很多人編制好問卷後，就想要趕快發出去，可是發出去後搞不好就看到很多問題，可是來不及改了。

問卷前測就是透過很小的樣本去事先檢視一下問卷是否有問題的一個流程。這個步驟很多時候我們會認為不怎麼重要而遺漏了，或是我們只會草草帶過，但其實，問卷前測還是很重要的，因為它可以讓我們用比較少投入成本發現到正式問卷中可能會遇到的問題...
通常我在論文中最常看到的方式就是: 請一群專家協助
就是找一群和你研究領域、主題相關的專家，可能是業者也可能是學者，有時也可以找問卷設計領域的專家、或是目標研究對象，大概3-7位吧，雖然這個人數沒有一定的準則，然後請他們協助看看問卷的設計與問題有沒有需要調整之處，通常專家可能會對一些地方看法不同，這個時候就需要透過討論的方式達成共識，最後再根據專家訪談的結果針對問卷去做修正。這個方式之所以常用，就是因為它的成本比較低廉又比較快速。
有很多關於問卷前測的關鍵問題:

1. 有哪些問卷前測的方法? 
2. 樣本需要多少?
3. 問卷前測到底有沒有辦法偵測出不好的問題?
4. 誰是前測的對象?
5. 誰做前測?
點選問卷前測重點精華整理去長知識吧!
😎
一起簡單學，做得好!
#鬍鬚曾統計顧問 #問卷設計 #簡單學做得好 #問卷前測

統計學家很喜歡去看變異這個東西，變異就是一個變數值的變化，那我們就會想要知道什麼東西造成了變數值的變化，因此，就把變異分解了，我們會根據經驗或是文獻、理論等去想想到底哪些東西可以解釋某的變數的變化，好吧，我們就舉個例子比較清楚，假設你開了一家餐廳，你發現你的店銷售量似乎一值在變動，這個時候你就想要知道到底是什麼因素解釋了銷售量的變動，你想來想去，想到了一個最有可能的理由，就是競爭者的促銷活動，你認為銷售量的變化有很大一部份是歸因於競爭者的促銷活動，可是你又不是神，所以你無法完全命中，也就是銷售量的變動無法完全被競爭者促銷活動解釋，在此情況，你就知道銷售量的變動有些部分是由不知道的因素所解釋。因此，我們可以知道:

總變異=可解釋變異(競爭者的促銷活動)+不可解釋變異(其他不知道的因素)
如果你的可解釋變異那邊放的是類別變數，譬如，競爭對手有無進行促銷活動，那通常這個可解釋變異就被稱為SSTR(Sum of Squares due to Treatment)，之所以是稱為Treatment處理是因為實驗設計的傳統，實驗設計下通常可解釋變異會放類別變數，而且是被操弄(處理)的:
情境一: 競爭對手沒有促銷活動 (故意在本餐廳旁邊開了一個攤位，賣的東西和本餐廳類似，假裝是競爭對手，但請他們不要進行促銷活動)
情境二: 競爭對手有促銷活動 (故意在本餐廳旁邊開了一個攤位，賣的東西和本餐廳類似，假裝是競爭對手，但請他們進行促銷活動)
在此情境下，就要用變異數分析，報表中一定會有SST(總變異)、SSTR(歸因於實驗處理的變異)與SSE(不可解釋變異)。
好吧，如果你的可解釋變異那邊放的是連續的變數，譬如，顧客感知競爭者促銷活動的程度，那通常這個可解釋的變異就會被稱為SSR(Sum of Squares due to Regression)，也是會有不可解釋的變異，此時要做的分析為回歸分析，報表中一定會有SST(總變異)、SSR(可被自變數的變異)與SSE(不可解釋變異)。
但是，其實回歸分析中的可解釋變異部分，它的變數可以是類別或是連續，因此，變異數分析其實也可以用回歸分析跑，變異數分析是回歸分析的特例，此時可解釋變異就會是SSTR，當然如果你有很多Treatment(處理)，SSR=所有SSTR的加總…
其實概念不難，只是計算很機車而已..
不過我們有SPSS, SAS等軟體幫我們計算，重點還是
我們要懂概念，不然只會計算不懂概念還是沒有用的喔!
好好吸收吧，一起簡單學做的好!
😄😄😄
#簡單學做的好 #鬍鬚曾統計顧問 #基礎統計