Analysering af dataene

Sådan analyseres data ligesom en ekspert i spørgeundersøgelser

Opret en spørgeundersøgelse i dag

Nu da du har indsamlet resultaterne fra dine spørgeundersøgelser og har en plan for dataanalyse, kan du komme i gang med at analysere dine data. Sådan finder vores undersøgelsesforskere mening i kvantitative data (modsat at finde mening i kvalitative data) ved at se på svarene og fokusere på deres primære forskningsspørgsmål og undersøgelsesm¨åltil at gennemgå tallene og drage konklusioner.

Her er 4 trin, som har til hensigt at vise dig, hvordan du kan analysere data mere effektivt:

  1. Kig på dine primære forskningsspørgsmål.
  2. Krydstabuler og filtrer dine resultater.
  3. Gennemgå tallene.
  4. Drag konklusioner.

Kig på dine primære forskningsspørgsmål

Først ser vi på, hvordan du analyserer resultaterne for dine primære forskningsspørgsmål. Husk, at du skitserede dine primære forskningsspørgsmål, da du satte et mål for din spørgeundersøgelse.

F.eks.: Hvis du afholdt en uddannelseskonference og gav deltagerne en feedbackundersøgelse efter arrangementet, så et af dine primære forskningsspørgsmål måske sådan ud: Hvad var deltagernes samlede vurdering af konferencen? Se nu på de svar, du indsamlede for det specifikke undersøgelsesspørgsmål, som har mest direkte relevans for dit primære forskningsspørgsmål:

Screen Shot 2014-03-05 at 10.46.26 AMLæg mærke til, at i de svar har du nogle procenter (71 %, 18 %) og nogle rå tal (852, 216).

Procentdelene er lige præcis det – den procent af personer, som gav et bestemt svar. Sagt på en anden måde repræsenterer procentdelene det antal personer, som gav hvert svar som en del af det antal personer, som besvarede spørgsmålet. ¨71 % af vores respondenter (852 af de 1200 adspurgte) regner med at komme igen næste år.

Denne tabel viser dig også, at 18 % siger, at de regner ikke med at vende tilbage, og 11 % siger, at de ikke er sikre på det.

De rå tal er det antal individuelle respondenter, som gav hvert svar. Så 852 personer sagde: “Ja, jeg kommer igen næste år!” Hvis du går ud fra, at de fleste personer, som sagde ja – og måske nogen af dem, som sagde, at de ikke var sikre på det – kommer igen næste år, kan du konstruere en prognosemodel for at anslå det antal personer*, som deltager i næste års konference. *Du kan fastslå dette tal mere præcist, hvis du havde en meget høj deltagelsesfrekvens, dvs. at de fleste personer, som deltog i konferencen og modtog undersøgelsen, også udfyldte den.

Krydstabulering og filtrering af resultater

Husk, at da du satte et mål for din spørgeundersøgelse og udviklede din analyseplan, tænkte du over, hvilke undergrupper, du ville analysere og sammenligne. Nu høster du resultater fra den planlægning. F.eks.: Forestil dig, at du vil se, hvordan lærere, studerende og administrative medarbejdere kan sammenlignes ved besvarelser af spørgsmålene om næste års konference. For at finde ud af dette laver du en krydstabulering, som viser resultaterne af konferencespørgsmålene efter undergruppe:

Screen Shot 2014-03-05 at 10.54.10 AM

Fra denne tabel kan du se, at størstedelen af de studerende (86 %) og lærerne (80 %) regner med at komme igen næste år. Men de administrative medarbejdere, som deltog i din konference, har det ikke sådan. Mindre end halvdelen (46 %) regner med at komme igen! Forhåbentlig kan nogle af vores andre spørgsmål hjælpe dig med at finde ud af, hvorfor det er tilfældet, og hvad du kan gøre for at forbedre konferencen for administrative medarbejdere, så flere af dem vender tilbage år efter år.

