如何根据李克特量表计算因子荷载量

好，我们今天要学习的是量表数据如何进行分析。首先我将量表数据的分析步骤列了一个 word 给大家看。首先是进行性度检验，采用的是克隆巴赫系数，在性度检验通过的基础上，采用效度检验，采用的是 k、 m、 o 系数。 然后当克隆巴赫系数和 km 系 km 系数都达到了零点七级以上的时候，就代表量表和分量表的性度和效度是良好的，就可以做接下来的统计分析。接下来对数据进行因子分析，可以看到我们这个数据能否做因子分析。 以下是判断能否做因子分析的条件。接着进行相关性分析。相关性分析采用了两种系数，一个是朴训系数，一个是斯表曼系数。这两个系数的适用条件是不同的，一个是在正态的条件下使用的，一个是 不考虑数据是否是正态都可以使用的。然后接着就是顺理成章是我们的正态性检验。好，我们今天要讲的就是性度检验、像度 检验和因子分析这三个板块。好，我们结合数据来看。首先我们看到这个数据，我现在框的黄色的部分就是第一个维度的六个小问题。然后这个呢，就是第一个维度求了一个总和，有的时候会求一个均值，有的时候求的是总和，所以看你的用途是什么。然后后面是第二个维度，也是一样的。 然后接着是第三个维度。好，我们整个问卷就是三个维度，那我们每一个维度都来做一下这个信度分析。首先点击分析，然后点击刻度，然后点击可靠性分析。点进来过后，首先我们看到第一个维度，从一感信度量这里开始， 同时按住键盘上的 shift 加 ctrl 键，然后就可以同时选择这么多，那这个就是第一个维度，选到相这里来，然后模型呢，就是这个 alpha， alpha 就是 克隆巴赫系数，你也可以选折半系数，这是看你自己的选择。我们先选个 alpha 系数，然后点击确定好。这个时候我们就可以看到他这个克隆巴赫系数是零点九四八，是非常高的，就说明这个维度的信度是非常高的。接着我们把其他两个维度也做一下， 把这些选回来，然后选择第二个维度，点击确定好。第二个维度的科龙八号系数是零点九六五，进度也是非常高的。然后我们看最后一个维度， 最后维度是零点九三九，它的性度也很高。这个时候我们来做一个总体的性度分析，我们刚才是将三个分维度的都来做了可性度分析，这个时候我们来做总体的 好，总体的一个科罗巴赫系数是零点九七五，就说明了总体的量表和分量表的性度都达到了要求，并且性度都非常高。然后性度检验就通过了。通过过后我们要进行效度检验，那么还是点分析，然后点击降维， 然后点击因子好。首先将第一个维度选过来，然后点击描述，记得这里要选 k m o 和巴特利特球形度检验，初始结可以不用选。然后点击确定，那我们第一个维度的效度就出来了， 我们可以看到这个表中它的 km 系数是零点八八五，而且它的巴特利特球形度检验，这这个 p 值是零点零零零，就说明受访者对于该维度回答的问题是非常具有一致性的，效度是非常高的。 好，那么我们第一个维度就已经结束了。第二个维度一样的方式。 好，第二个维度的 km 是零点九零七，然后这个 p 值也是零点零零零，也是一致性程度非常高。 第三个维度第三个维度呢，它是 k， m 是零点八六六，它的撇值也是零点零零，是小于零点零五的，所以它也是非常一致的。所以三者的性度和效度检验都是通过了的。然后我们现在来看一下整体问卷的效度， 点击确定好整体位置的效度呢，是零点九三三，也是非常高的， p 值也是小于零点零五的。就说明 我们整个问卷分量，不管是分量表还是总量表，他的性度、效度都是通过检验的。那好，我们前两个性度效度检验就讲到这里。然后接着是因子分析。因子分析其实在我们输出 kmo 结果的时候，他同时也就给我们输出了一个因子分析的结果。 好，我们首先看到整个界面的左侧，它这里有 这些是信度的结果，从效度开始，也就是从这，这是第一个维度的效度输出的结果零点八八五。