基于K-means聚类的调查问卷动态赋权统计方法

发布时间：2021-02-08 12:22

　　为了保证调查问卷统计结果的可靠性,文章提出了一种基于K-means聚类算法的动态赋权统计方法。该方法在保证调查问卷效度和信度的基础上,分层次编制调查问卷问题量表;通过K-means聚类算法演绎不同层次下样本数据的归类分布情况,结合类容量大小确定样本的动态权重系数,进一步地赋权计算综合结果。将该方法应用于某高校图书馆服务质量满意度的调查实践,结果表明:动态赋权统计方法能够客观、真实地表征主体人对客体物的认知差异水平,其调查统计结果在有效性、可靠性等方面优于平均赋权算法,具有一定的实用价值。 

【文章来源】：统计与决策. 2018,34(23)北大核心CSSCI

【文章页数】：4 页

【部分图文】：

有形性层次下的样本归类分布情况

榭觯?峁?缤?所示：与平均赋权的水平直线相比，4个样本的权重系数则是动态变化的曲线，会随着各层次属性特征的改变而变化，能够真实地表征主体人对客体物不同方面的认知差异，证明了该方法的有效性。876543210有形性保证性响应性关怀性×10-320号56号135号205号图3动态赋权与平均赋权的权重系数对比图3.4图书馆调查问卷的赋权方法对比为了进一步证明该方法的有效性、可靠性及优越性，进行平均赋权方法与动态赋权方法下获得的调查问卷综合评分结果的对比分析，具体结果如图4所示。4.84.64.44.243.83.63.43.230246810121416182022平均赋权动态赋权差异点图4动态赋权与平均赋权的综合评分结果对比图由图4可知，两种赋权方法下获得的评分结果存在明显差异：一方面，在某些属性特征上，动态赋权获得的满意度评分较高于平均赋权，尤其在有形性层次下的差异表现最为显著；另一方面，两种方法获得的综合排序结果差异较大。通过数据对比分析发现，导致这种差异的原因是两种赋权方法在调查对象权重大小的确定上存在明显区别，例如，在针对B13（电子资源丰富，数据库全面）的评分数据上，平均赋权对评分较低（3分以下）的31号、43号、104号等14个样本数据赋予了较大的权重（0.0047），而动态赋权对其赋予较小权重（0.0014）。通过回访调查发现，这14位被调查者使用图书馆电子资源的情况不多，甚至从未使用过图书馆电子资源，其评分结果明显不可信。但平均赋权方法下却对其赋予了较高权重，显然该赋权方法下的评分结果缺乏可靠性。相比之下，动态赋权方法获得的评分结果更符合实际情况。使用同样的方法对其他差异点进行回访调查，结果表明：平均赋权方法未能够识?

【参考文献】：
期刊论文
[1]高校图书馆用户满意度调查问卷设计[J]. 陈鹂.  中国统计. 2018 (01)
[2]基于CAI模式的调查数据质量控制[J]. 丁华,姚佳慧,严洁.  统计与决策. 2017(07)
[3]如何减小问卷调查中的调查员相关误差[J]. 胡顺奇.  统计与决策. 2015(17)
[4]网络去个性化调查问卷的编制及信效度检验[J]. 郑艳.  统计与决策. 2013(05)
[5]调查问卷设计中信度及效度检验方法研究[J]. 柴辉.  世界科技研究与发展. 2010 (04)



本文编号：3023913