或异常值。
其次，对于多选题或开放式问题，我们需要对回答进行分类和编码，以便后续的统计和分析。
二、描述性统计分析描述性统计分析是对数据进行总结和描述的方法，通常包括计算平均数、中位数、众数、标准差等统计指标。
通过这些指标，我们可以了解数据的分布、集中趋势和离散程度。
此外，我们还可以通过绘制条形图、饼图、频率分布图等图表来直观地展示数据特征。
三、关联分析关联分析是研究不同变量之间关系的方法，一般利用相关系数或卡方检验等统计方法进行计算。
通过关联分析，我们可以了解不同变量之间的相关性强弱程度，判断它们之间是否存在显著关联。
这对于了解问题的核心因素、解释变量之间的作用关系非常重要。
四、回归分析回归分析是研究因变量与自变量之间关系的方法，通过构建数学模型进行预测和解释。
常见的回归方法包括线性回归、逻辑回归等。
通过回归分析，我们可以深入探讨各个自变量对因变量的影响程度和方向，帮助我们理解问题的本质和原因。
五、聚类分析聚类分析是将相似的个体归为一类，不相似的个体归为不同类别的方法。
通过聚类分析，我们可以进行数据的分类与整理，发现数据集中的分组结构和内部规律。
对于大规模问卷调查数据，聚类分析可以帮助我们减少数据的复杂性，提取出主要特征。
六、主成分分析主成分分析是一种降维方法，通过将原始变量进行线性组合，得到新的综合指标（主成分），从而降低数据维度并保留较多信息。
主成分分析可以帮助我们理解变量之间的相关性和重要性，发现隐藏在数据背后的潜在因素。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
问卷调查统计分析方法从统计分析的层次划分问卷的统计分析方法可分为两类：定性分析和定量分析。
一、定性分析定性分析是一种探索性调研方法。
目的是对问题定位或启动提供比较深层的理解和认识，或利用定性分析来定义问题或寻找处理问题的途径。
但是，定性分析的样本一般比较少（一般不超过三十），其结果的准确性可能难以捉摸。
实际上，定性分析很大程度上依靠参与工作的统计人员的天赋眼光和对资料的特殊解释，没有任何两个定性调研人员能从他们的分析中得到完全相同的结论。
因此，定性分析要求投入的分析者具有较高的专业水平，并且优先考虑那些做数据资科收集与统计工作的人员。
二、定量分析在对问卷进行初步的定性分析后，可再对问卷进行更深层次的研究——定量分析。
同卷定量分析首先要对问卷数量化，然后利用量化的数据资料进行分析。
问卷的定量分析根据分析方法的难易程度可分为定量分析和复杂定量分析。
（一）简单的定量分析简单的定量分析是对问卷结果作出一些简单的分析，诸如利用百分比、平均数、频数来进行分析。
在此，我们可将问卷中的问题分为以下几类进行分析。
1、对封闭问题的定量分析。
封闭问题是设计者已经将问题的答案全部给出，被调查者只能从中选取答案。
例如：您认为出入正式场合时，穿着重要吗？（限选一项）一点也不重要……………………l不重要 (2)无所谓 (3)重要 (4)非常重要 (5)对于全部45次访问的回答，我们可以简单地统计每种回答的数目：一点也不重要=2；不重要=5；无所谓=10；重要=15，可把结果整理成如表一所示：表一出入正式场合穿着重要性从表一中可以一目了然地看出分析结果——几乎三分之一的被调查者认为在正式场合穿着很重要，仅有15.6%的人认为在正式场合穿着不重要。
表一是对全部样本总体的分析。
然而，几乎所有的问卷分析都要求不同的被访群之间的比较。
这就需要用较为复杂的方法——交叉分析来实现。
交叉分析是分析三个变量之间的关系。