然后接下来呢，这个矩阵呢，是成分矩阵，也就是说他在这个维度中的这几个问题中，只提取了一个成分出来， 所以他这个维度是不适合做因子分析的。然后接着看第二个维度，也是只提取了一个，然后第三个维度也是只提取了一个出来， 说明分量表都是不适合做因子分析的，但是如果把这三个量表统一在一起的话，我们可以看到他就提取了两个成分出来。这两个成分咱们来看每个问题属于哪一个成分呢？就是我们看他的这个绝对值，每个成分的绝对值。我们看到第一个 制度性度量，这里他在第一个成分上面得分是零点八五三，第二个成分上面得分是零点三四三。所以他就属于第一个成分，哪个大就属于哪个成分，如果出现了负数的话，就绝对值就可以了。好， 我们来进行一个系统的学习。因子分析，点击分析，点击降为点击因子。好，我们把所有的这个选过来了，过后点击描述。好，这里有 kmo。 点击继续提取。我们选择的是主成分提取法，然后要显示未旋转的因子解。然后我们再选一个碎石图吧。碎石图呢就可以看到他从哪一个点开始有了急剧的下降，急剧 下降过后趋于平缓，那我们就可以提取几个主成分。好，我们提取的这个方式是基于特征值，我们只提取特征值大于一的，这个是默认的条件，然后迭代次数，这些不用管。二十五次。点击继续旋转。 旋转的成分矩阵，我们采取的是最大方插法，一般都是选择的最大方插法。然后再选择一个载合图，我们就可以看到每一个问题在每个成分上面的载荷的情况。点击继续，然后得分，不用管选项也不用管，然后点击确定 好，这个时候他就输出了这么一个结果。这个第一个表呢，是总体的这个量表的 k m o 系数，也就是它的效度，它的效度是非常高的，大家可以看到是零点九三三，然后它的三也就是个 p 值， 零点零零零是小于零点零五的，也是说明题制性程度非常高。下面这个图呢就是碎石图，我们可以看到在等于二的时候，他有一个 急剧的下降，并且趋于平缓，然后这个就是我们一个参考的依据，所以估计后面提取的成分数量是二或者是三。然后往后面看。好。我们这里就看到刚才所呈现的一个成分矩阵，就是在第一个成分和第二个成分上面的成分矩阵，然后之前给大家说了应该怎么样选取它是属于哪个成分的。 好，这里就是一个总方差解释。那它最后也是提取了两个成分，它的特征值都是大于一的，提取的是大于一的解。然后这个是旋转后的成分矩阵，那我们一般看呢就是看这个旋转后的成分矩阵，然后来确定它的哪个问题是属于哪一个成分的。 这里呢就是一个载合图，可以看到它是属于哪一个象限。比如说我们提取的这两个 成分，我们就可以对成分进行命名，可以根据每个成分中所含的问题的特征进行一个命名。比如说第一个成分，你看他有是有这个易感性度量的，易感性度量很多都属于第一个成分。 嗯，还有这个保护行为度量，也就是说易感性和保护行为度量可以抽离为一个成分。然后制度性度量呢是属于第二个成分，那么我们第一个成分就可以说是自我保护的一个指标，第二个成分呢，就可以说是制度性保护的一个指标。这样的话就可以把指标进行命名，然后进行进一步的探索。 你看它这个所属的，我们刚才看到了一个是否做适合做因子分析的条件，特征值都大于一，对我们提取出来的两个成分是不是特征值都大于一，然后第二个提取的因子在其载褐上的载褐系数都大于等于零点四，这个怎么看呢？就是我们看这个旋转后的成分， 你看他第一个问题，在一二两个成分上面，最高的是属于第二个成分是零点八一六，他是大于零点四的，所以他这个是有效的，每一个都这么去看。然后最后一个判断条件是至少提取了大于一个的公因子，我们这里是提取了两个公因子，所以的话他整体是适合来做因子分析的。 今天的课程就上到这里，接下来我们会讲相关性分析以及正态性检验。

