问卷是收集数据的一种非常好的方式。问卷具有小巧、灵活、轻便、简单、方便的固有优势。任何人都可以设计一份问卷数据，然后进行数据分析和研究。但你是否知道，糟糕的问卷设计会导致糟糕的数据分析，无法得到预期的结果，无法进行一系列有效的研究？遗憾的是，问卷研究的设计，如果设计了专业的问卷，并没有得到应有的重视。本文将从“问卷设计小技巧”、“问卷设计坑”、“问卷调研报告”三大部分来阐述专业问卷设计的内幕。

问卷设计并不难，但是太多人设计不出问卷，原因很简单，没有想法，也没有人会解释自己的想法。事实上，只要一点点灵感，没有哪个“小白”能设计出专业的问卷。

本节将分别解释三种观点，即关键词法，研究方法匹配法和场景应用法.接下来，逐一解释它们。

很多人第一次设计问卷没有经验，不知道从哪里入手，需要设计什么样的问题，多少问题合适。其实问卷应该设置多少个问题，设计什么类型的问题？这些相对来说不重要，核心在于你的思维是什么。有了想法，一切都会有解决的办法。那么如何让自己的调查问卷有思路呢？比如你要研究“消费者网购与社交媒体使用的关系”，首先要确定是这样一个主题。我觉得这个不难，至少你要知道你想学什么。有了这个，接下来就好办多了。从这个主题可以看出，要研究的核心点包括两个关键词，即网购和社交媒体；有了这两个关键词，接下来需要做的就是细分；网购可以表达什么样的问题？社交媒体应该用什么样的问题？

通常一个关键词下属可以有4~7个问题，不要太多。如果按照这个逻辑，两个关键词只有8~14个问题，还是比较少的。我该怎么办？可以在一个关键词下继续拆分吗？比如常见的拆分可以分为两类，包括基本行为和基本态度，那么网购可以分为两个方面：网购行为和网购态度。同样，社交媒体也可以分为两个方面：社交媒体使用情况和社交媒体态度。

在这样的思维前提下，如果把一个研究课题分成4~7个关键词，每个关键词有4~7个问题，整个研究就满了。这样做的目的很简单。第一，把整个研究思路梳理清楚，用具体问题量化表达。第二，只有这样，才会进行有效的研究和分析。

如果最后拆分成5个关键词，每个关键词对应6个话题，则有30个话题；然后需要添加一些常见的问卷题目，如性别、年龄、学历、收入、消费等基本信息；已经完成了一份比较完整的问卷。为什么需要添加性别年龄等基本信息？从统计学的角度来看，人口统计变量(即性别、年龄、教育程度等。)通常对于某个关键词会有可能的分歧，不同的人对同一个问题会有完全不同的看法或观点，所以有必要添加这样的问题，以便在进一步的研究中进行深入的分析。至少，要知道先研究这样一群人，才会有后续的分析和研究。

以上是关键词法的一个常见思维框架，属于“不离其宗”，可以作为任何问卷设计的参考。接下来我来解释第二种招数，即“研究方法匹配法”。

在上一部分解释了关键词法之后，相信大部分人都会设计出一个思路清晰，结构良好的相对较好的问题。然后再深入，即匹配研究方法设计调查问卷。

研究方法通常可以分为三类，即差异关系、相关关系和其他关系。

如果思维更偏向于差异性的研究，比如不同收入群体对网购的态度差异。那么收入是一个关键词，可以用标准化的量表题设计网购态度，便于方差分析和差异比较；我建议用比较标准化的量表题，因为量表很标准化，可以用很多研究方法；如果不用量表题，那么可以考虑卡方分析进行研究。如果使用更丰富的研究方法，就需要使用多种问题设计，既有量表问题，也有非量表问题，有望进入差异比较的范畴。如果思维更倾向于研究影响关系，比如满意度对忠诚度的影响，似乎满意度和忠诚度都可以用量表题来表达，那么设计量表题是没有问题的，因为可以用线性回归分析来进行研究。另外，还有一种情况可以考虑，就是logistic回归，满意度影响最终是否再次购买，是否再次购买受满意度影响。在这种情况下应该使用逻辑回归分析。如果想两种研究方法都用，那么满意度对应的问题需要有量表问题，以及“你是否愿意再次购买”等分类数据问题。如果期望数据需要进行统计分析，请记住一定要设计成量表题，否则无法进行信度分析。而如果预期思维中有分类，也就是比如把样本分成三组，这时候就要考虑使用更标准化的量表数据了。综上所述，研究方法的匹配使用其实应该在问卷设计之前就考虑好。问卷研究设计完成后，大部分问卷研究方法已经确定，所以需要提一下。

