工作中用到的调研问卷，探索的内容相对具体，涉及的变量也比较少，一般不会用到太复杂的分析方法，Excel SPSS即可搞定，品牌本文整理了几类常见的平台问卷分析思路。
先根据整体和样本的年龄分布，问卷计算出权重值，然后再使用spss的权重功能，给数据加模式权。加权后再统计忠诚度。
（2）男性和女性，对手机地图的忠诚度有差异么？
（4）是否由于男性用户多导致腾讯地图的忠诚品牌度低呢？
比如男性的忠诚度更低，而不同品牌之间男性app的占比又不同，腾讯的男性用户较多，就会假设：是否由于男性用户多导致腾讯地图的忠诚度低呢。
当有两个因素的模式时候，可以采取协方差分析，在做方差分析的时候，将性别作为协变量纳入，分别看男性组，不同地图品牌间有差异否，女性问卷调查组不同地图品牌间有差异否。
总结一下，做差异检验的统计方法常用的有三种：卡方检验、T检验、方差分析。但是，统计只是辅助判断的一种工具，也有些情况，直商业接看交叉后的结果就能发现差异巨大，无需统计检验肉眼都可以判断，也有些情况下，统计结果显著，但是差异实在是很微小，也不能做出明确的结论。
所以统计方法并不是重点，找到可能有关系的因素才是重点，学术研究一般会根据过往的研究提出假设，而实际工作中，绝大部分靠经验，多熟悉产品多了解调查用户，才会有思路。
之前有人提出要做女性地图，认为女性更看不懂地图，需要在图面上有不同的处理。实际调研下微信来，发现性别既不影响用户使用地图的习惯、也不影响用户对地图的感知。相反年龄明显的影响地图的使用习惯，接下的来就需要进一步挖掘年龄的差异了。
3.3 相关分析，找影响因素，调查以及影响程度
（1）通过差异分析，我们了解到商业性别会影响用户的忠诚度，我们问卷还想接着探索用户常用的功能个数是否会影响忠诚度，是不是用的功能越多，忠诚度越高呢？
此时需要用到相关分析，使用功能个数是等距数据，使用spss计算Pearson积差相关系数。相关系数介于-1~1之间，绝对值越大关系越密切，符号代表相关的方向。通常情况下，绝对值大于0.4就可以认为这两个数据之间有比较强烈的关系了。所以绝对值越大，说明这个因素的影响程度越大。
如果想探索使用频率和忠诚度之间的关系呢，使用频率是顺序数据，此时需要计算Speaman相关系数。相关是在工作中使用比较多的方法，需要注意的是，相关分析只能解释两个变量之间有无平台关系，不能得到因果结论。因果结论是我们基于逻辑赋予的，工忠诚度作中，相关关系已经足够我们做判断了。
（2）如果我们不只是想探索单个因素与忠诚度之间的关系，还想要探索多个影响忠诚度因素合并在一起对忠诚度的影响，此时可以使用多元回归的方法。
在本调研中，我们问卷调查可以探索用户遇到使用问题的次数与忠诚度的关系，用户遇到的问题有4微信种，分别是定位问题、地点问题、路线问题、性能问题。以NPS值为因变量，将这四个问题一起作为因变量，求一个多元回归方程的。但是多元回归方程的建立，对数据的要app求比较高，实际调研中使用的非常少，相关系数基本够用了。
不论是相关分析还是回归分析，都只能反映出变量之间的线性相关关系，如果变量间是非线性的关系，是无法体现在相关系数上的，因此在做相关分析之前，可以先做一个散点图，直接观察一下，两个变量间是否有其他的关系可能。
参考书目：《量化研究与统计分析》邱皓政
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至123456@qq.com 举报，一经查实，本站将立刻删除。
