調查資料分析導論

使用 Python 分析問卷資料

EbunOluwa Andrew

Data Scientist

什麼是調查資料分析？

獲得洞見
- 回覆越多，理解越深
衡量效果
- 高回覆率至關重要
- 例：後續調查的回覆可判斷產品調整是否有效

我們想聽你的回饋橫幅

什麼是調查資料？

研究參與者的回覆
量化或數值型
質性或描述型
公允呈現受眾意見

Celpax 攝於 Unsplash－女性填寫調查

¹ Photo by Celpax on Unsplash

調查資料的型態

序位（Ordinal）
- 回覆可形成有意義的順序
- 範例題：你使用我們產品的頻率？
- 範例答：從不、很少、有時、經常、總是
- 次序很重要

填寫問卷表單

調查資料的型態

名目（Nominal）
- 不同群組／類別
- 類別之間無順序
- 例：出生城市、性別、族裔

出生證明

調查資料的型態

區間（Interval）
- 有順序
- 數值距離有意義且相等
- 範例選項：22C、24C、26C

溫度計－Bianca Ackermann 攝於 Unsplash

比率（Ratio）
- 精確量測
- 具有真零點
- 範例答案：$5321

百元鈔票摺成的房子－Kostiantyn Li 攝於 Unsplash

設定目標

定義研究目標
回覆率
從回饋中學習

不具代表性的樣本

調查的抽樣

對大型母體難以全面蒐集
以抽樣估計或檢驗母體假設
採不同抽樣法以避免偏誤

Joseph Chan 攝於 Unsplash－白天撐傘的人群

¹ Photo by Joseph Chan on Unsplash

抽樣技術概覽

簡單隨機
- 從母體隨機抽出子群
分層隨機
- 先將母體分層（例如：種族、性別等）
- 各層再隨機抽取子群

Analytics Vidhya－分層隨機抽樣

抽樣技術概覽

加權抽樣
- 選取子群以符合母體比例
叢集抽樣
- 將母體分成叢集（例如：學校、城市等）
- 自各叢集隨機抽取子群

Aoife Dalton（SlideServe）－叢集抽樣示意

¹ Aoife Dalton on SlideServe

交叉列聯表：常見的調查分析法

.crosstab() -> 檢視兩個名目變數之間的關係。

print(survey.head())

| Age     | Occupation_Title          | Current Student | Gender | Education  |
|---------|---------------------------|-----------------|--------|------------|
| 18 - 24 | Credit officer            | No              | Female | Bachelor's |
| 18 - 24 | Student                   | Yes, Full-Time  | Male   | Bachelor's |
| 18 - 24 | Student                   | Yes, Full-Time  | Female | Bachelor's |
| 25 - 34 | Senior Financial Analyst  | No              | Female | Bachelor's |
| 35 - 44 | Public Relations Director | No              | Female | Bachelor's |

Crosstab 函式

cross_tabulation = pd.crosstab(survey.Age, survey.Gender)
cross_tabulation

|         | Female | Male |
|---------|--------|------|
| 18 - 24 |     39 |   12 |
| 25 - 34 |     28 |   12 |
| 35 - 44 |      5 |    1 |
| 45 - 54 |      3 |    0 |

一起來練習吧！

使用 Python 分析問卷資料