Analyse der Umfrage-Daten: Methoden – Beispiele, SurveyMonkey

[pg_quiz id='1']

wie, um Daten zu analysieren
Sie gesammelt haben, Ihre Umfrage-Ergebnisse und haben eine Umfrage, Datenanalyse-plan in Kraft. Jetzt ist es Zeit zu Graben in, start-Sortieren und auswerten der Daten. Wir führen Sie durch den Prozess und alle Möglichkeiten, so können Sie Ihre Ergebnisse sinnvoll und umsetzbar sind. Jetzt loslegen.

Survey data analysis made easy

Die Ergebnisse sind wieder zurück aus Ihrem online-Umfragen. Jetzt haben Sie gesammelt, Ihre statistischen Ergebnisse der Umfrage und eine Analyse der Daten zu planen, es ist Zeit zu Graben, in, start-Sortieren und auswerten der Daten. Hier ist, wie unsere Umfrage Forscher Sinn von quantitativen Daten (im Vergleich zu “making sense of qualitative data), aus der Betrachtung der Antworten und der Fokussierung auf Ihre top-Forschungs-Fragen und Umfrage Ziele, Knirschen die zahlen und Schlussfolgerungen zu ziehen.

Hier sind VIER Schritte, die zur zeigt Ihnen, wie Sie Daten analysieren und effektiver:

  1. Werfen Sie einen Blick auf Ihre top-Forschung Fragen.
  2. Cross-Tabellieren und filtern Sie Ihre Ergebnisse.
  3. Crunch die zahlen.
  4. Schlussfolgerungen zu ziehen.

Werfen Sie einen Blick auf Ihre top-Forschung Fragen

Zuerst lassen Sie uns sprechen, über wie Sie die Ergebnisse analysieren für Sie Ihre top-Forschung Fragen. Hatten Sie verfügen über empirische Forschung zu Fragen? Haben Sie halten Wahrscheinlichkeit Probenahme? Denken Sie daran, dass sollten Sie skizziert haben Ihre top-Forschung Fragen, wenn Sie ein Ziel gesetzt, für Ihre Umfrage.

Zum Beispiel, wenn Sie im Besitz einer Bildungs-Konferenz und gab den Teilnehmern eine post-event-feedback-Umfrage, eine Ihrer wichtigsten Forschungsfragen könnten wie folgt Aussehen: Wie haben die Teilnehmer bewerten die Konferenz insgesamt? Nun nehmen Sie einen Blick auf die Antworten, die Sie gesammelt für eine bestimmte Umfrage-Frage, spricht, dass die top-Forschung Frage:

Beachten Sie, dass in den Antworten, die Sie bekommen haben, einige Prozentsätze (71%, 18%) und einige raw-zahlen (852, 216).

Die Prozentsätze sind nur, dass–das Prozent der Menschen, die Gaben eine Besondere Antwort. Anders gesagt, die Prozentzahlen stehen für die Anzahl der Leute, die haben jede Antwort als Anteil der Zahl der Menschen, die die Frage beantwortet. Also 71% der Befragten (852 der 1.200 Befragten) planen kommen Nächstes Jahr wieder.

Diese Tabelle zeigt auch, dass 18% sagen, dass Sie planen, um die Rückkehr und 11% sagen, dass Sie sich nicht sicher sind.

Die reinen zahlen sind die Anzahl der einzelnen Befragten, Gaben jeder Antwort — diese sollte nicht mit der Probenahme. Also 852 Menschen sagte, “ja, ich komme Nächstes Jahr wieder!” Wenn Sie davon ausgehen, dass die meisten Leute, die sagten ja–und vielleicht einige von denen, die sagten, Sie seien nicht sicher–im nächsten Jahr, können Sie erstellen ein Prognosemodell zur Schätzung der Zahl der Personen*, wird an die nächste Konferenz. *Sie können bestimmen, diese Zahl mit mehr Vertrauen, wenn Sie hatte eine sehr hohe Beteiligung, was bedeutet, die meisten Menschen, die nahmen an der Konferenz Teil und erhalten Sie Ihre Umfrage füllte es aus.