例如美国的一位调研人员怀疑美国人“海外旅游的欲望可能与年龄”有关，但通过分析发现，没有发现两者之间存在任何联系，当将性别作为第三个变量引进之后，发现在男性中45岁以下的人中有60%有“海外旅游欲望”，而45岁以上者只有40%有这种愿望。
但是在女性中结果正好相反，因此，将全部数据混合在一起分析时，年龄“与海外旅游欲望”之间的关系就掩盖了，而按不同性别分类后，这种隐含的相关关系就被揭露出来。
如表二所示：表二接“年龄”和“性别”分类的“海外旅游的欲望”从表二中可以看出交叉分析的强大作用。
它还可同时研究多个变量之间的关系。
例如：可再加上收入、职业等各方面来进行比较分析。
2、对开放问题的定量分析。
开放性问题是指问卷设计者不给出确切答案，而由被调查者自由回答。
例如：表三您为什么不想海外旅游如果所有回收的问卷只有这5种答案，那么就很容易作出分析概括。
可是，一般回收的问卷都有几百份，所以对于开放性问题就可能有几十种甚或几百种答案。
对于这几百种答案，就很难进行分析。
因此对于这种问题，必须进行分类处理，例如可把不旅游的理由大概分为四类，如表四：表四不想旅游的理由利用上表中的四种原因，我们就可以进行分析处理，并且从表中很容易看出被调查者的观点。
3、数量回答的定量分析，即回答结果为数字。
例如“您为海外旅游花费多少？”对于这类问题，最好的方法是对量化后的数据进行区间处理，区间范围的划分很大程度上是靠经验、专业知识来划分的。
在用区间表示数量分布的同时，可同时使用各种统计量来描述结果，包括位置测度；平均值、中位数和出现频率最高的值或者分散程度的测定；范围、四分位数的间距和标准偏差。
上述三种方法仅是简单的问卷分析，靠简单的统计方法来处理数据是十分可惜的，因为这样会丧失大量的数据信息，使决策的风险增大，并使分析结果流于肤浅。
（二）复杂定量分析简单分析常用于单变量和双变量的分析，但是社会经济现象是复杂多变的，仅用二个变量难以满足需要。
这时就需要用到复杂定量分析，在问卷设计中，常用的复杂定量分析有两种——多元分析和正交设计分析：1、多元分析就是通过对观测数据的分析，由表及里来研究多个变量之间相互依赖的规律性，或者根据实际问题的需要对研究对象作出某种评价、分类、判别，或者从中发现各个指标都起作用的更一般（从而也更抽象）的公共因素。
在问卷分析中常用的多元分析，主要是有聚类分析、主成份分析、因子分析三类：1）聚类分析。
聚类分析的主要目的在于将被调查者对某问题的态度根据一定的法则聚类成相对类似的群组，利用群组进一步的分析。
现在由于计算机技术的发达，枯燥的聚类分析计算已不用手工计算，因此具体的计算过程在这里不再多说。
这里仅用一个例子来描述一下它的作用。
例如：在调查大学生性格和品质时，您认为自己应该具有哪些品质和性格？（1）勇敢；（2）幽默；（3）守纪律；（4）富有同情心；（5）乐于请教人；（6）机智；（7）认真；（8）有礼貌；（9）听话；（10）勤奋；（11）虚心；（12）坚韧；（13）敏捷；（14）独立；（15）稳健。
对15个变量P1到P15进行聚类分析，它们都是0-l变量（选取该项时取为1，否则为0）。
可利用SPSS软件分析，最终聚类分析结果为：（以五类为例）（1）P1、P2、P6、P12、P13、P14、P15（2）P3、P8、P9（3）P5（4）P4（5）P7、PIO、P11通过聚类分析，我们可以知道哪几种问题属于哪一类，这样在分析问卷里，就可以将被访问者分类，例如，我们可将（1）归类为（智慧型），（2）归类为“传统型”，借此来了解被访问者的性格倾向。
聚类分析最大的优点是简单易操作，它的缺点是没有形成一个完整的理论体系，因此解释起来比较困难。
