问卷设计的原则
1．有明确的主题。根据调查主题，从实际出发拟题，问题目的明确，重点突出，没有可有可无的问题。
2．结构合理、逻辑性强。问题的排列应有一定的逻辑顺序，符合应答者的思维程序。一般是先易后难、先简后繁、先具体后抽象。
3．通俗易懂。问卷应使应答者一目了然，并愿意如实回答。问卷中语气要亲切，符合应答者的理解能力和认识能力，避免使用专业术语。对敏感性问题采取一定的技巧调查，使问卷具有合理性和可答性，避免主观性和暗示性，以免答案失真。
4．控制问卷的长度。回答问卷的时间控制在20分钟左右，问卷中既不浪费一个问句，也不遗漏一个问句。
5．便于资料的校验、整理和统计。

二读卡进程：
1：［读卡］－［读卡］，将填涂好的评议表，放在光标阅读机进纸处，点击按钮［初步读卡］。
读卡界面
2、不管读卡进程中出现什么过错提示，其时这张卡都当作没有录入。这时，需求将该卡取回，查明问题原因，处理后，检验从头阅读这张卡
3、假设分两场或两场以上评议，又要求能对两场的数据进行汇总核算，那么，在读完卡后，点击按钮［备份读卡数据］，将其时的读卡数据做一下备份。备份文件是一个以后缀“BF”为扩展名的文件。有了备份，就可以在其它当地导入备份的数据，并与新读的数据一块核算。

如何组织安排一场考核测评考试呢？这是各企事业单位棘手的问题，一场问卷调查如何能够做到既快捷，又安全稳定。下面小顾给大家讲解一下问卷调查的流程。
一设置进程：
1：登录　正确挑选您地址的市如（沧州市），区县（如：黄骅市）
登陆界面
2：［系统设置］－［阅读机类型］，在类型框里挑选正确的阅读机类型后，点［联机……］，假设连接阅读机用的数据线是串口线，类型＝OMR43FS_串口；假设用USB线，类型＝OMR43FS_USB口。
3：［系统设置］－［部分处理］，系统自带有您地址区县的部分列表，请与评议表对照一下，假设没有问题，可进行下一步操作。

