调查问卷分析
发表评论
20 views

调查问卷分析的一般流程：

  1. 初步设计调查问卷并严格评估合理性，比如文献研究，对象访谈，Delphi 专家函询
  2. 针对少量人群（40~60 人）展开预调查，了解调查问卷设置条目的合理性，完整性和可理解性
  3. 确保预调查结果质量，包括调查内容审核录入与信效度分析（此步骤也适用于正式调研阶段）
  4. 估计样本量，确定调查人群，完成调查员培训，分配调查任务并展开具体的正式调查
  5. 对调查结果进行数据分析，包括分布描述，独立性检验，方差分析，相关性分析，多因素分析等
  6. 根据初步分析结果，进行整理和深入的分析，得到可验证的结果，最后撰写调查报告

Delphi 专家函询

通过迭代的问卷调查来收集和汇总专家意见的系统化方法

一般流程：

  1. 确定问题和目标：研究者需要明确问题的范围和研究的具体目标。
  2. 选择专家：选择一组具有相关领域知识和经验的专家。专家的选择对Delphi研究的质量至关重要。
  3. 设计问卷：根据研究目标设计初步问卷（开放式/闭合式），旨在收集专家对问题的看法和建议。
  4. 第一轮调查：将问卷发送给选定的专家，收集他们的意见和建议。
  5. 汇总和分析意见：对第一轮调查收集到的数据进行汇总和分析，提炼出共识点和分歧点。
  6. 设计第二轮问卷：根据反馈设计第二轮问卷。二轮问卷通常会更加具体，可能会要求专家对某些观点进行评级或排序。
  7. 第二轮调查：将第二轮问卷发送给专家，再次收集他们的意见。
  8. 再次汇总和分析：对第二轮调查的结果进行汇总和分析，进一步提炼出专家间的共识。
  9. 重复迭代：如果必要，可以进行更多轮的调查、反馈与调整，直到达到足够的共识或达到研究目标。
  10. 报告结果：最后整理和撰写研究报告，报告中应包括研究过程、专家意见的汇总、达成的共识以及任何显著的分歧

特点：

  • 匿名性：减少群体压力，收集专家真实意见
  • 多轮迭代：逐渐达成专家共识，提高决策的质量

专家评估结果的定量分析：

  1. 专家积极性系数，包括每轮调查的函询回收率（一般要求>70%）和提出意见的专家人数占比（示例如下）
  2. 专家权威系数 $Cr$，包括判断系数 $Ca$ 和熟悉系数 $Cs$，即：$Cr=(Ca+Cs)/2$
    • 专家权威系数以专家自评的方式进行，包括专家对条目内容作出判断的依据，以及对咨询内容对熟悉程度
  3. 专家意见的协调程度，一般用肯德尔协调系数（Kendall's W）来评估（值域 0~1，越大越好）
  4. 专家意见的集中程度，一般用变异系数（CV=标准差/均值）来评估， CV≤0.25 表示专家的意见集中程度较高

专家函授的评价结果示例（部分）：

条目的内容效度分析 I-CVI：

  • 描述了专家对每个条目的评定（评定条目与研究内容的关联性）
  • I-CVI 的计算方式：评分为 3 或 4 的专家数除以专家总数
  • I-CVI>0.78，则条目内容效度良好，予以保留； I-CVI<0.78，则条目需要修改或删

量表的内容效度分析 S-CVI/UA：

  • 描述了专家对量表的评定（评定条目与研究内容的关联性）
  • S-CVI/UA 的计算方式：所有专家评分 3 以上的条目占总条目的比例
  • S-CVI/UA>0.8，则表示问卷总体内容效度良好

样本量估计

预调查的样本量：

  • 经验方法，取条目组多的分问卷条目数的 5~10 倍
  • 考虑到样本的遗失与无效问卷，再扩大 10%的样本量

正式调查的样本量 $N$ 则主要有两种常见方法

计算公式 1（基于总体率的估计，最常用）： $$ N=(\frac{Z}{E})^2\cdot P \cdot (1-P) $$

  • $Z$ 表示置信水平对应 Z 值（比如 95%置信水平下的 Z 值为 1.96），置信水平越高，所需样本量越大
  • $E$ 表示误差范围，即调查问卷能接受的误差幅度，误差范围越小，样本量越大
    误差范围一般有两种计算方式：（1）绝对误差一般使用显著性水平（比如 0.05）（2）相对误差则根据整体比例来确定，比如 $0.15\times P$，相对误差在实际调查问卷中更常用
  • $P$ 表示整体比例，比如针对肠胃镜筛查的调查问卷，可使用普通人群的肠胃镜筛查率作为 $P$；在没有先验信息的情况下通常假设 $P=0.5$，但这通常会导致样本量高估（保守策略）

