Analyse av dataene

Hvordan analysere data på samme måte som en spørreundersøkelsesforsker

Lag en spørreundersøkelse i dag

Nå som du har innhentet spørreundersøkelsesresultatene og har en plan for dataanalyse, er det på tide å gå i dybden og analysere dataene. Her forklarer vi hvordan spørreundersøkelsesforskerne våre ser på kvantitative data (i motsetning til å se på kvalitative data), fra å se på svarene og fokusere på de mest populære undersøkelsesspørsmålene og spørreundersøkelsesmål, til å forstå tallene og trekke konklusjoner.

Her er FIRE trinn som forklarer hvordan dataene kan analyseres mer effektivt:

  1. Se på de mest populære undersøkelsesspørsmålene.
  2. Krysstabuler og filtrer resultatene.
  3. Forstå tallene.
  4. Trekk konklusjoner.

Ta en titt på dine fremste undersøkelsesspørsmål

Først vil vi snakke om hvordan du analyser resultatene til de viktigste undersøkelsesspørsmålene. Husk at du trakk frem de viktigste undersøkelsesspørsmålene da du satte målet for spørreundersøkelsen.

Hvis du for eksempel holdt en utdanningskonferanse og gav deltakerne en spørreundersøkelse for tilbakemelding etter arrangementet, kan et av de viktigste undersøkelsesspørsmålene være: Hvilken samlet vurdering ga deltakerne konferansen? Se deretter på svarene du innhentet for et bestemt spørsmål i spørreundersøkelsen som fokuserer på det spørsmålet:

Screen Shot 2014-03-05 at 10.46.26 AM

Legg merke til at du har noen prosentandeler i svarene (71 % og 18 %) og noen råtall (852 og 216).

Prosentandelene er nettopp det – prosentandel personer som oppgav et bestemt svar. Formulert på en annen måte, representerer prosentandelene antall personer som oppgav hvert enkelt svar som en andel av antall personer som svarte på spørsmålet. 71 % av spørreundersøkelsens respondenter (852 av de 1200 undersøkte) planlegger altså å komme tilbake neste år.

Denne tabellen viser også at 18 % sier at de ikke planlegger å komme tilbake og 11 % sier at de ikke er sikre.

Råtallene er antall individuelle respondenter i spørreundersøkelsen som oppgav hvert enkelt svar. 852 personer sa dermed «Ja, jeg kommer tilbake neste år!» Hvis vi antar at de fleste personene som sa ja – og kanskje noen av de som sa at de ikke var sikre – kommer tilbake neste år, kan du bygge en prognosemodell for å anslå antall personer* som vil delta på neste års konferanse. *Du kan fastslå dette tallet mer nøyaktig hvis du hadde svært høy deltakelse, noe som betyr at de fleste som deltok i konferansen og mottok spørreundersøkelsen fylte den ut.

Krysstabulere og filtrere resultater

Husk at da du satte et mål for spørreundersøkelsen og utviklet analyseplanen, tenkte du gjennom hvilke undergrupper du skulle analysere og sammenligne. Nå lønner denne planleggingen seg. Kanskje du for eksempel ønsket å sammenligne svarene til lærere, studenter og administratorer angående spørsmålet om neste års konferanse. For å finne ut av dette, må du lage krysstabulering som viser resultatene til konferansespørsmålene etter underguppe:

Screen Shot 2014-03-05 at 10.54.10 AM

Ut ifra denne tabellen ser vi at en stor andel av studentene (86 %) og lærerne (80 %) planlegger å komme tilbake neste år. Det ser imidlertid annerledes ut for administratorene som deltok på konferansen, hvor under halvparten (46 %) av dem planlegger å komme tilbake! Forhåpentligvis vil noen av de andre spørsmålene våre gjøre det enklere for deg å finne ut hvorfor dette er tilfelle, og hva du kan gjøre for å forbedre konferansen for administratorene slik at flere vil komme tilbake år etter år.

