第 21 课：在线问卷工具实操
🎯 核心实操目标
通关要求：把第 20 课设计好的问卷搭建到主流在线问卷平台（问卷星 / 腾讯问卷 / Qualtrics），设置逻辑跳转、生成发放链接、完成预测试。本课你将掌握三大平台的操作流程，理解样本量计算（G*Power）与有效问卷判定标准。
📋 课前准备（5 分钟自检）
工具/账号
- [ ] 问卷星：wjx.cn（国内主流，免费版够用）
- [ ] 腾讯问卷：wj.qq.com（微信生态，裂变传播好）
- [ ] Qualtrics：qualtrics.com（国际学术标准，高校多有授权）
- [ ] G*Power（样本量计算）：gpower.hhu.de
数据/素材
- [ ] 第 20 课设计完成的问卷 Word 稿
- [ ] 你的研究假设（用于 G*Power 计算最小样本量）
应急通道
- 学校不提供 Qualtrics → 用问卷星免费版（题数 < 50 即可）
- 微信群发被封 → 用腾讯问卷生成的小程序链接
- G*Power 不会用 → 用 GPT-5 直接问"我要做 N 个预测变量的回归，期望效应量 f²=0.15，怎么算样本量"
场景痛点破冰：500 份问卷为什么白做了？
"学生兴冲冲发了 500 份问卷，回收 380 份。 跑统计时发现：
- 真实回归需要的最小样本是 200 份（小效应量场景）
- 但他要做的是 多群组结构方程模型，最少需要 800+ 份
- 380 份连基础分析都跑不动，更别说分组比较
问卷发放前必须先算样本量！ 这一步不做，前面 19/20 课全白搭。"
🗺️ 架构重组：问卷上线四步法
Step 1: 计算样本量(G*Power) —— 决定要发多少份
↓
Step 2: 搭建在线问卷 —— 把 Word 稿迁到平台
↓
Step 3: 设置逻辑 + 预测试 —— 跳转/验证/质量校验
↓
Step 4: 正式发放 + 实时监控 —— 看回收率,做中期调整🚀 拆解实战 A：G*Power 样本量计算
不同分析需要的最小样本量差异巨大：
| 分析方法 | 最少样本量（中等效应） | G*Power 选项 |
|---|---|---|
| 独立样本 t 检验 | 100/组（共 200） | t Tests → Means: difference between two independent means |
| 单因素 ANOVA（3 组） | 50/组（共 150） | F tests → ANOVA: Fixed effects, omnibus, one-way |
| 多元回归（5 预测变量） | 92 | F tests → Linear multiple regression: Fixed model, R² deviation from zero |
| Bootstrap 中介（5000 次） | 200+ | 经验法则（Fritz & MacKinnon, 2007） |
| EFA / CFA | 变量数 × 10–20 | 经验法则 |
| 多群组 SEM | 800+ | 复杂模型 |
G*Power 操作示范（多元回归）
1. 打开 G*Power
2. Test family: F tests
3. Statistical test: Linear multiple regression
4. Type of power analysis: A priori
5. 输入:
- Effect size f²: 0.15(中等效应)
- α err prob: 0.05
- Power: 0.80
- Number of predictors: 5
6. 点 Calculate
7. 输出: Required sample size = 92💡 保守原则：算出 92 → 实际发 150 份（考虑 30–40% 无效率）
🚀 拆解实战 B：问卷星全流程（国内主流）
注册与新建
- wjx.cn 注册账号（免费）
- 控制台 → 创建问卷 → 选"调查问卷"
- 从 Word 复制粘贴：批量录入题目（每题一行，选项另起一行）
题型选择
| 题型 | 适用 | 注意 |
|---|---|---|
| 单选题 | 性别/年级/单选量表 | 默认题型 |
| 矩阵单选 | 李克特量表（主要用） | 一次显示多题节省空间 |
| 多选题 | 兴趣/偏好 | 不适合量表 |
| 填空题 | 年龄/开放题 | 必要时数字校验 |
| 评分题 | 满意度 1-5 | 与单选量表略不同 |
关键设置
- 必填星号：人口统计 + 所有核心量表题 = 必填
- 逻辑跳转：如"是否使用过 AI" → 否 → 跳到末尾
- 答题时间统计：勾选（用于后续剔除 < 60 秒的无效问卷）
- 防作弊：IP 限制 / 微信限制（防止刷量）
发布与回收
- 点击"发布问卷"
- 选择"链接"或"二维码"
- 复制链接发到目标群（微信群/QQ 群/邮件）
- 实时监控回收数 + 中位答题时间
🚀 拆解实战 C：有效问卷判定标准
自动判定（平台设置）
- ⛔ 完成时间 < 60 秒（核心量表 20+ 题不可能 60 秒答完）
- ⛔ 缺失值 > 20%
- ⛔ IP 重复
人工抽检（数据下载后）
| 检查 | 判定 |
|---|---|
| 连续 10+ 题全选同一选项 | 标记为"满分党" |
| 反向题与正向题方向完全一致 | 不用心填答 |
| 开放题写"啊啊啊"/"不知道" | 无效 |
| 人口统计与逻辑相悖（如"博士在读"+"15 岁"） | 不真实 |
💡 30% 无效率是行业基线
- 学术问卷：无效率约 20–30%（线上发放更高）
- 企业问卷：无效率约 10–15%（受访者动机更强）
- 样本计算时要预留无效率：算出 200 份要发 280 份
🚀 拆解实战 D：发放渠道选择
| 渠道 | 优点 | 缺点 | 适用 |
|---|---|---|---|
| 学校邮件群发 | 触达精准 | 回收率低（5–10%） | 全校大规模调查 |
| 微信群分发 | 转发快 | 样本偏熟人圈层 | 中等规模 |
| 微博/小红书带话题 | 触达广 | 样本质量参差 | 探索性研究 |
| Prolific / MTurk | 国际标准 | 付费且需英文 | SSCI 投稿 |
| 雪球抽样（朋友拉朋友） | 滚动扩样 | 偏一群人 | 难触达群体 |
📦 本课交付物（提交给 AI 初审/讲师抽检）
- [ ] G*Power 样本量计算截图：含输入参数 + 输出最小样本量
- [ ] 在线问卷链接（问卷星或腾讯问卷）：可被外部点击访问
- [ ] 预测试报告：找 10 人试填，记录平均完成时间 + 卡点
- [ ] 发放计划表：列出渠道 + 预期回收量 + 时间节点
🏁 小结与自测 (Milestone Checklist)
- [ ] 我用 G*Power 计算了本研究最小样本量，并预留了 30% 无效率冗余
- [ ] 我在问卷星/腾讯问卷上完整搭建了第 20 课设计的问卷
- [ ] 我设置了答题时间统计（用于后续剔除 < 60 秒的无效问卷）
- [ ] 我设置了必要的逻辑跳转（如"未使用过 AI"跳过相关题）
- [ ] 我做了 10 人预测试，记录了平均完成时间 + 题项卡点
- [ ] 我有清晰的发放渠道计划，预期回收量满足样本量要求