再讲调研文券，分析结构方程。首先我要铺垫一下什么叫做理特科两表和结构方程模型。嗯，关于理特科两表，其实是生活中非常常见的一种 两表，说白了就是调研问卷，这个两表呢，之所以叫理科特，就是因为美国叫理科特这个人发明的， 我们在那个生活中或者经常会被调研填一些电源问卷，里头可能会有一个问题，或者很多组问题都有一个非常认同不认同之类的，一个选项可能有五个甚至更多， 那么这种两表，这叫理科特两表，我们只能选一个去写，就是多单选这个，单选那里头，可两表生活中非常常见，我就做了一个，这是我论文当时设计的一个理科特两表，但是后来并没有 采用他的问题，因为模型做了修改。首先呢，我要确定我理科特原本要提什么问题，对吧？我要有一个测量的一个项目，但前提是我要做一个音变量的一个东西。 那我最最左边我可以看到我设计了有五个音面量，这五个音面量分别是产品形象感知、顾客满意度感知等等等等。然后针对于这一项的一个音面量，我下面要设计三个问题，我测量这个目的是什么呢？就是第一个问题，我要测量的是产品包装的接受度 啊，我包装肯定会影响我的产品形象，我的产品设计也会影响我的产品形象，哎等等，这个就是你要做细致裁分的，这个自由度是非常高的。然后我们做问题设置，问题设置首先一定要讲人话，千万不能有什么专业性的书，因为你的 发放的人是各行各业的人，所以说你要尽可能让他明白你这个调，你要问什么问题，通俗易懂即可。好。然后我们就可以把这个问卷做成通过，比如说问卷心了，或者是做成你的一个线下的一个这么一个电源问卷了，让我们发放出去就可以了。 我们最后可以看到他有五个选项，这个就是咱们生活中经常会看到的一个礼盒特量表，然后呢礼盒特量表我要补充一下这个为什么叫因变量？最左面这个他因这个问题 的变化而受到影响，所以说变问题属于一个自变量，而我这些大块的这个就是因变量结构方程中这个叫做因变量，我们要研究的其实也是因变量。由于最后理科测量表我们要收集回来 做一些数据分析和统计分析，所以我们做你和他俩表的时候，他的他的五个选项的那个全职， 他是很很重要的，必须具备一致性。这个一致性怎么产生的呢？就是你的问题设置的方向，比如说我认同某某产品，他的口味好， 那我第二个就说他的包装好，对吧？我认为他包装好，然后你赞同不赞同属于你的问题了，千万不能说我第一个问题是偏向于好的，第二个问题我是设计成了一个不好的， 这样的话我最后我的方向都是乱七八糟的，一会向好的，一会向不好的，你没有一个你站在一个被设计者来说，你没有一个立场，这样是不行的。 像我这个两表设计都是忙好了说往后你至于你不认同我的，你可以通过你的回答来选择这个呢？就是理科特两表的一个设计。

如果你要写论文，你知道两表题如何分析吗？两表题常用问卷分析方法，有信度、笑度、多选对应权重因子，他们的作用在这。记得截图打开 spsspro， 导入数据选择算法拖这样本点自动分析，结果出来了，一个字，绝，你学会了吗？

好，我们来讲啊，第二个就是说做西游分析师呢，刚才讲过我们可以用访谈法和调研法啊，当然你也可以用线上的，也可以用线下的，面对面的访谈，对吧？那么 我们在设计呃亮表的时候呢啊，无论是这个访谈问卷，还是说这样问卷，对吧？我们这里面就有一个问题，就是说我们有一个工具啊，叫做理科特亮表啊，大家可以看一下，我们分为三点是理科特亮表，四点是理科亮表和五点是理科的亮表，对吧？三点是啊，比如说我们看啊，非常重要，比较重要不重要，四点是很多一些非常少，没有 五点是非常高啊，稍高于平均值，平均稍低于平均值，非常低啊，这是就是五个选项啊，当然你可以用文字的方式，也可以用数字的方式，都是可以的啊， 那么这里边我们要请大家思考一下啊，这种三点式、四点式啊，不包括五点式，三点式、四点式啊，他的优点和缺点是什么？大家认真思考一下。 好，三点式和四点式啊，这种 dk 的亮表呢？呃，好处就是很很简洁，很简单啊， 被访谈对象或者调研对象回答起来非常的方便啊，这是好处，那么不好的地方是在哪呢？就是我们所得到的答案，他是趋同的，或者叫容易产生误差， 什么意思？就说因为你比如说我们三点式量表啊，非常重要，比较重要，不重要，对吧？