我们都知道很多分析方法只有量表题才可以使用，非量表题可用的方法是很有限的，但即便如此很多问卷还是会被设计成非量表的格式，那么非量表问卷应该如何分析呢？非量表题又有什么特点？在分析时需要注意什么呢？下面就来一一解答。

量表与非量表

研究非量表，首先要先清楚什么是量表。

量表是一种测量工具，这里指的量表是李克特量表，用于测量样本人群对于某件事情的态度或者看法情况。通常会有很多题项构成，答项类似于“非常同意”、“同意”、“不一定”、“不同意”、“非常不同意”这种有比较意义的选项。

量表的尺度形式有多种，常见是五级量表，即五个答项，另外还会有七级量表，九级量表或者四级量表等。

除量表题以外的题项，可称为非量表题，比如多选题、填空题。非量表题多用于了解某个主题的现状，样本的基本态度情况，通常情况下现状政策类研究会更多使用非量表题。

比如不同年龄对于旅游需求的现状研究，在一些以量表题为核心的问卷中，也需要设计非量表题来收集样本的基本背景信息（比如性别、年龄）、样本特征、行为（比如您平时关注旅游方面的信息吗?）等。

结构框架

具体分析步骤：

1、样本背景分析，样本特征、行为分析

样本背景分析，或者样本特征、行为分析这两部分，通常情况下均是使用频数分析，统计样本对于各个选项的选择比例情况。

2、基本现状和样本态度分析

此步为基础分析，首先充分了解样本现状情况，以及样本的态度情况，结合结果可以对不同群体的态度差异情况、现状差异情况进行分析，或者进一步研究影响关系。

在进行研究时，不应该拘泥于分析方法的使用，此部分更多会使用简单易懂的频数和百分比描述，最好结合各种图形展示，比如多选题可以使用条形图，单选题可以使用柱形图展示等。

3、差异分析

在上一部分打好基础后，就可以开始比较差异了。可以分析不同样本人群在题项上的态度差异，也或者不同人群在基本现状题项上的差异情况进行差异对比分析。

研究方法上看，针对非量表类题项关系研究，即分类与分类数据之间的关系研究，应该使用卡方分析。

4、影响关系分析

除了差异分析，也可以研究某种因素对样本态度的影响关系。Logistic回归分析类似于多元线性回归，均为研究X对Y的影响情况。如果Y为定量数据，则使用多元线性回归，如果Y为分类数据，则应该使用Logistic回归分析。

结合数据情况，可以将Logistic回归分析分为二元logistic回归分析，或者多分类logistic回归分析。二者即有相同之处，也有不同的地方。主要区别在于Y的选项个数。Y为定类且选项仅2个，应该使用二元logistic回归；如果Y有多个选项，应该使用多分类logistic回归分析。

此类研究框架的核心在于“分组”。

第一件事情为“分组”，也就是给每个题分组，比如问卷有30个题，那这30题可以被归纳为几个方面呢？比如基本背景，认知，态度，行为，原因等五个方面。

第二件事情是将“分组”分别作为一个部分进行分析，比如上面提到的样本基本背景，就可以用频数分析来统计分析数据。

第三件事情是分组题项与分组题项之间进行交叉。比如基本背景分别与“认知”，“态度”，“行为”，“原因”上的差异性。通常是使用交叉分析。

信度分析和效度分析仅仅是针对量表数据，非量表数据一般不进行信效度分析。

更多分析方法的使用说明可到SPSSAU官网查看。