示例 1：假设对某地区肠易激综合征的患病率进行调查，根据文献资料，人群患病率为 15%, 若将容许误差控制在 3%，则 95%置信水平下的估计样本量 $N=\frac{1.96}{0.03}^2 \times 0.15 \times (1-0.15) \approx 545$

计算公式 2（基于总体均值的估计）： $$ N= (\frac{Z\sigma}{E})^2 $$

  • $\sigma$ 表示总体标准差，一般使用预调查的样本来计算；在多维度的问卷中，则一般选择不同维度下总体标准差的最大值，目的是确保样本量足够大，以应对最不稳定的测量

示例 2：某药厂生产的注射液，规定其有效成本含量为 2.25mg/支，标准差为 0.85，若希望以 95%的置信水平估计有效成本含量均值，并希望控制误差在 10% 以内： （1）若使用绝对误差，则 $E=10%$ ，检验需要的样本量 $N=(\frac{1.96 \times 0.85}{0.1})^2\approx 278$ （2）若使用相对误差，则 $E=10% \times 2.25=0.225$ ，检验需要的样本量 $N=(\frac{1.96 \times 0.85}{0.225})^2\approx 55$

调查问卷的评价

信度 Reliability 评估：测量工具或调查问卷在重复测量时的一致性或稳定性

效度 Validity 评估：测量工具或调查问卷是否能准确测量出需要测量或统计的概念

临界值法：

  • 一种常见的问卷项目分析方法，用于评估问卷条目的区分度
  • 目的：评估每个条目区分高分组和低分组受试者方面的能力
  • 步骤：（1）按照问卷的总分对受试者排序（2）将受试者分为高分组和低分组，其中高分组一般为排名靠前的 30%的受试者，低分组一般为排名靠后的 30%的受试者（3）按照每个条目得分，针对分组结果进行独立性假设检验（比如 t 检验）（4）筛选出具备区分度（比如 p 值<0.05）的条目
  • 作用：评估问卷条目的质量，辅助优化问卷结构，提高测量的准确性和可靠性

Kaiser-Meyer-Olkin (KMO) 统计量

  • 评估数据适合进行因子分析的程度
  • KMO 值介于 0 和 1 之间，值越接近 1，数据越适合进行因子分析
  • 一般来说，KMO 值大于 0.6 被认为是适合的

Bartlett's 球形假设检验

  • 检验数据的相关矩阵是否为单位矩阵（即对角线为 1，其他元素为 0）
  • 作用：判断数据是否适合进行因子分析（p值<0.05 表示数据适合因子分析）

主成分分析与因子分析（结构效度评价）

  • 根据Kaiser标准，只有特征值大于 1 的主成分才被认为是有意义的
  • 通常希望这些主成分的累积解释方差达到 70% 以上
  • 因子荷载表示每个变量在主成分上的贡献通常，在心理学和社会科学中，因子载荷大于 0.4 通常被认为是显著的（表示该变量对该主成分有较大的贡献）。

在某些探索性研究中，因子载荷大于 0.3 也可能被接受，

方差最大化正交旋转（Varimax rotation）是一种常用的因子载荷矩阵处理方法，它通过旋转因子轴来最大化每个因子上变量的方差，从而使得因子载荷矩阵更容易解释

Cronbach's Alpha 系数（信度评价） $$ Cronbach's Alpha = \frac{N}{N-1}(1-\frac{\Sigma 每个条目的方差}{总分方差}) $$

  • 总分方差：先按照每个条目加和，得到条目总分，再计算得到的方差
  • 一种用于评估问卷或测试内部一致性的方法（不适用于类别型条目）
  • Cronbach's Alpha 值在 0 到 1 之间，通常认为 0.7 以上表示良好的内部一致性

重测信度系数（信度评估）

  • 一种评估测量工具在不同时间点上稳定性的方法
  • 计算方式：计算两次测量结果之间的皮尔逊相关系数来评估
  • 相关系数的值在 -1 到 1 之间，接近 1 表明重测信度较高

对于分类数据，可考虑使用其他相关系数（如斯皮尔曼相关系数）

注意：重测信度的评估需要在合理的时间间隔内进行，以确保测量工具的稳定性

统计学分析

描述性分析：

  • 对于类别型变量（比如性别），一般采用频数、占比进行描述性分析
  • 对于数值型变量（比如年龄），一般采用均值±标准差进行描述性分析
  • 所以描述性分析，一般覆盖到患者人群画像与问卷结果的基本信息和特征

图表可视化：

单因素分析：t 检验或卡方检验

多因素分析：逻辑回归建模分析，多元线性回归，结构方程，亚组分析

Y1: 逻辑回归（是否发生了肠胃镜筛查） Y2: 线性回归（知，信，行的调查得分）

X：基本信息

往年同期文章