上一部分从分析方法的角度讲解了问卷如何设计，事实上问卷设计还会受到实现研究应用的影响，比如学术研究中更多地提到模型二字，大量的使用规范的研究量表。但在企业研究中，则更多的关注于现状情况以及提出政策建议等实用性的东西。不同的应用场景，问卷设计会有非常大的区别，尤其是学术和企业应用中。

学术研究中，强推量表题的设计，原因很简单，量表可以匹配非常多的研究方法，并且建立模型，便于推广；但是也有一定的问题在于，实用性相对较弱。企业应用中，不关注于模型如何，而对问题是什么以及解决办法是什么更加关注，因而对于量表题的使用相对较少，更可能使用一些非量表式的问题，比如多选题，多项选择题等。

相对来讲，建议学术研究中加入小部分（约1/5)的非量表题，便于在研究报告撰写时，可以有一些结合实际情况更深入的研究，比如研究“网购满意度和忠诚度”的关系，满意度影响到忠诚度，然后又如何呢？企业有什么帮助呢，可以考虑设计一些题目，比如如何才能提高满意度，加一些新的小功能点，多做一些优惠活动？

以及企业应用场景时，也可以适当于加入一些量表题目，便于丰富研究方法，从不同角度不同分析方法上去对数据分析，否则的话，来回只能进行交叉对比，无法深入挖掘一些新的研究点。

上一部分将问卷设计诀窍进行概述后，本部分将对问卷设计中的一些常见的问题进行汇总，避开问卷设计过程中的”坑”，这样才能得到完美的研究报告。问卷一旦完成，数据收集完成，最终却无法进行希望进行的分析，试想这是多么糟糕的事情。接下来一一总结。

1.研究影响关系，但是缺少Y

影响关系是X影响Y的意思，如果问卷中仅仅设计了关键词X对应的题目，但是没有设计Y对应的题目；这会导致最终无法分析。比如研究“影响网购满意度”的因素，问卷中仅设计出一些影响因素对应的量表题目，但是少了一个”Y”即，满意度情况如何。

除此之外，X和Y这两个词不能出现在一个标题中；比如想研究”产品影响满意度“，不能设计出这样的问题”产品会影响满意度“，将两个关键词放入同一个句子中，即X和Y没有拆分开；正确的做法是X和Y完全拆分，使用不同的问题去表示。

2.信度和效度分析，不是量表题

如果研究的最后希望使用统计学研究方法，进行信度和效度分析，但是却没有将关键词对应设计出量表题目；这会导致无法进行分析。统计学角度上的信度和效度分析，都只是针对量表题；尤其是学术研究中通常需要报告信度和效度情况，因此需要设计出对应的量表题目才可以。

3.问卷中逻辑太多

一份思路清晰的问卷，应该是任何人一看就完全理解想做什么，如果问卷中逻辑太多，比如选择一个第1题，才能回答第5题；然后选择第3题才能回答第4题；各类逻辑非常多；这种情况的产生会导致最终进行研究分析时非常糟糕，因为逻辑过多很难理解和分析。建议一份问卷中的逻辑保持在4个以内。如果说确实逻辑就很多，可以首先画流程图，将逻辑进行梳理，把有逻辑的地方进行汇总，尽量简化逻辑跳转。

4.填空题少用

填空题是一种开放题型，可以收集到一些意想不到的信息。但此类题型有个大问题即非常不规范，比如性别使用填空题，很可能得到这样的回答比如男，male，m，男生，男的，男同学，男士，男人等等。这类非常不规范的答项会导致无法进行分析，一定要分析，那需要先整理成规范的答案，非常的费时费力。

如果是出于收入更多开放信息，那确实需要使用填空题，如果不是此类需求，建议尽可能少的使用填空题，因为它无法进行数据分析方法的使用。

5.事实上问卷设计时还会遇见很多问题，比如某个选项居然没有人选择，也或者多选题居然设计出2个问项。这种情况都是比较细节性的问题。建议设计问卷中稍加注意即可，此类情况只会导致最终的研究报告质量比较糟糕，并不会影响到实质性不能进行分析的情况。稍加注意即可，建议设计问卷时，站在被试即回答问卷问题的角度考虑一下，避免出现一些比较常规性质的问题。

问卷研究中，量表是一种比较规范而且简单容易理解，最为关键的是，其可以匹配非常多的研究方法。因而笔者建议可以尽量多的使用量表题。
在学术研究中，量表题是非常常见的一种题型，而且大量广泛的使用，绝大多数研究方法均只能匹配量表题。但是在企业研究中，量表题使用相对较少，而是使用更多的多选题，单选题，排序题等。可以考虑互补，即学术研究在大量使用量表题基础上，加入一些非量表题比如多选和排序题；而企业研究中适量的引入量表题。

在问卷设计完成后，事实上自然就会有对应的研究方法匹配，以及研究思路的确实，研究报告的框架结构目录也大致确定好。