Cross-tabulating und die Filterung der Ergebnisse

Daran erinnern, dass, wenn Sie setzen Sie ein Ziel für Ihre Umfrage und entwickelt Ihre Analyse-plan, Sie dachte darüber nach, was Untergruppen waren Sie zu analysieren und zu vergleichen. Jetzt ist der Zeitpunkt, dass die Planung zahlt sich aus. Zum Beispiel, sagen, Sie wollte sehen, wie Lehrer, Schüler und Administratoren im Vergleich zu anderen in der Beantwortung der Frage über das nächste Jahr die Konferenz. Um dies herauszufinden, möchten Sie eintauchen in die response-raten mit Hilfe der kreuztabellierung, wo Sie zeigen die Ergebnisse der Konferenz die Frage nach Subgruppen:

Aus dieser Tabelle sehen Sie, dass eine große Mehrheit der Studierenden (86%) und Lehrer (80%) planen im nächsten Jahr wieder kommen. Aber die Administratoren, die an Ihrer Konferenz anders Aussehen, mit unter der Hälfte (46%) von Ihnen, die beabsichtigen wieder zu kommen! Hoffentlich einige der anderen Fragen helfen Ihnen, herauszufinden, warum dies der Fall ist und was Sie tun können, um zu verbessern, die Konferenz für Administratoren so mehr von Ihnen werden Jahr für Jahr wiederkommen.

Über einen filter ist ein weiteres nützliches tool für die Modellierung von Daten. Filterung bedeutet Verengung Ihren Fokus auf eine bestimmte Untergruppe, und filtern die anderen aus. Anstatt also der Vergleich der Untergruppen miteinander, hier sind wir gerade auf der Suche, wie eine Subgruppe die Frage beantwortet. Zum Beispiel könnten Sie beschränken Ihren Fokus auf nur Frauen, oder nur Männer, dann wieder führen Sie die Kreuztabelle nach der Art der Teilnehmer zu vergleichen, weibliche Administratoren, Lehrerinnen, Studenten und Studentinnen. Eine Sache vorsichtig sein, wie Sie schneiden und würfeln Ihre Ergebnisse: Jedes mal, wenn Sie einen filter anwenden oder die Kreuztabelle, Ihre sample size abnimmt. Um sicherzustellen, dass Ihre Ergebnisse statistisch signifikant sind, kann es hilfreich sein, die Verwendung einer sample size calculator.

Benchmarking, Trendanalysen und vergleichende Daten

Lassen Sie uns sagen, auf Ihrer Konferenz feedback-Umfrage, eine wichtige Frage ist, “Insgesamt, wie zufrieden waren Sie mit der Konferenz?” Ihre Ergebnisse zeigen, dass 75% der Teilnehmer waren zufrieden mit der Konferenz. Das klingt ziemlich gut. Aber würden Sie nicht gerne etwas Kontext? Etwas gegen vergleichen? Ist das besser oder schlechter als im letzten Jahr? Wie ist er im Vergleich zu anderen Konferenzen?

Nun, sagen, Sie haben diese Frage in Ihrer Konferenz feedback-Umfrage nach der letztjährigen Konferenz. Sie würde in der Lage sein, um eine trend-Vergleich. Professionelle Meinungsforscher machen schlechte comedians, aber man Lieblingssatz ist “der trend ist dein Freund.”

Wenn im letzten Jahr die Zufriedenheit lag bei 60%, Sie erhöht die Zufriedenheit um 15 Prozentpunkte! Was die Ursache dieser Zunahme der Zufriedenheit? Hoffentlich sind die Antworten auf andere Fragen in Ihrer Umfrage werden einige Antworten liefern.