测度
设计测度项的措词
测度项设计的基本目的是为了测量调查对象在一个理论变量上的真实值。所以，测度项的质量可以用几个标准来衡量：
§ 一个测度项反映了理论变量吗？这个一个有效性标准。
§ 一个调查对象能否对一个测度项能做出可靠的回答？
§ 多个调查对象对一个测度项的理解是否一致？后两个问题是可靠性标准。
测度项的措词会同时影响有效性与可靠性。简单而言，有效性 (validity) 指一个或一组测度项可以真实地测量一个理论构件。在方法学中，有效性往往被称作是构件有效性 (construct validity)。有效性的个要求是测度项在语义上是针对于一个理论构件。有效性是“问了该问的问题”。它首先要保证的是测度项语义内容上的正确性，或称为内容有效性 (content validity)。比如，研究者要测度消费者对一个产品的质量评价，有两个测度项：“这个产品的使用寿命如何？ (很长—很短) ”，“您是还觉得这个产品是否值得买？(很不值得—很徝得) ”。个测度项反映了质量的一个方面：使用寿命(durability)。第二个反映的是产品的价值(product value)。产品价值在营销学中是一个与质量不一样的概念，它指的是质量与价格的综合考虑。所以第二个测度项虽然与产品质量有关系，却已经因为它的语义范围过大而不合适。
可靠性 (reliability) 是“把该问的问题问好”，是一个测度项可以得到所有调查对象的真实可靠回答的程度，它的反面是测度值中偏差的程度。在这一节，我们先关注可靠性。可靠性是有效性的必要但不充分条件。可靠性与有效性不是平等概念。可靠性是有效性的一部分。有时，有效性也狭义地指不包括可靠性的那一部分。
错误类型
在调查对象回答一个测度项时，不准确的测度项措词会引入以下错误：
§ 调查对象缺少相关知识
§ 措词过于学术化、晦涩难懂
§ 测度项不完整
§ 语义不明确
§ 一个测度项内含有多重语义
§ 一个测度项内含有多个变量之间的关系
，调查对象缺少相关知识。如果调查对象缺少一个测度项中所要求的知识，结果就会不可靠。这个“对牛弹琴”的错误罪在研究者。比如你如果问一个普通市民：您觉得本市进行作物研究成功的可能性有多大？(非常小—非常大)。一个市民通常不会有这方面的知识。更多时候，一个调查对象没法回答一个问题是因为他没有相关的经历，比如在商场中进行抽样调查时，你可能会问一个根本不会用电脑的老人家：“您觉得通过购买日用品方便么？(非常方便—非常不方便)。
第二，措词过于学术化、晦涩难懂。这是另一类“对牛弹琴”的错误。“您所在的项目小组的内聚性有多高？(非常低—非常高) ”。什么是“内聚性”(cohesion) ？除非有一个明确的定义写在问卷中，调查对象不会知道你在问什么。
第三，测度项不完整。假定测度项是：你的年龄？如果年龄对这个研究很重要，这个问题就是不完整的。在国内，有人可能报虚岁，也有人报周岁。比较好的措词是：你的出生年份？
第四，语义不明确。假定测度项是：过去一个月你向上司咨询过几次？这里有几个方面是不明确的。，哪些上司？是任何比你更高层的人还是你的直属上司？第二，怎样算是咨询？是询问工作中的问题还是生活中的问题？是面对面还是包括电话与电邮？一个更明确的测度项可能是：不管是以面对面还是电话或电邮的方式，过去一个月你向你的直属上司咨询过几次关于你工作中的问题？这个例子也说明测度项的准确性与简洁性往往是矛盾的。
第五，测度项内含多个问题。假定测度项是：工作带给我很高的自信心与安全感(非常同意—非常不同意)。到底是自信心还是安全感？这种问题的一个特点是其中有“与”或“或”。如果研究者对这两个方面都感兴趣，就应该把这个问题分成两个来问。再假定测度项是：你每个月在这家商店购物超过50元的次数是多少？调查对象要进行两次计算：一次是一共去了几次，另一次是超过50元的次数。分开来问会更明确。再假定测度项是：公司对你们的项目支持的程度是：(很高—很低，不知道)。如果研究者预计有很多人会回答“不知道”，这个问题就应该拆分成两个：您对公司对这个项目的态度有没有了解？如果有，对你们的项目支持的程度是：(很高—很低)。
第六，测度项内含有多个变量之间的关系。这是初学者很容易犯的一个错误。比如为了测试报酬与工作态度之间的因果关系，有人会为报酬设计这样的测度项“丰厚的报酬对于增加我的工作积极性十分重要，(非常不同意—非常同意) ”。 这样的问题在日常生活中十分普遍。但在研究中，为了验证报酬与工作态度之间的关系，我们必须把它们分开来测量。为什么呢？因为我们要验证的是报酬水平与工作态度的水平之间的关系，所以我们应该测量这两个水平的本身。在数据收集过程的本身，我们不能预先设定立场而应保持中立(但在提出假设时我们的确有一个立场)。而这种关于“重要性”的直接提问已经预先有了一个立场。这样一个预设的立场会产生几个问题。一，调查对象会沿着调查者的立场去回答，因而不反映他们的实际行为。二，这样的直接测试虽然可以测量到两个变量之间的关系水平，但反而无法在统计上支持这个关系水平的显著程度。假定刻度细度是7，即非常不同意=1，非常同意=7。如果得到的均值是5，这个值说明了什么呢？难道因为它大于中间点4就表明这两个变量之间有关系了吗？因为我们不知道在这两个变量真的没有因果关系时调查对象的均值是多少(也许是4，但也可能是4.5或3.6)，我们无法在统计上有信心说5就表明有关系。相反，如果这两个变量分别测量，我们可以计算它们之间的统计上的相关系数，并进行显著度的检验 (比如t-test)。要注意的是，这种“重要性”并不是在所有的情况下都不可取。有时，研究者的变量就是关于重要性的感知水平，这时，这样的测度项是可以，比如：工作的稳定性会影响报酬对于工作态度的重要性。
测度项的设计还以有其它多种多样的问题。以上所提到只是一些典型的错误。关键是研究者要有对测度项质量的敏感性。

http://www.jinsjrj.com