2）因子分析。
在问卷中常有一些不可直接观测的基本特征，例如“态度”、“认识”、“爱好”、“能力”、“智力”等等实际不可观测的潜在变量。
因子分析正是利用这些潜在变量解释可观测变量的一种工具。
研究者在设计问卷时实际上是假设有某种结构存在的，通过因子分析可以验证研究者假设是否成立。
因子分析的主要功能是从量表所度量的一系列变量中分离或提取出一些公共因子，这些因子与其它变量之间的联系则是可以进行研究的，通常是利用复杂的数学方法把量表中高度关联性的观测量按某种规则分成几群，每一群的变量共享一个公共因子，也就是说该群变量与这个公共因子有高度关联，表现为在该因子上的“负荷量”明显的大（指绝对值）。
这几个公共因子也就代表了量表的基本结构。
根据被访问者的态度，并将其量化，然后进行因子分析。
例如大学生对服装品牌和价格态度量表的因子分析，利用SPSS分析，结果如下表所示：表五大学生对服装品牌和价格态度量表的因子分析从因子分析的结果中可以看到，在第一个公共因子F1上有较高负荷量的几个问题与大学生对价格的关心程度有关，因此我们将Fl命名为“价格意识”因子，它的贡献率即有效程度为39.28%。
在第二公共因子F2上有较高负荷量的二项量表全部涉及品牌方面，我们将其命名为“品牌效应”因子，它的有效程度为28.50%，与第一个因子的累积有效程度为67.78%。
也就是说，这二个因子对这几个变量的累积贡献率约等于70%。
一般来说，这种累积程度已足够解释大学生对服装的态度。
从这个例子中可以看出因子分析的优点在于用一个或少数几个综合指标概括原始尽量多的信息，它能够实现对问题的高度概括，并揭示现象更一般的特征和规律。
2、正交设计分析。
除多元分析外，还有另外一种复杂的问卷分析方法——正交设计分析。
正交设计分析的步骤是：（1）首先对问卷进行正交分析，尽可能使问卷结构合理；（2）进行问卷调查，并收集数据；（3）整理数据，对调查结果进行分析（可采用正交试验中的方差分析）；（4）得出分析结果。
正交设计有很多优点：一是节省费用，可以从少数据的问题中获得充分的信息；二是从方案设计到问卷结构的分析，完全采用现成的表格，是多因素调查简便有效的方法；三是正交设计的主要优点是可靠性强，通过正交表所选的问题具有很高的代表性。
这里不再给出具体的倒子。
实际上，除了这两种复杂分析方法外，问卷的复杂定量分析还有很多种。
三、统计分析方法的选择及应该注意的问题1、统计分析方法的选择选取合适的问卷分析方法，是非常困难的。
一般情况下，选择方法时应该注意两个问题：第一，如果只需对问题进行初步的探索，那么可采用定性分析或简单定量分析：第二，如果需要对问题进行深层研究，探索事物的本质，则需要利用复杂定量分析。
在复杂定量分析中，对于态度型问卷，较适宜利用因子分析。
如果需要对问题选项进行划分，则利用聚类分析较为合适。
而正交设计，则适用于多因素的调查，当然这几种方法也可交叉使用。
事实上在很多时候，合适的问卷分析方法的选取取决于分析人员的经验和专业知识。
2、选择方法过程中应注意的问题以上是同卷的定性分析和定量分析的简单描述。
事实上，定性分析和定量分析是不可能完全分开的，在市场调研中，经常将定性分析与定量分析相结合，使之互相配合，以便收到更准确、更全面和更细致的调查结果。
现今在发达国家的市场调查实践中，就经常使用定性分析的方法以辅助与补充定量分析的不足。
例如，有些问题涉及到被调查者的隐私或对他们的自我形象有消极作用，这时被调查者就可能作出不切实际的回答。
此时利用定性分析可得到较切实际的结果。