Wenn Sie nicht über Daten aus früheren Jahren’ conference, machen dieses Jahr beginnen Sie das sammeln von feedback nach jeder Konferenz. Dies nennt man benchmarking. Erstellen Sie einen benchmark-oder baseline-Nummer und, sich vorwärts zu bewegen, können Sie sehen, ob und wie sich das geändert hat. Sie können benchmark-nicht nur der Teilnehmer-Zufriedenheit, aber auch andere Fragen. Sie werden in der Lage sein zu verfolgen, Jahr für Jahr, was die Teilnehmer denken, der Konferenz. Dies wird als longitudinale Datenanalyse. Erfahren Sie mehr darüber, wie

SurveyMonkey-Benchmarks können helfen, geben Sie Ihre Umfrageergebnisse Kontext.

Was ist eine longitudinale Analyse?

Longitudinal data analysis (oft auch als “trend-Analyse”) ist im Grunde verfolgen, wie die Erkenntnisse für konkrete Fragen im Laufe der Zeit ändern. Sobald ein benchmark, der eingerichtet ist, können Sie bestimmen, ob und wie sich die zahlen verschieben. Nehmen wir an, die Zufriedenheit für Ihre Konferenz wurde 50% vor drei Jahren, 55% vor zwei Jahren, 65% im vergangenen Jahr und 75% in diesem Jahr. Herzlichen Glückwunsch sind in Ordnung! Ihre longitudinale Analyse der Daten zeigt einen soliden, Aufwärtstrend in der Zufriedenheit.

Sie können sogar track-Daten für verschiedene Untergruppen. Sagen Sie zum Beispiel, dass die Zufriedenheit steigt Jahr für Jahr für Schüler und Lehrer, aber nicht für Administratoren. Vielleicht möchten Sie sich an Administratoren, die Antworten auf verschiedene Fragen, um zu sehen, wenn Sie gewinnen Einblick in, warum sind Sie weniger zufrieden als andere Teilnehmer.

Knirschen der zahlen

Sie wissen, wie viele Leute sagten, Sie kamen zurück, aber wie wissen Sie, ob Ihre Umfrage ergab Antworten, die Sie Vertrauen können, und Antworten, die Sie verwenden können, mit der zuversicht, dass zukünftige Entscheidungen? Es ist wichtig, die Aufmerksamkeit auf die Qualität Ihrer Daten und zu verstehen, die Komponenten der statistischen Signifikanz.

In der Alltagssprache wird das Wort “signifikant” bedeutet, wichtig oder bedeutsam. In der Umfrage-Analyse und Statistik, signifikante bedeutet “eine Bewertung der Genauigkeit.” Dies ist, wo die unvermeidliche “plus oder minus” kommt in der Umfrage arbeiten. Insbesondere bedeutet es, dass die Ergebnisse der Umfrage werden präzise innerhalb von einem bestimmten Konfidenzniveau und nicht durch Zufall. Zeichnung einer Inferenz basiert auf den Ergebnissen, die ungenau sind (d.h., statistisch nicht signifikant) ist riskant. Der erste Faktor zu berücksichtigen bei der Beurteilung der statistischen Signifikanz ist die Repräsentativität der Probe—, ist, inwieweit die Gruppe von Menschen, die in Ihrer Studie “Aussehen” der Gesamtbevölkerung von Menschen, über die Sie wollen, um Schlussfolgerungen zu ziehen.

Sie haben ein problem, wenn 90% der Konferenz-Teilnehmer, die den Fragebogen vollständig ausgefüllt waren Männer, aber nur 15% aller Konferenz-Teilnehmer waren Männlich. Je mehr Sie wissen über die Bevölkerung, die Sie an einem Studium interessiert sind, desto sicherer können Sie sein, wenn die Umfrage deckt sich mit diesen zahlen. Zumindest, wenn es um Geschlecht, du fühlst dich ziemlich gut, wenn Männer und 15% der Befragten in diesem Beispiel.

