Analysera informationen

Så analyserar du data som en enkätforskare

Skapa en enkät idag

Ta en titt på de viktigaste undersökningsfrågorna

Vi börjar med att se på hur du analyserar resultatet för de viktigaste undersökningsfrågorna. Tänk på att du formulerade de viktigaste undersökningsfrågorna när du satte upp ett mål för enkäten.

Om du till exempel har hållit en utbildningskonferens, där du gav deltagarna en enkät för att få feedback efter evenemanget, kan en av de viktigaste frågorna vara ”Vilket betyg gav deltagarna konferensen överlag?”. Titta nu på de svar du fick för en specifik enkätfråga som rör just den viktiga undersökningsfrågan:

Screen Shot 2014-03-05 at 10.46.26 AM

Lägg märke till att du bland svaren har en del procentandelar (71 %, 18 %) och en del siffror (852 216).

Procentandelarna är vad de är – den procentandel personer som svarade på ett visst sätt. En procentandel motsvarar det antal personer som svarade på ett visst sätt uttryckt som en del av det totala antalet personer som svarade på frågan. Så 71 % av de svarande (852 av de 1 200 personer som deltog i enkäten) tänker komma tillbaka nästa år.

Den här tabellen visar också att 18 % säger att de inte tänker komma tillbaka och 11 % säger att de är osäkra.

Siffrorna är det faktiska antalet enskilda svarande som uppgav ett visst svar. Så 852 personer sa ”Ja, jag kommer tillbaka nästa år!”. Om du antar att de flesta som svarade ja (och kanske en del av de som svarande att de var osäkra) kommer tillbaka nästa år kan du skapa en prognosmodell för att beräkna hur många* som kommer på nästa års konferens. *Beräkningen är mer tillförlitlig om du har en mycket hög deltagandefrekvens, det vill säga om de flesta som deltog på konferensen och fick enkäten också slutförde den.

Korstabulering och filtrering av resultaten

Om du tänker tillbaka minns du säkert att du, när satte upp mål för enkäten och utvecklade en analysplan, också funderade på vilka undergrupper du skulle analysera och jämföra. Det är nu du får lön för all den mödan. Anta till exempel att du vill se hur svaret på frågan om nästa års konferens skiljer sig åt mellan lärare, studenter och administratörer. För att ta reda på det kan du korstabulera och visa resultatet för frågan sorterat efter undergrupp:

Screen Shot 2014-03-05 at 10.54.10 AM

I den här tabellen ser du att en majoritet av studenterna (86 %) och lärarna (80 %) tänker komma tillbaka nästa år. Däremot är resultatet för de administratörer som deltog annorlunda: mindre än hälften av dessa (46 %) tänker komma tillbaka! Förhoppningsvis kan du räkna ut vad det här beror på med hjälp av några av de andra frågorna och få veta hur du kan förbättra konferensen så att fler av administratörerna vill komma tillbaka efterföljande år.

Filter är ett annat praktiskt verktyg för dataanalys. När du filtrerar fokuserar du på en viss undergrupp och filtrerar bort allt annat. Så i stället för att jämföra undergrupper med varandra tittar du här bara på hur en viss undergrupp besvarade frågan. Du kan till exempel begränsa dig till bara kvinnor, eller bara män, och sedan korstabulera igen efter typ av deltagare för att jämföra kvinnliga administratörer, kvinnliga lärare och kvinnliga studenter. Men du bör vara medveten om en sak när du utforskar resultatet: varje gång du filtrerar eller korstabulerar minskar storleken på provgruppen. Se till att resultatet ändå förblir statistiskt signifikant genom att beräkna provgruppsstorleken.

Referenspunkter, trender och jämförande data

Anta att en av de viktiga frågorna i din feedbackenkät är ”Hur nöjd är du på det stora hela med konferensen?”. Resultatet visar att 75 % av deltagarna är nöjda med konferensen. Det låter väl bra. Men skulle du inte vilja sätta det i ett sammanhang? Så att du har något att jämföra med? Är det bättre eller sämre än förra året? Hur ser det ut om du jämför med andra konferenser?

Anta att du faktiskt frågade om detta i förra årets feedbackenkät. Då kan du göra en trendjämförelse. Professionella opinionsundersökare underskattar aldrig trender.

Om 60 % av deltagarna var nöjda förra året har du lyckats höja resultatet med 15 procentenheter! Vad beror det på? Förhoppningsvis kan du räkna ut hur det kommer sig med hjälp av några av de andra enkätsvaren.