那么如果你采用三点式量表的话呢，你给到客户的这个或者访谈对象只有三个被选项，那么这时候呢，就是他很容易去选中间项，就是 偏中间四点时间，这情况优秀好，一般差，那时候他很容易去选好或者一般，而不会选择差或者优秀，大家觉得是这样吗？下面有个问题请各位学员思考一下，三点是四点，是啊， 这种量表他的优点和缺点是什么？他的优点啊，就是因为选项简单啊，被访谈对象啊，在回答问题时呢就，呃选择起来非常方便，对吧？时间短啊，缺点是哪些呢？缺点就是 啊，所获得的数据啊，有偏差，就是不能有效的真实的反应学员或者是被访谈对象的这种意图，为什么呢？比如说你在作为访谈对象啊，作为被访谈对象啊，去回答这些问题的时候，你发现你只有面临三个答案非常重要，比较重要，不重要， 那么你可能不会选择非常重要，也不会选择不重要，那么你很容易去选择，就中间的想就是比较重要，对吧？因为你选择两边的好或者差，你感觉都可能达不到，所以就是只能去选择中间的，这样的话呢，造成就问题答案比较集中啊，就是整个的问卷的结果， 这种信度和效度比较差啊，那么所以我们在这里面呢，就讲到啊，我们呃建议大家呢，就是呃，无论是访谈还是调研啊，可以考虑，就是说 尽量采用五点式量表啊，一会我给大家给大家再讲一讲这种五点式量表一些特点或者是注意事项，那么我们来看量表的方向啊，是否重要啊啊，当然你可以讲呢，从好的开始到差的，比如说非常多多，一般啊，一点根本没有，这就是从好到 差，对吧，当然你也可以啊，这样排序就是根本没有一点一般多非常多啊，就是一种是从最好的开始，一种是从最坏的开始，对吧？那么亮表的方向是否重要呢？大家可以看啊，除非回答的问题可能会让啊回答者呢觉得非常尴尬， 否则在自行回答问题时呢，方向对于回答选项的影响非常的小，也就是说啊，除非你问的问题让客户觉得哎觉得 很尴尬，或者说是心里面反感啊，当然这种情况下这种情况是比较少的啊啊，除了这种情况之外呢啊，你就是放这个无论是从最好的这种答案开始到最差的，还是从最差的开始到最好的答案等等都没有关系啊，这一点大家要记住啊，除非回答的问题可能会引起这种被访谈者这种尴尬或者是这种情绪的不满啊，这种之外啊都是没有问题的啊。 好，那么我们来看理科特亮表制表的方针啊，我刚才讲过了，对于大部分使用这种定序回答的调研代表呢，我建议大家用五个点就可以了啊，自行填写调查问题和电话访谈可以使用五个点的亮表，面对面访谈啊，也可以使用五个点的亮表对吧？五到七个点对于可能引起尴尬或者有关不受欢迎行为和态度的问题呢，考虑先给出啊亮表的复制端 啊，也就是从最差差一般好很好啊，这样一个结构啊，先呈现亮点的哪一端对于面面访谈最为重要？对于匿名自行回答和其他邮件调研最不重要啊，这就是我们 在做培训需求分析时采用，无论是采用啊调查问卷还是面对访谈啊，我们都会采用的离合量表啊这些这个工具，那么离合在量量表里面，大家一定要记住一点，就是说啊，基本上五点式的量表啊，就能够满足啊所有的这种需求了啊，但这里边只有一点大家要引起注意的，就是如果说你的答案可能引起尴尬或者是不受欢迎 啊，你，你就是从啊答案的话呢，就是从复制端开始就 ok 了啊，这就是我们讲到的理科的量表这种工具如何去使用？

毕业论文问卷李克特良表值多少？

sbss 操作步骤讲解系列第十九课探索性因子分析 探索性因子分析用于检验量表的结构效度情况，先采用 k 梦和巴特利特球形度检验检验数据是否适合使用探索性因子分析后采用主成分分析提取供音子最大方差法对提取的供音子进行旋转。 第一步，将数据导入 spss 中并复制后点击分析降为因子。 第二步，进入图中对话框后，先将量表提像放入变量框中，点击描述勾选 k 梦和巴特利特球形度检验，点击继续旋转，勾选最大方程 夸法，点击继续选项勾选排除小细数绝对值如下，框中输入零点五，点击继续确定。 然后探索性因子分析的 k 梦和巴特利特球形检验供因子方差，总解释方差成分矩阵，旋转后的成分矩阵结果就出来了。 结果出来后，将旋转后成分举证结果粘贴复制到表格中后，将供应子方差下的提取数据放入表格右侧，再将 k 梦和巴特利特检验结果，即总解释方差中的初始特征值和累积方差百分比放在表格的下方。 观看完记得点赞关注哟，可以带座指导学习交流！