Wenn deine Stichprobe ist eine zufällige Auswahl aus einer bekannten population, statistische Signifikanz berechnet werden kann, in einer geradlinigen Weise. Einer der wichtigsten Faktoren hier ist die sample-Größe. Angenommen, 50 von den 1.000 Menschen, die sich bei Ihrer Konferenz, antwortete auf die Umfrage. Fünfzig (50) ist eine kleine Stichprobengröße und die Ergebnisse in einem breiten Spielraum für Fehler. Kurz gesagt, Ihre Ergebnisse nicht zu tragen viel Gewicht.

Sagen Sie gebeten, Ihre Umfrage, wie viele der 10 verfügbaren Sitzungen, die Sie besucht, über den Verlauf der Tagung. Und Ihre Ergebnisse sehen wie folgt aus:

Können Sie analysieren, die Durchschnittliche. Wie Sie sich erinnern können, gibt es drei verschiedene Arten von Mittelwerten: Mittelwert, median und Modus.

In der oben stehenden Tabelle ist die Durchschnittliche Anzahl der Sitzungen besucht ist 6.1. Der Durchschnittliche, über die hier berichtet wird, die meinen, die Art von Durchschnitt, dass ist wohl den meisten vertraut. Bestimmen Sie den Mittelwert addieren Sie die Daten und teilen diese durch die Anzahl der zahlen, die Sie Hinzugefügt. In diesem Beispiel haben Sie 100 Leute sagen, dass Sie nahmen an einer Sitzung, die 50 Personen, die für vier Sitzungen, 100 Personen für fünf Sitzungen, etc. So multiplizieren Sie all diese Paare zusammen, zusammenfassen und dividieren Sie durch die Gesamtzahl der Personen.

Der median ist eine andere Art von Durchschnitt. Der median ist der mittlere Wert, der 50% – Marke. In der Tabelle oben finden würde die Anzahl der Sitzungen, in denen 500 Menschen waren auf der linken Seite der Zahl und 500 auf der rechten Seite. Der median ist in diesem Fall sechs Sitzungen. Dies kann Ihnen helfen, beseitigen den Einfluss von Ausreißern, das kann sich negativ auf Ihre Daten.

Die Letzte Art von Durchschnitt-Modus. Der Modus ist der häufigste Antwort. In diesem Fall ist die Antwort ist sechs. 260 Umfrage Teilnehmer besuchten sechs Sitzungen, mehr als an jeder möglicher anderen Zahl von Sitzungen.

Mittel–und andere Arten von Durchschnittswerten–kann auch verwendet werden, wenn Ihre Ergebnisse basieren auf der Likert-Skalen.

Schlussfolgerungen

Wenn es um die Berichterstattung über die Ergebnisse der Umfrage, denke über die Geschichte der Daten sagt.

Sagen Sie Ihre Konferenz insgesamt erhielt mittelmäßige Bewertungen. Sie tiefer Graben, um herauszufinden, was Los ist. Die Daten zeigen, dass die Teilnehmer Gaben sehr gute Bewertungen, fast alle Aspekte Ihrer Konferenz — sessions und Klassen, Gesellschaftliche Veranstaltungen, und die hotel—, sondern Sie wirklich mochte die Stadt gewählt, die für die Konferenz. (Vielleicht war die Konferenz in Chicago im Januar, und es war zu kalt für alle, nach draußen zu gehen!) Das ist Teil der Geschichte Recht gibt — Konferenz insgesamt miese Wahl der Standorte. Miami oder San Diego könnte eine bessere Wahl für einen winter-Konferenz.

Ein Aspekt der Daten-Analyse und Berichterstattung, die Sie haben zu prüfen, ist die Kausalität vs. Korrelation.

Was ist der Unterschied zwischen Korrelation und Kausalität?