Om du inte har några data från tidigare konferenser kan du börja samla in feedback efter varje konferens från och med i år. Det kallas att skapa en referenspunkt. Du skapar en referenspunkt eller ett baslinjevärde, och utifrån det kan du se om och hur något ändras. Du kan skapa referenspunkter för vilka frågor du vill, inte bara hur nöjda deltagarna är. På så sätt kan du spåra vad de tycker om konferensen, år efter år. Det här kallas longitudinell dataanalys. Läs mer om hur

SurveyMonkey Benchmarks kan hjälpa dig att sätta enkätresultatet i sitt sammanhang.

Vad är longitudinell analys?

Longitudinell dataanalys (som ofta kallas ”trendanalys”) innebär i princip att man spårar hur resultatet för specifika frågor förändras över tid. När du väl har skapat en referenspunkt kan du avgöra om och hur resultatet förändras. Anta att andelen som var nöjda med konferensen var 50 % för tre år sedan, 55 % för två år sedan, 65 % förra året och 75 % i år. Då är det bara att gratulera! Den longitudinella dataanalysen visar en stabil uppåtgående trend när det gäller nöjdhet.

Du kan till och med spåra data för olika undergrupper. Anta till exempel att nöjdheten ökar varje år för studenter och lärare, men inte för administratörer. Då kanske du ska titta extra noga på hur administratörerna har besvarat olika frågor för att försöka förstå varför de inte är lika nöjda som de andra deltagarna.

Analysera siffrorna

Du vet hur många som uppgav att de skulle komma tillbaka, men hur vet du att du kan lita på enkätsvaren och använda dem som underlag för framtida beslut? Det är viktigt att du har koll på datakvaliteten och förstår begreppet statistisk signifikans.

På vardagsspråk avser ”signifikans” betydelse eller vikt. När det gäller enkätanalys och statistik avser det i stället en uppskattning av riktighet. Det är här som det ofrånkomliga ”plus/minus” kommer in i bilden. Det innebär att enkätresultatet är korrekt inom ett givet konfidensintervall och inte beror på slumpen. Det är riskfyllt att dra slutsatser från felaktiga resultat (d.v.s. resultat som inte är statistiskt signifikanta). Den första faktorn att ta hänsyn till när det handlar om att utvärdera statistisk signifikans är provgruppens representativitet, alltså i hur stor grad den grupp personer som ingår i enkäten liknar den totala population som du vill dra slutsatser om.

Du får problem om 90 % av de konferensdeltagare som slutförde enkäten är män om bara 15 % av det totala antalet deltagare är män. Ju mer du vet om den population du vill undersöka, desto mer kan du lita på resultatet av enkäten. När det gäller könsfördelningen ska du vara nöjd om män utgör 15 % av de svarande i det här exemplet.

Om enkätens provgrupp är ett slumpmässigt urval av en känd population är det enklare att beräkna den statistiska signifikansen. En primär faktor här är provgruppens storlek. Anta att 50 av de 1 000 personer som deltog på konferensen har fyllt i enkäten. Femtio (50) är en liten provgrupp och medför en hög felmarginal. Resultatet blir därmed inte mycket att hänga i julgranen.

Anta att du frågade enkätdeltagarna om hur många av de 10 tillgängliga sessionerna de deltog i under konferensens lopp. Och anta att resultat blev så här:

Screen Shot 2014-03-05 at 11.02.19 AM

Då kan det vara en god idé att analysera genomsnittet. Du kanske kommer ihåg att det finns tre sorters genomsnitt: medelvärde, median och typvärde.

I tabellen ovan är det genomsnittliga antalet sessioner de svarande deltog i 6,3. Det här genomsnittet är medelvärdet, den typen av genomsnitt du är van vid. För att räkna ut medelvärdet summerar du data och delar sedan summan med antalet poster du summerade. I det här exemplet säger 10 personer att de deltog i en session, 50 personer i fyra sessioner, 100 personer i fem sessioner och så vidare. Så du multiplicerar alla de här paren med varandra, summerar dem och dividerar sedan med det totala antalet personer.Medianen är en annan typ av genomsnitt. Medianen är värdet i mitten, 50 %-strecket. I tabellen ovan är medianen det värde där antalet sessioner är 500 både till vänster och till höger om det. Medianen är i det här fallet 7 sessioner. På så sätt kan du enklare utesluta ytterlighetsvärden, som kan påverka data negativt.

Den sista sortens genomsnitt är typvärde. Typvärdet är det vanligaste svaret. I det här fallet är det 6 sessioner. 260 enkätdeltagare deltog i 6 sessioner, fler än för något annat antal sessioner.

Du kan också använda medelvärden och andra typer av genomsnitt om resultatet bygger på likertskalor.

Dra slutsatser

När det gäller hur du ska rapportera enkätresultatet bör du fundera på vad som egentligen ligger bakom informationen.

