一、问卷类型
问卷调查分为两大类：即量表问卷和非量表问卷。
量表问卷通常更多用于学术研究，其特点在于更多的态度认知题项，体现样本人群对于某事物的态度看法态度情况等，通过对各研究变量的关系研究，找出其中内涵逻辑关系。
非量表问卷更多体现对某现状的事实情况和基本态度调研，比如样本进行网购的原因，不进行网购原因，网购平台的使用现状情况等。此类问卷更多在于分析思路的逻辑和现状情况的了解分析，以及样本的基本态度情况。
二、分析方法
从分析方法上，量表类问卷最大的特点是：非常多的量表题，而且量表题对应着‘变量’或者‘维度’。便于研究‘变量’间的关系情况。以及可以使用信度、效度、因子分析等方法。
非量表题其最大的特点为大部分为单选题、多选题或者排序填空题等，但很少 有出现量表题（是量表题是指类似答项为“非常不同意”，“比较不同意”，“中立”，“比较同意”和 “非常同意”之类的问题）更多是使用基本频数分析和交叉分析等，同时使用图形和表格进行多样化展示。
三、分析结果
问卷数据一般使用SPSS进行分析即可，分析基础比较薄弱，可使用SPSSAU进行分析。SPSSAU分析结果生成的是“类三线表”的格式，系统会自动生成指标解读报告。
SPSSAU智能分析
四、撰写调研报告
根据问卷分析顺序将分析结果写成有逻辑性的报告，并且在结论基础上对应提出有意义有价值的建议措施等。
关于数据报告的撰写，单独从数据分析角度上看，建议以实际需求出发，比如研究差异关系，那么首先得需要知道有没有差异，接着有了差异，具体差异情况如何。有了差异或者没有差异时，对应的建议措施应该如何。按照这样的思路，相信数据研究报告的撰写并非难事。
1、数据完整性分析
数据汇总分析之前，先确认调研数据是否已收集完成。
可根据用户反馈数据时间的正太分布情况来推测数据收集是否已基本完成。
问卷回收率要能够保障足够的样本数量，才能保证分析结果有价值。
2、对反馈数据进行清理，保证数据的有效性
问卷收集完，就要对结果进行分析，分析前先要剔除无效问卷，问卷的有效率是保证分析结果价值的基础。常见的无效问卷的形式如下：
问卷中出现大量空白的问卷
答案中出现大量选项连续一样的情况的问卷
专门设计用来验证答题有效性的地雷题出错的问卷
答题时长比较极端或者偏离平均值太多的问卷
开放式问题的答题质量，比较敷衍甚至乱答的
题目或选项之间隐藏逻辑答案冲突的
3、对清理后的数据进行汇总
调研范围的选取方式不同，反馈数据的汇总方式也不同。
1、全量人员
1）若人员之间存在明显分层变量，则需要按分层分别统计，再进行汇总；
2）若人员之间无需分层，则直接统一汇总处理即可；
2、简单随机抽样，直接统一汇总处理即可
3、分层抽样
1）先按分层分别统计，再进行汇总；
2）若分层人员的抽取比例与分层人员之间的比例不同，汇总时还需要考虑权重的设置；
注：有时候问题里某些选项填写的数量远远少于其他选项的数量，我们可以把它们进行整合，从而减少干扰；
4、对汇总数据进行计算、分析
1、定量分析
对数据进行平均数、众数、中位数的计算、对比：
1）计算前要注意剔除极端数值；
2）标准的是正态分布状态，若出现双峰分布（众数与平均值相差大），需要进一步分析
3）在对计算结果进行分析时，可以考虑第三变量的影响，即交叉制表，通过两个问题的答案合成一份表格，发现更有针对性的问题
2、定性分析
定性分析具有探索性的特点，这种分析依靠参与工作的人员的业务水平和专业度，因此难度较高，且这种解释是有特殊性的，理解也是不同的。
5、根据分析结果，得出初步结论
将定性分析的结论和定量分析的结果相结合，再与网站分析数据进行对比和补充，能够让数据更有说服力，得出的结论更加准确；
在对数据分析结果进行总结时，需要注意以下几点：
两件事情的发生时间相当接近并不足以说明两者有因果关系
总结时，要细分人口子群
不要混淆事实和观点
人们即使对答案没有强烈的感觉，也会选择一个，注意退出选项的选择情况
人们总会爱猜测调查的意图，要重审问题是否暗含引导性
人们什么都想要，问卷并非准确体现了人们的需求范围，但问卷能够体现人们需求的优先级
人们可能会夸大其词、会撒谎
当我们的调查问卷在把调查数据拿回来后,我们该做的工作就是用相关的统计软件进行处理,在此,我们以spss为处理软件,来简要说明一下问卷的处理过程,它的过程大致可分为四个过程:定义变量﹑数据录入﹑统计分析和结果保存.下面将从这四个方面来对问卷的处理做详细的介绍.
Spss处理:
第一步:定义变量
大多数情况下我们需要从头定义变量，在打开SPSS后，我们可以看到和excel相似的界面，在界面的左下方可以看到Data View, Variable View两个标签,只需单击左下方的Variable View标签就可以切换到变量定义界面开始定义新变量。在表格上方可以看到一个变量要设置如下几项:name(变量名)、type(变量类型)、width(变量值的宽度)、decimals(小数位) 、label(变量标签) 、Values(定义具体变量值的标签)、Missing(定义变量缺失值)、Colomns(定义显示列宽)、Align(定义显示对齐方式)、Measure(定义变量类型是连续、有序分类还是无序分类).
我们知道在spss中,我们可以把一份问卷上面的每一个问题设为一个变量,这样一份问卷有多少个问题就要有多少个变量与之对应,每一个问题的答案即为变量的取值.现在我们以问卷第一个问题为例来说明变量的设置.为了便于说明,可假设此题为:
1.请问你的年龄属于下面哪一个年龄段( )?
A:20—29 B:30—39 C:40—49 D:50--59
那么我们的变量设置可如下: name即变量名为1，type即类型可根据答案的类型设置,答案我们可以用1、2、3、4来代替A、B、C、D,所以我们选择数字型的，即选择Numeric, width宽度为4，decimals即小数位数位为0（因为答案没有小数点），label即变量标签为“年龄段查询”。Values用于定义具体变量值的标签,单击Value框右半部的省略号，会弹出变量值标签对话框,在第一个文本框里输入1,第二个输入20—29,然后单击添加即可.同样道理我们可做如下设置,即1=20—29、2=30—39、3=40—49、4=50--59；Missing，用本回答被网友采纳
论文问卷数据的分析，看起来简单，好像每个人都会做。但是做起来还真的有点难度。很多初次使用问卷调查方法的人大多以为，问卷数据分析嘛，无外乎对单选题做做频率分析，看看选择不同的选项的人占比有多少。对于评分题目，看看均值是多少，不同性别，年龄段的人群均值是多少。对于一般的小调查，这样粗略的分析可能够了，但是对于学术论文中的问卷分析而言，以上所做的工作，只是其最简单的一部分，后面还有大量的工作要做。
51调查，让调查更简单方便！
定量数据代表一定的数量或尺度，它是有数值的。例如，运动员在比赛中跑步的时间、大学毕业生的收入，以及不同班级的学生人数等。