万卷两表信效度分析总结五类信度系数说明如下， 四类效度说明如下， 以结构效度为例，使用 so 可以快速完成分析，操作如下，再问卷研究模块选择效度，将数据拖拽到右侧分析框，选择维度个数，操作如下， 你学会了吗？

第二个我要讲的东西就是鹤仔，我们专门有一本规范叫建筑结构鹤仔规范 啊，因为我我我我这边课的话肯定没有时间去详细的去把这个规范给你全部讲一遍啊，我只能说是把我们的要做的这几个东西给大家说一下啊。 第一个我们从最简单的开始，因为从板开始传吗？嗯，对吧？ pk pm 里面要输板和 怎么样输版喝整个喝仔。首先喝仔 分为横鹤、横鹤盏，刚才我说活鹤盏， 疯和仔， 地震不叫喝彩，叫地震作用， 软件里会帮你输的这东西，然后啪啦啪啦啪啦用很多，就是用我们所讲的这个分项系数去把你全部加起来， 他会帮你去剥落，哪个是最不利的他就用哪个，然后你出来的结果就是他已经算好了，可能有几十套公式帮你说滚一遍，这个作为我们现在的就是要速成的，这种情况不用管啊，不用管他怎么算的，你说怎么组合怎么算的， 没时间讲。那讲那个东西啊，我现在教你怎么去输，这些喝彩才从规范哪里去找， ok 啊。第一个横鹤胆 横和窄就要我们自己去算加减法了啊。 来，我们先看横和窄当中又分，为什么 又分为？就刚才我讲的面和窄和线和窄，面和窄是梳到板上的， 线和载是输到梁上，对吧？啊？我们一般在 pk pm 里面不直接输这个轴向的力，都是输通过输面 线合载，输线合载他才传到柱子上，刚刚我不说了吗？他再传回来啊，所以我们把摆上的核载两张的核载输完之后，他会传过来的，就是他不行，他会自动帮你算。 ok 啊，那我们现在的重点就是 怎么样去输这个面？喝彩就是板喝彩，板上喝彩怎么输啊？ ok， 我们来输板喝彩之前你得知道我这个东西是长什么样的，比如说我拿个最简单的打个比方， 你作为一个老板，是不是裸的混凝土啊？刚裸的钢筋混凝土啊，对不对？是不是我盖个房子？你，你现在那就比如说看看，看看这个吧，这底下是不是混凝土啊？ 我的混凝土，对吧？混凝土浇完之后他还他要做一个什么工作， 他是不是要把它粉一下啊？因为混凝土浇完之后，你拆了膜之后，他他不会很平整的，对不对啊？我是不是还给他找个平啊？啊？ 给他粉一下，用一些什么砂浆啊，这些腻子啊，这些东西给他粉一下，对不对？是不是啊？粉完之后我们家里装修不知道大家看过没有？粉完之后，哎，你就有选择了， 有些人还跟功能区域的不同，我要贴地砖，是不是？有些人要铺什么地板， 有些人要做 pvc 材质，那就类似像这种有 pvc， 有些人就是像这种，就是刷刷这个这个这个地坪漆的环氧的，就他有很多种做法，对不对？这个做法你是根据建筑来的，他说怎么做就怎么做，听懂吗？但是 建筑在一开始叫你结构卷膜的时候，他可能他也搞不清楚那么多啊，对不对？比如说我，我到你这个办公室到底怎么装潢，或者一开始根本就不装潢，我怎么知道怎么装潢装修呢？ 对吧？我不知道好，不知道。在这个地方，我们其实就是根据我已知的情况去算这个横和宰之后 适当的给他放大一点。我做结构的时候我的意思就是说，哎，我随 随便你以后怎么搞，嗯，我贺仔我都要保证他够，嗯，对吧？我不，他没原则对不对？嗯，好好，知道了这回事，我们就开始，首先第一个他有个自重 对不对？这只是跑不掉的，对吧？刚才我们说过，混土版我们一般取多少？ 一百一百至少取一百，对吧？有些大型的公共钱取多少？一百二，对吧？啊，好，我们现在就按一百二来， 一百二是他的厚度对不对？是他的厚度对不对？我要乘以这个东西多少重吧，才能知道他的面和展是多少吧，对不对？