一、影响关系研究
影响关系类研究最为常见，研究影响关系时，通常会先画出模型结构框架，一个框架表述整体研究结构思路情况，研究框架为核心。
1. 样本背景分析
首先对收集数据进行基本的频数分析，比如统计性别，年龄，学历的分布情况如何等。
2. 样本特征、行为分析
如果研究中涉及样本的特征情况，比如基本行为，或者认知态度相关性，也可使用频数分析或描述分析进行汇总，进一步了解清楚样本特征情况。
3. 指标归类分析
影响关系研究时，问卷中通常会涉及非常多的量表题，如果量表题具体应该分成多少个维度，并不完全确定，此时可使用因子分析进行浓缩，得出几个维度（因子），并且找到维度与题项的对应关系情况。
4. 信度分析
数据的可靠性，是否有信度，是最基础的，一般放在样本基本特征背景情况之后，进行信度分析。注意信度仅针对量表类数据进行研究，无法针对比如性别，年龄之类的背景信息项进行分析。
5. 效度分析
除开数据可信，还需要研究量表题项具有可靠性。先有数据可靠，再分析有效，这是常见的结构，效度分析和信度分析也可互换位置。
6. 研究变量描述分析
数据可靠，并且研究量表有效之后，接着需要对具体维度（量表题项等）进行描述分析，研究样本人群对于量表项的基本态度情况。
7. 变量相关关系分析
完成量表题项，各维度的描述性分析之后，再使用相关分析去研究关系情况，为回归分析作准备。
8. 研究假设验证分析
在数据有着相关的前提之下，再研究回归影响关系才具有意义。因而回归分析需要放在相关分析之后。并且通常情况下需要使用回归分析去验证假设。如果因变量属于定量变量，那么使用线性回归分析或者SEM模型进行假设验证；如果因变量为分类变量，那么使用Logistic回归分析方法，注意具体问题具体分析。
9. 差异分析
有可能还需要对比不同人群，比如性别，年龄等不同群体，他们对于量表题项的态度差异情况，因而一般可使用方差分析，或者t 检验等进行分析。如果说想研究不同背景人群（比如性别，年龄）对于样本行为上的差异性，建议可使用交叉卡方分析等，同时如果涉及多选题的交叉分析等，也对应选择需要的方法即可。
二、权重指标体系研究
权重体系研究
权重计算的方法非常多，可分为两大类：主观赋权法和客观赋权法。 （1）主观赋权法：指的是采取定性的方式，由专业人士通过打分、评分等方式从个人主观经验对不同指标进行赋权的一类方法。 （2）客观赋权法：指的是依据指标数据的自身特征或指标间关系进行权重计算，并不依赖于人的主观判断。
常见方法见下图： 有关权重计算的相关内容可以查看往期的这些文章：
三、中介/调节效应研究
中介效应或调节效应分析
中介效应与调节效应对比说明如下： （1）中介效应：中介效应是研究在自变量X对因变量Y的影响过程中，自变量X是否会通过中介变量M再对因变量Y产生影响关系。比如研究员工工作生活平衡对离职倾向影响时，工作满意度是否起中介作用。 （2）调节效应：是指研究X影响Y的过程中，不同的调节变量Z是否会导致X对Y的影响程度有不同。比如产品质量认知对口碑传播意愿影响时，不同收入水平是否起着调节作用。 关于中介效应和调节效应的应用可以查看往期这篇文章：
四、“类实验”类差异研究
交互作用研究
通常情况下，“类实验”类问卷研究会分析实验组和对照组或者实验前和实验后的样本差异情况。
例如分析在不同实验水平下（实验组和对照组，或者实验前和实验后），X对Y的影响幅度是否一致时，X对Y的影响关系就是通过差异对比进行研究的。其与上文介绍的调节效应原理类似。
举例：SPSSAU双因素方差分析结果如下：
五、聚类样本研究
聚类样本研究侧重样本细分，通过分析将样本分为几个类别，继而对各个类别样本进行比较。例如在大众文化消费情况研究中，通过将样本细分为几类进行差异对比，然后针对不同类别样本人群的消费偏好情况提供相关的建议。此类分析思路适用于有一定统计基础的研究人员。
聚类样本研究时，第一想到的应该是样本“分类”，即样本人群应该分成几个类别；分了类别之后，通常肯定是需要对比不同类别人群的差异性，比如不同类别群体在态度，行为上的差异性等。
聚类分析
聚类分析本分析思路的核心，常用的聚类方法如K-means聚类、K-prototype聚类、分层聚类等。
聚类效果验证
从应用角度来看，可以通过方差分析或者判别分析等方法综合判断聚类效果。
更多聚类分析相关内容可以查看往期这篇文章：
六、非量表问卷研究
关于问卷分析的更多内容可以参考往期这篇文章：
【重要提醒】问卷不需要进行信效度分析、问卷与量表的区别与联系
若要了解问卷调查数据分析方法相关的更详细知识，可进入SPSSAU官网查看帮助手册or联系智能客服or人工客服为您解答。
以上就是今天的全部内容啦~
若您想看其他干货内容
请在评论区告诉SPSSAU
数据分析救命神器
让你的数据处理
非常简单！
点击下方 跳转至SPSSAU官方账号