Et andet nyttigt redskab til at analysere data er at bruge et filter. Filtrering betyder at indsnævre dit fokus til en bestemt undergruppe, og filtrere de andre ud. Så i stedet for at sammenligne undergrupper med hinanden, ser vi her kun på, hvordan en undergruppe besvarede spørgsmålet. F.eks.: Du kan begrænse dit fokus til kun kvinder, eller kun mænd, og derefter køre krydstabuleringen igen efter deltagertype for at sammenligne kvindelige administrative medarbejdere, kvindelige lærere og kvindelige studerende. Du skal være opmærksom på det følgende, når du behandler dine data: Hver gang, du bruger et filter eller en krydstabulering, bliver din respondentgruppe mindre. Du kan sikre, at dine resultater er statistisk signifikante ved at bruge en beregner til størrelse på respondentgruppe.

Benchmarking, tendenser og sammenligningsdata

Lad os sige, at et af de vigtigste spørgsmål i din feedbackundersøgelse om din konference er: “Hvor tilfreds er du generelt med konferencen?” Dine resultater viser, at 75 % af deltagerne var tilfredse med konferencen. Det lyder jo godt. Men vil du ikke gerne have lidt sammenhæng? Vil du have noget at sammenligne det med? Er det bedre eller værre end sidste år? Hvordan gik det i sammenligning med andre konferencer?Lad os sige, at du stillede dette spørgsmål i din feedbackundersøgelse om din konference efter sidste års konference. Du ville kunne lave en sammenligning af tendenser. Professionelle interviewere er ikke gode komikere, men vores yndlingsreplik er “tendensen er din ven.”

Hvis sidste års tilfredshedsprocent var 60 %, så har du øget din tilfredshed med 15 procentpoint!  Hvad forårsagede denne tilfredshedsøgning? Forhåbentligt kan du med besvarelserne på de andre spørgsmål i din undersøgelse finde svar på dine spørgsmål.

Hvis du ikke har data fra tidligere års konference, så gør dette til året, hvor du begynder at indsamle feedback efter hver konference. Det kaldes benchmarking. Du etablerer et benchmark eller basistal, og fremover kan du se, om og hvordan dette har ændret sig. Du kan benchmarke ikke alene deltagernes tilfredshed, men også andre spørgsmål. Du vil kunne måle, hvad deltagerne synes om konferencen år efter år. Det kaldes forløbsdataanalyse. Lær mere om, hvordan

SurveyMonkeyBenchmarks kan hjælpe med at give kontekst til resultaterne af din spørgeundersøgelse.

Hvad er forløbsanalyse?

Forløbsdataanalyse (også kaldet “tendensanalyse”) er helt enkelt en sporing af, hvordan resultater for specifikke spørgsmål ændres med tiden. Når et benchmark er etableret, kan du afgøre om, og hvordan tallene ændres. Lad os sige, at tilfredshedsprocenten for din konference var 50 % for tre år siden, 55 % for to år siden, 65 % sidste år, og 75 % i år. Her er det på sin plads at sige tillykke! Din forløbsdataanalyse viser en stabil opadgående tilfredshedstendens.

Du kan endda spore data for forskellige undergrupper. Lad os f.eks. sige, at tilfredshedsprocenten stiger år efter år for studerende og lærere, men ikke for administrative medarbejdere.Du bør se på de administrative medarbejderes besvarelser af diverse spørgsmål for at se, om du kan få indsigt i, hvorfor de er mindre tilfredse end de andre deltagere.

Gennemgå tallene

Du ved, hvor mange personer, der sagde, at de ville komme igen, men hvordan ved du om din spørgeundersøgelse har givet svar, som du kan stole på , og svar, som du med sikkerhed kan bruge som grundlag for fremtidige beslutninger? Det er vigtigt at være opmærksom på datakvaliteten og at forstå komponenterne i statistisk signifikans.

I hverdagssprog betyder “signifikant” vigtigt eller meningsfyldt. I analyse og statistik i spørgeundersøgelser betyder “signifikant” en”vurdering af nøjagtighed”. Her kommer det uundgåelige “plus eller minus” på banen. Det betyder især, at undersøgelsesresultater er nøjagtige inden for en vis konfidensgrad og ikke pga. vilkårlige tilfældigheder. Det er risikabelt at drage konklusioner på grundlag af resultater, som er unøjagtige (dvs. ikke statistisk signifikante). Den første faktor, som skal overvejes i enhver vurdering af statistisk signifikans er dit udvalgs repræsentativitet – dvs. i hvilken grad den gruppe personer, som var omfattet af din spørgeundersøgelse “ser ud som” den samlede målgruppe, som du vil drage konklusioner om.

