Slik analyserer du spørreundersøkelsesdata

Du har hentet inn spørreundersøkelsesresultatene og har en analyseplan for spørreundersøkelsesdata klar. Nå er det tid for å gå i dybden, sortere og analysere dataene.

Analyse av spørreundersøkelsesdata – enkelt og greit

Du har fått inn resultatene fra spørreundersøkelsene dine på nettet. Nå som du har innhentet de statistiske spørreundersøkelsesresultatene og har en plan for dataanalyse, er det på tide å starte prosessen med å analysere spørreundersøkelsesresultatene du har fått. 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 spørreundersøkelsesmålene til å regne på tallene og trekke konklusjoner.

Finn ut hvordan SurveyMonkey gjør det å analysere resultater til en lek

Er du klar for å komme i gang?

Følg disse fire trinnene for å begynne å beregne spørreundersøkelsesresultatene dine mer effektivt:

  1. Se på de viktigste forskningsspørsmålene dine
  2. Krysstabuler og filtrer resultatene
  3. Regn på tallene
  4. Trekk konklusjoner

Ta en titt på dine fremste undersøkelsesspørsmål

Først må vi se på hvordan du kan regne ut spørreundersøkelsesresultatene fra de viktigste forskningsspørsmålene. Hadde du empiriske forskningsspørsmål? Vurderte du sannsynlighetsutvalg? Husk at du bør ha skissert de viktigste forskningsspørsmålene dine når du satte deg mål for spørreundersøkelsen.

Hvis du for eksempel holdt en utdanningskonferanse og gav deltakerne en spørreundersøkelse for tilbakemelding etter arrangementet, kan et av de viktigste spørsmålene være: Hvilken samlet vurdering ga deltakerne konferansen? Se gjennom svarene du fikk på et spesifikt spørsmål som omhandler dette forskningsspørsmålet:

Har du planer om å delta på konferansen igjen neste år?

Svaralternativer
Ja71 %852
Nei18 %216
Vet ikke11 %132
Sum1200

Merk deg at du i svarene har noen prosentandeler (71 %, 18 %) og noen rene tall (852, 216).

Prosentandelene er nettopp det – prosentandelen 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. Det vil si at 71 % av spørreundersøkelsens respondenter (852 av de 1200 undersøkte) planlegger å komme tilbake neste år.

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

Krysstabulere og filtrere resultater

Husk at når du satte deg et mål for spørreundersøkelsen og utviklet analyseplanen din tenkte du på undergrupper du ville analysere og sammenligne. Det er nå disse planene lønner seg. Du kan for eksempel sammenligne svarene lærere, studenter og administratorer hadde til spørsmålet om neste års konferanse. For å finne dette må du fordype deg i svarfrekvenser gjennom krysstabulering, hvor du viser resultatene av konferansespørsmålet etter undergruppe:

JaNeiVet ikkeSum
Lærer80 %
320
7 %
28
13 %
52
400
Administrator46 %
184
40 %
160
14 %
56
400
Student86 %
344
8%
32
6 %
24
400
Antall respondenter8522161321200

Fra denne tabellen kan du se at en stor andel studenter (86 %) og lærere (80 %) planlegger å komme tilbake neste år. Administratorene som deltok, har imidlertid svart annerledes, og under halvparten (46 %) av dem har planer om å komme tilbake! Forhåpentligvis vil noen av de andre spørmålene hjelpe deg med å finne ut hvorfor dette har skjedd og hva du kan gjøre for å forbedre konferansen for administratorer, slik at så mange av dem som mulig vil komme tilbake år etter år.

Bruk av filter er et annet nyttig verktøy for å modellere 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 dårlige 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 fjorårets konferanse kan du gjøre dette til året du begynner å samle inn tilbakemelding etter hver konferanse. Det kalles kvalitetsreferanser. Du etablerer en kvalitetsreferanse eller et basisantall og ser hvordan og hvorfor dette tallet endrer seg. Du kan ha kvalitetsreferanser for andre spørsmål enn deltakertilfredshet også. Du vil kunne spore hva deltakerne synes om konferansen, år etter år. Dette kalles langsgående dataanalyse.

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» at noe er 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 innenfor bestemte konfidensnivå, og ikke som følge av tilfeldigheter. 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 resultatene dine ser slik ut:

12345678910SumGjennomsnittlig vurdering
# økter deltatt i10 %
100
0 %
0
0 %
0
5 %
50
10 %
100
26 %
280
24 %
240
19 %
190
5 %
50
1 %
10
10006,1

Du vil kanskje regne ut gjennomsnittet. Som du kanskje husker finnes det tre ulike sentralitetsmål: gjennomsnitt, median og typetall.

Tabellen over viser at hver deltaker gjennomsnittlig deltok på 6,1 økter. Verdien rapportert her er gjennomsnittet, som trolig er sentralitetsmålet du kjenner best til. Gjennomsnittet fastslås ved å legge sammen dataene og dele på antall tall du la til. I dette eksempelet sier 100 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 seks 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 tilfellet 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 hva gjelder 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!). Dette er en viktig del av historien – en generelt utmerket konferanse, men elendig valg av plassering. Miami eller San Diego kan være et bedre valg for en vinterkonferanse.

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

Analyser den neste spørreundersøkelsen din med SurveyMonkey

Vedlegg

Hva er innsamling av spørreundersøkelsesdata?

Innsamling av spørreundersøkelsesdata bruker spørreundersøkelser for å samle informasjon fra spesifikke respondenter. Innsamling av spørreundersøkelsesdata kan erstatte eller gå sammen med andre typer datainnsamling, inkludert intervjuer, fokusgrupper og mer. Informasjonen som samles i spørreundersøkelser, kan brukes for å styrke ansattes engasjement, forstå kundeatferd og forbedre kundeopplevelsene.

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.

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 å visualisere og analysere data som lar deg se på forholdet mellom to eller flere variabler. Det finnes flere typer regresjonsanalyse, og hvilke(n) en spørreundersøkelsesforsker velger, avhenger av variablene han eller hun vil undersøke. Det alle typer regresjonsanalyse har til felles, er at de ser på påvirkningen en eller flere uavhengige variabler har på en avhengig variabel. Når vi analyserer spørreundersøkelsesdata, vil vi kanskje vite hvilke faktorer som påvirker deltakeres tilfredshet under konferansen. Handler det om antallet økter? Hovedtaleren? De sosiale arrangementene? Lokalet? Ved hjelp av regresjonsanalyse kan spørreundersøkelsesforskere avgjøre om, og til hvilken grad, tilfredshet med disse faktorene bidrar til den totale 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 åpningsøkten. Deltakerne gav generelt denne taleren og konferansen gode karakterer. Basert på disse to faktaene, 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. I så fall 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.