Bruk av filter er at annet nyttig verktøy for å analysere data. Filtrering betyr å fokusere på en bestemt undergruppe, mens de andre filtreres bort. Istedenfor at undergrupper sammenlignes med hverandre, ser vi her bare på en undergruppe som besvarte spørsmålet. Du kan for eksempel begrense fokuset til bare kvinner eller menn, og deretter sammenligne kvinnelige administratorer, kvinnelige lærere og kvinnelige studenter ved å gjennomføre krysstabulering på nytt etter type deltakere. Det er viktig å være klar over én ting når du kutter og deler i resultatene: Hver gang du bruker et filter eller krysstabulerer, reduseres utvalgsstørrelsen. For å påse at resultatene er statistisk signifikante, kan det være nyttig å benytte en kalkulator for utvalgsstørrelse.

Kvalitetsmåling og trendbaserte og sammenlignbare data

La oss si at konferansens spørreundersøkelse for tilbakemelding hadde nøkkelspørsmålet «Hvor fornøyd er du totalt sett med konferansen?» Resultatene viser at 75 % av deltakerne var fornøyde med konferansen. Det høres bra ut. Men hadde det ikke vært greit med litt kontekst? Noe å sammenligne med? Er det bedre eller dårligere enn fjoråret? Hvordan er resultatene i forhold til andre konferanser?

La oss si at du stilte dette spørsmålet i konferansens spørreundersøkelse for tilbakemelding etter fjorårets konferanse. Da kan du lage en trendbasert sammenligning. Profesjonelle meningsmålere er ingen komikere, men ett av favorittuttrykkene er «trend er din venn».

Hvis antall tilfredse personer for fjoråret var 60 %, ble tilfredsheten økt med 15 prosentpoeng!  Hva forårsaket denne økningen i tilfredshet? Forhåpentligvis vil svarene på andre spørsmål i spørreundersøkelsen gi noen svar.

Hvis du ikke har data fra tidligere års konferanser, kan du i år begynne å innhente tilbakemelding etter hver konferanse. Dette kalles kvalitetsmåling. Du etablerer en kvalitetsreferanse eller et grunnlinjetall, og skaper fremdrift mens du ser om og hvordan dette har endret seg. Det er ikke bare deltakernes tilfredshet du kan kvalitetsmåle, men også andre spørsmål.  Du kan spore hva deltakerne synes om konferansen år etter år. Dette kalles langsgående dataanalyse. Lær mer om hvordan

SurveyMonkeys kvalitetsreferanser kan gjøre det enklere å gi kontekst til spørreundersøkelsesresultatene.

Hva er langsgående analyse?

Langsgående dataanalyse (ofte kalt «trendanalyse») er i bunn og grunn sporing av hvordan funn for bestemte spørsmål endres over tid.  Når en kvalitetsreferanse er etablert, kan du fastslå om og hvordan tallene endrer seg.  Anta at antall tilfredse personer ved konferansen var 50 % for tre år siden, 55 % for to år siden, 65 % i fjor og 75 % i år. Da er gratulasjoner på sin plass! De langsgående dataanalysene viser en solid stigende trend i tilfredshet.

Du kan til og med spore data for ulike undergrupper. Si for eksempel at antall tilfredse personer øker år etter år for studenter og lærere, men ikke for administratorer.  Da vil du gjerne se på administratorenes svar på ulike spørsmål for å se om du kan få innsikt i hvorfor de er mindre tilfredse enn andre deltakere.

Forstå tallene

Du vet hvor mange personer som sa at de kom tilbake, men hvordan vet du om spørreundersøkelsene har gitt svar du kan stole på  og svar du med trygghet kan bruke til å formidle fremtidige avgjørelser? Det er viktig å følge med på dataenes kvalitet og forstå komponentene ved statistisk signifikans.

I dagligtalen betyr ordet «signifikant» viktig eller meningsfullt. Ved analysering og statistikk for spørreundersøkelser, betyr signifikant «vurdering av nøyaktighet». Det er her det uunngåelige «pluss eller minus» dukker opp i arbeid med spørreundersøkelser. Dette betyr helt spesifikt at spørreundersøkelsesresultater er nøyaktige innen bestemte konfidensnivå, og ikke som følge av tilfeldighet. Det er risikabelt å trekke konklusjoner basert på unøyaktige resultater (f.eks. uten statistisk signifikans). Den første faktoren å ta hensyn til ved all vurdering av statistisk signifikans er hvor representativt utvalget er. Det vil si i hvilken grad personene i gruppen som gjennomførte spørreundersøkelsen «samsvarer med» det samlede antall personer du ønsker å trekke konklusjoner fra.