Det er problematisk, hvis 90 % af dine konferencedeltagere, som deltog i spørgeundersøgelsen var mænd, men kun 15 % af alle dine konferencedeltagere var mænd. Jo mere du ved om den målgruppe, som du er interesseret i at undersøge, desto mere sikker kan du være, når din spørgeundersøgelse stemmer overens med disse tal. Angående køn kan du stille dig tilfreds med at mænd udgør op til 15 % af respondenter i dette eksempel.
Hvis dit eksempel fra spørgeundersøgelsen er et vilkårligt valg fra en kendt population, kan statistisk signifikans beregnes på en helt enkel måde. Den primære faktor her er samplestørrelse. Lad os sige at 50 ud af de 1.000 personer, som deltog i din konference, besvarede undersøgelsen. Halvtreds (50) er en lille samplestørrelse og resulterer i en bredfejlmargen. Kort sagt ´er der ikke meget vægt bag dine resultater.

Forestil dig, at du spørger dine respondenter, hvor mange af de 10 tilgængelige sessioner, de deltog i i løbet af konferencen. Og dine resultater ser sådan ud:

Screen Shot 2014-03-05 at 11.02.19 AM

Du bør analysere gennemsnittet. Som du måske husker, er der tre forskellige gennemsnit: Middel, median og typetal.

I tabellen oven for er det gennemsnitlige antal for deltagelse i sessioner 6,3. Det rapportede gennemsnit her er middelværdien, den slags gennemsnit, som du sandsynligvis er mest bekendt med. For at bestemme middelværdien skal du lægge data sammen og dividere det med det antal, du har tilføjet. I dette eksempel har du 10 personer, som siger, at de har deltaget i en session, 50 personer har deltaget i fire sessioner, 100 personer har deltaget i fem sessioner osv. Så du ganger alle disse par med hinanden, lægger dem sammen, og dividerer dem med det samlede antal personer.

Medianen er en anden slags gennemsnit. Medianen er middelværdien, 50 %-punktet. I tabellen oven for kan vi finde det antal sessioner, hvor 500 personer var til venstre for tallet og 500 personer til højre. Medianen er i dette tilfælde 7 sessioner. Dette kan hjælpe dig med at eliminere afvigelser, som kan påvirke dine data negativt.Den sidste type gennemsnit er typetal. Typetallet er det hyppigste svar. I dette tilfælde er det seks. 260 respondenter deltog i seks sessioner, mere end deltaget i ethvert andet antal sessioner.

Middelværdien – og andre gennemsnitstyper – kan også bruges, hvis dine resultater er baseret på Likert-skalaen.

Dragning af konklusioner

Med hensyn til rapportering af spørgeundersøgelsesresultater skal du tænke på dine datas historie.Forestil dig, at din konference samlet set fik middelmådige vurderinger. Du igangsætter en nærmere undersøgelse af, hvad der er på færde. Dataene viser, at respondenterne gav meget høje vurderinger af næsten alle aspekter af din konference – sessioner og kurser, sociale arrangementer og hoteller – men de brød sig ikke om den by, som konferencen blev afholdt i. (Måske blev konferencen afholdt i Chicago i januar, og det var for koldt til at gå udenfor!) Det er en del af det samlede billede her – generelt set en fantastisk konference, men en dårlig placering. Miami eller San Diego er måske bedre valg til en vinterkonference.

Et aspekt af dataanalyse og rapportering, som du skal overveje, er årsagsforhold vs. korrelation.

Hvad er forskellen på korrelation og årsagsforhold?

Årsagsforhold er når en faktor resulterer i en anden, mens korrelation er når to variabler bevæger sig sammen, men den ene påvirker eller forårsager ikke den anden.