Die Kausalität ist, wenn ein Faktor, der bewirkt, dass ein anderer, während die Korrelation ist, wenn zwei Variablen bewegen sich zusammen, aber man nicht beeinflussen oder verursachen der anderen. Zum Beispiel, trinken heiße Schokolade und das tragen von Handschuhen sind zwei Variablen korreliert sind — Sie neigen dazu, gehen nach oben und unten zusammen. Aber man kann nicht die Ursache der anderen. In der Tat, Sie sind beide verursacht durch einen Dritten Faktor, kalten Wetter. Das kalte Wetter beeinflusst sowohl heiße Schokolade-Konsum und der Wahrscheinlichkeit des Tragens von Handschuhen. Kaltes Wetter ist die unabhängige variable und die heiße Schokolade-Konsum und die Wahrscheinlichkeit, dass das tragen von Handschuhen sind die abhängigen Variablen. In unseren Konferenz-feedback-Umfrage, kalten Wetter wahrscheinlich beeinflusst Teilnehmern Unzufriedenheit mit dem Kongress-Stadt und der Konferenz insgesamt. Schließlich, weiter zu prüfen, die Beziehung zwischen Variablen in Ihrer Umfrage, die Sie benötigen könnten, um eine Regressionsanalyse durchführen.

Was ist Regressionsanalyse?

Regressionsanalyse ist eine erweiterte Methode der Daten-Visualisierung und-Analyse, die Ihnen erlaubt, die Beziehung zwischen zwei oder mehr Variablen. Es gibt viele Arten von Regressionsanalyse und die man(N) eine Umfrage, die Wissenschaftler wählt, hängt von der Variablen, die er oder Sie untersucht. Was alle Arten der Regressionsanalyse ist gemeinsam, dass Sie Blick auf den Einfluss einer oder mehrerer Unabhängiger Variablen auf eine abhängige variable. In der Analyse unserer Umfrage, wir könnten daran interessiert sein, zu wissen, welche Faktoren den größten Einfluss der Teilnehmer auf die Zufriedenheit mit der Konferenz. Ist es eine Frage der Anzahl der Sitzungen? Der keynote-speaker? Die sozialen Veranstaltungen? Die site? Mithilfe der Regressionsanalyse, eine Umfrage, die Wissenschaftler können bestimmen, ob und inwieweit sich die Zufriedenheit mit diesen verschiedenen Parametern der Konferenz beitragen, um die Allgemeine Zufriedenheit.

Dies wiederum bietet einen Einblick, welche Aspekte der Konferenz, die Sie vielleicht ändern wollen, das nächste mal um. Sagen, zum Beispiel, bezahlt man ein hohes Honorar zu bekommen, a top-flight keynote-speaker für Ihre Eröffnung. Die Teilnehmer Gaben auf diese Lautsprecher und die Konferenz insgesamt gute Noten. Basierend auf diesen beiden Tatsachen, die Sie vielleicht denken, dass eine fabelhafte (und teuer) keynote-speaker ist der Schlüssel zur Konferenz Erfolg. Regressionsanalyse kann Ihnen helfen, festzustellen, ob dies tatsächlich der Fall ist. Sie werden feststellen, dass die Popularität der keynote speaker war ein wesentlicher Treiber für die Zufriedenheit mit der Konferenz. Wenn dem so ist, im nächsten Jahr werden Sie wollen, um eine tolle keynote-speaker wieder. Aber sagen die regression zeigt, dass, während jeder mochte die Lautsprecher, das kann nicht viel dazu beitragen, um die Teilnehmer ” Zufriedenheit mit der Tagung. Wenn das der Fall ist, die big bucks verbrachte auf die Lautsprecher wohl am besten anderweitig ausgeben. Wenn Sie sich die Zeit nehmen, um sorgfältig zu analysieren, die Solidität des Ihre Umfrage Daten, werden Sie auf Ihrem Weg, um mit den Antworten, die Ihnen helfen, fundierte Entscheidungen zu treffen.

3 schnelle Tipps zur Verbesserung der Umfrage-response-raten

Hier sind einige Ideen, um sicherzustellen, dass die Befragten beantworten Ihrer Umfragen.

Leave a Reply

Your email address will not be published. Required fields are marked *