Det er et problem hvis 90 % av konferansedeltakerne som fullførte spørreundersøkelsen var menn, mens kun 15 % av alle konferansedeltakerne var menn. Jo mer du vet om populasjonen du ønsker å studere, desto tryggere kan du være når spørreundersøkelsene samsvarer med disse tallene. Når det kommer til kjønn, vil du i det minste ha en god følelse hvis menn utgjorde 15 % av spørreundersøkelsens respondenter i dette eksemplet.

Hvis spørreundersøkelsens utvalg er tilfeldig valgt fra en kjent populasjon, kan statistisk signifikans beregnes på en enkel måte. En av primærfaktorene her er utvalgsstørrelse. Anta at 50 av de 1000 personene som deltok på konferansen svarte på spørreundersøkelsen.  Femti (50) er en liten utvalgsstørrelse og resulterer i betydelig feilmargin. Kort sagt vil ikke resultatene være spesielt pålitelige.

Anta at du spurte spørreundersøkelsens respondenter om hvor mange av de ti tilgjengelige øktene de deltok på i løpet av konferansen. Og resultatet ser slik ut:

Screen Shot 2014-03-05 at 11.02.19 AM

Du bør kanskje analysere gjennomsnittet. Som du kanskje husker, finnes det tre ulike sentralitetsmål: gjennomsnitt, median og typetall.

Tabellen over viser at hver deltaker gjennomsnittlig deltok på 6,3 av øktene. Verdien rapportert her er gjennomsnittet, som trolig er sentralitetsmålet du kjenner best til. Gjennomsnittet fastslås ved å addere dataene og dividere på antall tall du la til. I dette eksempelet sier ti personer at de deltok på en økt, 50 deltok på fire økter, 100 personer deltok på fem økter osv. Alle disse parene multipliseres med hverandre, summeres og deles på totalt antall personer.

Medianen er et annet type sentralitetsmål.  Medianen er den midterste verdien, eller 50 %-merket. I tabellen over vil vi finne antall økter hvor 500 personer er til venstre for tallet og 500 personer er til høyre. Medianen i dette tilfellet er 7 økter. Dette kan gjøre det enklere å eliminere påvirkning fra utenforstående, som kan virke negativt på dataene.

Det siste sentralitetsmålet er typetall. Typetallet er svaret som oppstår flest ganger. I dette tilfeller er svaret seks. 260 deltakere i spørreundersøkelsen deltok på seks økter, noe som var mer enn for noen andre økter.

Gjennomsnitt og andre sentralitetsmål kan også brukes hvis resultatene er basert på Likert-skalaen.

Trekke konklusjoner

Tenk på hvilken historie dataene forteller når det kommer til rapportering av spørreundersøkelsesresultater.

Anta at konferansen totalt sett fikk middelmådige vurderinger.  Du undersøker nærmere for å finne ut hva som foregår.  Dataene viser at deltakere ga svært høy vurdering til nesten alle konferansens aspekter – øktene og timene, de sosiale arrangementene og hotellet – men valget av by for konferansen likte de svært dårlig  (kanskje konferansen ble holdt i Chicago i januar og det var for kaldt til at noen kunne gå ut!). Det er dette som er en del av historien – en generelt utmerket konferanse, men elendig valg av plassering. Miami eller San Diego kan være et bedre valg for en vinterkonferanse.

Et av aspektene med dataanalysering og -rapportering er å vurdere årsakssammenheng i forhold til korrelasjon.

Hva er forskjellen mellom korrelasjon og årsakssammenheng?

Årsakssammenheng er når en av faktorene forårsaker en annen, mens korrelasjon er når to variabler beveger seg sammen, men den ene påvirker eller forårsaker ikke den andre.