Anta att konferensen fick ett mediokert betyg överlag. Du undersöker vad det här kan bero på. Informationen visar att deltagarna gav nästan alla delar av konferensen mycket högt betyg – sessionerna, kurserna, de sociala evenemangen och hotellet – men de tyckte inte alls om den stad där konferensen hölls. (Konferensen kanske var i Kiruna mitt i vintern och det var för kallt för att gå ut?) Det är en viktigt pusselbit för dig – en överlag fantastisk konferens, men en illa vald plats. Det kanske hade varit bättre att välja en stad längre söderut för en konferens mitt i vintern.

En aspekt när det gäller dataanalys och rapporter är kausalitet och korrelation.

Vad är skillnaden mellan korrelation och orsakssamband?

Kausalitet är när en faktor orsakar en annan, medan korrelation är när två variabler rör sig tillsammans, utan att den ena påverkar eller orsakar den andra.

Till exempel är att dricka varm choklad och ha vantar på sig två variabler som har ett samband – de stiger och sjunker likadant. Men den ena orsakar inte den andra. Faktum är att de båda orsakas av en tredje faktor, kallt väder. Kallt väder påverkar både hur mycket varm choklad man dricker och sannolikheten att man har vantar. Kallt väder är den oberoende variabeln och varm choklad och vantar är beroende variabler. När det gäller enkäten om konferensfeedback hade det kalla vädret troligen en effekt på hur (miss)nöjda deltagarna var med valet av stad och med konferensen som helhet. Sist men inte minst kan du behöva utföra en regressionsanalys för att bättre förstå relationen mellan variablerna i enkäten.

Vad är regressionsanalys?

Regressionsanalys är en avancerad dataanalys, som används för att undersöka relationen mellan två eller fler variabler. Det finns många olika sorters regressionsanalys, och vilken en expert väljer beror på vilka variabler som ska undersökas. Det som är gemensamt för all regressionsanalys är att man undersöker hur en eller flera oberoende variabler påverkar en beroende variabel. När vi analyserar våra enkätdata kanske vi vill veta vilka faktorer som har störst betydelse för hur nöjda deltagarna var med konferensen. Handlar det om antalet sessioner? Huvudtalaren? De sociala evenemangen? Platsen? Med hjälp av regressionsanalys kan en enkätexpert avgöra om och i hur stor grad nöjdheten med de här olika konferensattributen påverkar den övergripande nöjdheten. Detta ger i sin tur insikt i vilka aspekter av konferensen som kan behöva ändras till nästa gång. Anta till exempel att du har betalat en stor summa för att få en välrenommerad huvudtalare till välkomstsessionen. Deltagarna gav den här talaren och konferensen högt betyg överlag. Baserat på dessa två fakta är det lätt att tro att en känd och dyr huvudtalare är nyckeln till en lyckad konferens. Med hjälp av regressionsanalys kan du avgöra om så verkligen är fallet. Du kanske ser att talarens popularitet var avgörande för hur nöjda deltagarna var med konferensen i stort. I så fall är det bäst att satsa på en framstående talare även nästa år. Men anta att regressionsanalysen visar att valet av talare visserligen var populärt, men inte bidrog i någon större utsträckning till hur nöjda deltagarna var med själva konferensen. I så fall kanske det är bättre att lägga de pengarna på något annat. Om du tar dig tid att noga analysera hur tillförlitliga dina data är har du kommit en bra bit på vägen mot att fatta väl underbyggda beslut utifrån deltagarnas svar.

Tre snabba tips för att förbättra svarsfrekvensen

Här hittar du några tips på hur du kan se till att de svarande fyller i din enkät.

1. Var snabb

Om enkäten är kort och koncis är det större chans att fler svarande slutför den.

2. Erbjud belöningar

Små belöningar som en rabatt eller en lott kan hjälpa till att öka svarsfrekvensen.

3. Köp en specifik målgrupp

Med SurveyMonkey Audience kan du köpa tillgång till en målgrupp som uppfyller specifika demografiska kriterier för din enkät. Det är ett bra sätt att få riktade svar från en specifik grupp.

Därför förlitar sig flera miljoner människor på SurveyMonkey

Obegränsade enkäter

Skicka så många enkäter och frågetävlingar du vill – även med kostnadsfria abonnemang.

Snabba svar

Skapa och skicka enkelt professionella enkäter. Få snabbt pålitliga svar.

Expertgodkänt

Använd redan skapade frågor och mallar som godkänts av våra enkätexperter.

Resultat i realtid

Se resultaten på vilken enhet som helst. Se trender allt eftersom svaren kommer in.

Nya idéer

Enkäter ger dig mer än bara svar. Få feedback och nya perspektiv.

Användbara data

Utvinn insikter från dina data och dela dem med ditt team.