混凝土的绒重这个在软件当中也要填的是，我 一般取二十五到二十七之间，一般在软件里面有的会取到二十七，框架结构会取到二十七，减强结构会取得小一点，这个都是经验了，经验之谈啊，所以一般来讲我们就按二十五，按二十七算，这都没关系，都没关系啊，这个都不是什么大问题，比如说我按二十七算， 按二十五算吧，算的清。那个简单点，我可口算一百二乘以二乘以零点一二吗？等于不就不就三吗？ 算的清楚吗？算的清楚对吧？零点一二乘二十五不就三吗？等于三千零每平方米吗？对不对？首先这个玩意他的自重就达到三千零每平方米，我啥也不干，他重就就就就就就就，已经这么重了，对不对？ 好，那一般来讲这种粉层应该是有的，对不对？我主要粉个零点零五吧，结构和建筑有一个 三到五公分的，一个一个公差有个有个错，层的差距就是要给建筑找平的，所以有一个零点零五的，零点零五去乘以 陈颖这个，你说这个，这个，这个面层的这个重量吗？对吧？好，我们面层的重量包括混凝土重量是怎么来的？我也告诉大家， 但一般如果时间长了就就不一定非要按照，就是这样的一个情况啊，不用算的那么细啊，但是你要知道他怎么来的。 建筑结构喝彩规范的富露 a 常用材料和构件的自重，看到吧，看清楚吧。嗯， 这里面就有我们这些常用材料的一个自重，看到没 看到？没有？看到没有。嗯啊，所以你刚才，刚才我们找一找啊，我们找一找。像这种土啊，沙石啊这种，这玩意多重？他是不是都写着了， 对吧？都写着，在，都写着，在，都告诉你的。好，砖气块这个多重，待会我们要做算隔墙的时候也要知道这个砖多重，对吧？也写着，在，对吧？ 是不是写着的啊？然后混凝土他分很多种，混土看到没 看到没？就是其实这个东西来自于这个钢筋混土取二十四到十五，我们是人为的把它加大一点，看到吧，他怎么来的？就是在这个都在喝彩这上面有的，对吧？好，所以我今天我就告诉大家一个，就是我们常用的，比如说像 那个我的面层，我一般也会取到二十啊，我假设面层厚度是零点零五乘以个二十，是不是等于一 千牛每平方米啊？刚才是不是算了，一个零点一二乘以二十五，对吧？等于三千牛每平方米 对不对？是不是你加起来是几啊？四对不对？就是你最起码是四 啊，你假如在后面你还要做其他材料，刚才我带你大家看过那个东西了，对吧？看过那个表格，比如说有木头啊，对吧？有其他一些材质啊，他都有，隆重去乘以他的厚度就可以了， 听明白我的意思吗？如果是做地板的话会会稍微重一点，如果就是像这种普通的地面，我可能 再就是经验不值了啊，我就不再去细算这个事情了，加个一到二， 听明白吧。所以普通楼面 横鹤仔 取五到六千扭每平方米， 听懂吗？啊？等你以后做项目的时候，一开始人家会要你算这个东西的，你明白我意思吧？嗯，就人家会让你列个表格去怎么算怎么算怎么算。我先我刚才已经告诉你了，怎么算怎么算怎么算。如果是 没有人要你列这个东西，你自己写的时候你大致看一下，如果比较有经验的话就取五到六十，基本上是 ok 的， 听听懂吗？就是我们的普通揉面的恒赫仔，如果是乌 面的横和窄，我们分普通楼面和屋面，地下室先不谈啊，地下室我先不谈啊，等到讲到基础的时候再说啊。屋面的和窄，屋面的和宅有哪些东西啊？ 我们来想一想。屋面，屋面的板，顶面的板一般来讲会比底下要厚一点， 我不管你住胯是怎么样的，我顶面的板就是比大家要厚点，因为是屋顶嘛，对吧？我可能会取到一百五。 明白？就是我做项目的时候，我其他楼面比如说都取一半啊，我到屋面我会取厚一点。

写论文的时候，有时候会需要设计一份问卷调查，很多人没有接触过调查问题，所以一脸懵逼也是很正常的事。不要着急，一份用于毕业论文的调查设计没有你想象当中的那么难。下面从个人经验 告诉你，希望对你的问卷调查有所帮助。简单的问卷，你们直接开去问卷心去做就行了。今天重点讲一下 规格较高的理科特武器，亮明了文件设计，分别从几个维度去做，几乎适合所有的专业。不会做文件调查的可以看看后面我整理的这份文件，你看完你就知道文件调查是怎么回事了。