For eksempel er drikking av varm sjokolade og bruk av votter to variabler som er korrelerte – de har en tendens til å gå opp og ned sammen.  Men den ene forårsaker ikke den andre.  Faktisk forårsakes de begge av en tredje faktor – kaldt vær. Kaldt vær påvirker både inntak av varm sjokolade og sannsynligheten for at det brukes votter. Kaldt vær er den uavhengige variabelen, mens  inntak av varm sjokolade og sannsynligheten for at det brukes votter er avhengige variabler. I vårt tilfelle med konferansens spørreundersøkelse for tilbakemelding, påvirket trolig kaldt vær deltakernes utilfredshet med konferansebyen og konferansen generelt. Til slutt, for å videre undersøke forholdet mellom variabler i spørreundersøkelsen, må du kanskje gjennomføre en regresjonsanalyse.

Hva er regresjonsanalyse?

Regresjonsanalyse er en avansert metode for dataanalysering som lar deg se på forholdet mellom to eller flere variabler. Det finnes flere typer regresjonsanalyser, og de eller den spørreundersøkelsesforskere velger vil være avhengig av variablene vedkommende undersøker.  Felles for alle typer regresjonsanalyser, er at de ser på hvordan en eller flere uavhengige variabler påvirker en avhengig variabel. Ved analysering av spørreundersøkelsesdata, ønsker vi kanskje å vite hvilke faktorer som har størst påvirkning på deltakernes tilfredshet med konferansen. Er det et spørsmål om antall økter? Hovedtaleren? Sosiale arrangementer? Beliggenheten? Ved bruk av regresjonsanalyse kan en spørreundersøkelsesforsker fastslå om, og i hvilken grad, tilfredshet ifm. konferansens ulike attributter bidrar til den samlede tilfredsheten. Dette gir igjen innsikt om hvilke aspekter av konferansen du kanskje vil endre neste gang. Anta for eksempel at du betalte et betydelig honorar for å få en av de beste hovedtalerne til åpningøkten. Deltakerne gav generelt denne taleren og konferansen gode karakterer. Basert på disse to faktumene, vil du kanskje tenke at det er viktig å ha en fabelaktig (og dyr) hovedtaler for at konferansen skal lykkes. Regresjonsanalyse kan gjøre det enklere å fastslå om dette faktisk er tilfellet. Du finner kanskje ut at hovedtalerens popularitet var en stor pådriver for konferansens tilfredshet. Isåfall vil det være viktig å få tak i en utmerket hovedtaler også til neste år. Men regresjonsanalysen kan også vise at til tross for at alle likte taleren, bidro ikke dette mye til deltakernes tilfredshet med konferansen. Hvis dette er tilfellet, kan de store summene brukt på taleren komme til bedre nytte andre steder. Hvis du tar deg tid til å analysere soliditeten av spørreundersøkelsesdataene nøye, vil du være i gang med å bruke svarene til å ta velbegrunnede avgjørelser lettere.

Tilbake til spørreundersøkelser for nybegynnere

3 raske tips for å forbedre svarratene for spørreundersøkelsen

Her er noen ideer for å sørge for at respondentene svarer på spørreundersøkelsene dine.

1. Vær kjapp.

Hvis spørreundersøkelsen er kort og presis, er det større sjanse for at flere respondenter vil fullføre den.

2. Tilby insentiver

Små insentiver, slik som små rabatter eller en påmelding i en premietrekning, kan hjelpe med å sørge for at respondenter fullfører spørreundersøkelsen din.

3. Kjøp et målrettet audience

Med SurveyMonkey Audience kan du kjøpe tilgang til en målgruppe som oppfyller spesifikke demografiske krav til din spørreundersøkelse. Det er en ypperlig måte å få målrettede svar fra en spesifikk gruppe.

Dette er grunnen til at millioner av brukere stoler på SurveyMonkey

Ubegrensede spørreundersøkelser

Send så mange spørreundersøkelser og quizer du vil, selv med gratis abonnementer.

Raske svar

Opprett og send profesjonelle spørreundersøkelser på en enkel måte. Få pålitelige svar raskt.

Ekspertgodkjent

Bruk forhåndsskrevne spørsmål og maler, som er godkjente av eksperter innen spørreundersøkelser.

Resultater i sanntid

Les resultatene fra hvilken som helst enhet. Se trender etter hvert som svarene tikker inn.

Nye ideer

Spørreundersøkelser gir deg mer enn bare svar. Få tilbakemeldinger og nye perspektiver.

Brukelige data

Hent ut og del innsikter fra dataene med teamet ditt.