F.eks.: At drikke varm kakao og have vanter på er to variabler, som er korrelerede – de går typisk op og ned sammen. Men den ene forårsager ikke den anden. Faktisk er de begge forårsaget af den tredje faktor, koldt vejr. Koldt vejr påvirker både indtag af varm kakao og sandsynligheden for at have vanter på. Koldt vejr er den uafhængige variabel, og indtag af varm kakao og sandsynligheden for at have vanter på er de afhængige variabler. I tilfældet med vores feedbackundersøgelse om din konference påvirkede koldt vejr sandsynligvis deltagernes utilfredshed med konferencebyen og konferencen samlet set. Endelig kan du undersøge forholdet mellem variabler i din spørgeundersøgelse ved at udføre en regressionsanalyse.

Hvad er regressionsanalyse?

Regressionsanalyse er en avanceret dataanalysemetode, som giver dig mulighed for at se på forholdet mellem to eller flere variabler. Der er mange slags regressionsanalyser, og den/dem, som en undersøgelsesresearcher vælger, afhænger af de variabler, som han eller hun undersøger.  Alle slags regressionsanalyser har til fælles, at de ser på en eller flere uafhængige variablers påvirkning af en afhængig variabel. Ved analyse af vores undersøgelsesdata kan vi være interesserede i hvilke faktorer, der har størst påvirkning af deltageres tilfredshed med konferencen. Er det et spørgsmål om antal sessioner? Hovedtaleren? De sociale arrangementer? Stedet? Ved brug af regressionsanalyser kan en undersøgelsesresearcher afgøre om og i hvilken grad tilfredshed med disse forskellige attributter for konferencen bidrager til den samlede tilfredshed. Dette giver desuden indsigt i hvilke aspekter af konferencen, du måske vil ændre på næste gang. Lad os f.eks. sige, at du betalte et stort honorar for at få en rigtig god hovedtaler til din åbningssession. Deltagerne gav generelt denne taler og konferencen en god vurdering. Med grundlag i disse to fakta er det nærliggende at mene, at en fantastisk (og dyr) hovedtaler er nøglen til en vellykket konference. Regressionsanalyse kan hjælpe dig med at afgøre, om dette virkelig er tilfældet. Du opdager måske, at hovedtalerens popularitet var en primær drivkraft for tilfredsheden med konferencen. Hvis det er tilfældet, skal du have en virkelig god hovedtaler igen. Men hvis regressionen viser, at selvom alle godt kunne lide hovedtaleren, bidrog dette ikke særlig meget til deltagernes tilfredshed med konferencen. Hvis dette er tilfældet, kan dine talerpenge bruges på noget andet. Hvis du bruger tid på en omhyggelig analyse af det fornuftige i dine undersøgelsesdata, er du godt på vej til at bruge svarene til at hjælpe dig med at træffe kvalificerede beslutninger.

Tilbage til spørgeundersøgelser for begyndere

3 hurtige tips til at forbedre besvarelsesrater på spørgeundersøgelser

Her er nogle ideer til at sikre, at respondenterne besvarer dine spørgeundersøgelser.

1. Vær hurtig

Hvis din spørgeundersøgelse er kort og god, er der en større chance for, at flere respondenter vil gennemføre den.

2. Tilbyd incitamenter

Små motivationsfaktorer som en lille rabat eller et lod til en lodtrækning kan hjælpe dig med at sikre, at respondenterne gennemfører din spørgeundersøgelse.

3. Køb en målgruppe

Med SurveyMonkey Audience kan du købe adgang til en gruppe, som opfylder specifikke demografiske krav for din spørgeundersøgelse. Det er meget nyttigt til at få målrettede besvarelser fra en specifik gruppe.

Dette er grunden til at millioner af mennesker stoler på SurveyMonkey

Ubegrænsede spørgeundersøgelser

Send så mange spørgeundersøgelser og quizzer, som du ønsker – selv med gratis abonnementer.

Hurtige svar

Opret og send nemt professionelle spørgeundersøgelser. Få hurtigt pålidelige resultater.

Godkendt af eksperter

Få adgang til færdiglavede spørgsmål og skabeloner, som er godkendt af vores spørgeundersøgelsesforskere.

Resultater i realtid

Kontrollér resultater på farten fra enhver enhed. Se tendenser, efterhånden som dataene kommer ind.

Friske ideer

Spørgeundersøgelser giver dig mere end bare svar. Få tilbagemeldinger og nye perspektiver.

Handlingsrettede data

Udtræk og del indsigt fra dine data med dit team.