目录
在大多数社会科学调查中，
最常被使用的应答方式就是 Likert（李克特量表）。
但并不是所有问题都适合用 Likert。
如果能根据题目性质灵活调整尺度，
不仅可以降低受访者的疲劳感，
还可以显著提升数据的解释力。
基于实务经验，The Brain 总结了 7 种最常用、也最值得掌握的应答尺度类型。
1️⃣ 排序尺度：用于“比较优先顺序”的问题
例如：
“请按喜好顺序选择您最偏好的品牌。”
分析特点：
基于顺序
更适合用中位数而非平均值进行分析
当选择标准明确、需要比较优先级时非常适合使用。
2️⃣ 二分尺度（Yes / No）：快速而明确
例如：
“您是否使用过该服务？”
优点：
回答速度快
非常适合用于筛选题（Screening）
缺点：
信息量有限
难以捕捉细微态度差异
3️⃣ NPS（净推荐值）：衡量推荐意愿
例如：
“您有多大意愿向他人推荐该服务？（0–10 分）”
优势：
企业调查中广泛使用
是衡量忠诚度的强力指标
分析方式：
0–6：贬损者（Detractors）
7–8：中立者（Passives）
9–10：推荐者（Promoters）
NPS = 推荐者比例 − 贬损者比例
4️⃣ 语义差异尺度（Semantic Differential）：情感与印象评价
例如：
“满意 ◀▶ 不满意”
“复杂 ◀▶ 简单”
优势：
能捕捉态度中的“情感细微差别”
特别适合服务体验、形象评价类问题
5️⃣ 频率尺度（Frequency Scale）：以行为为核心
例如：
“过去一个月内，您每周大约使用几次？”
优势：
获取真实行为数据
可直接用于回归分析
基于行为的数据，通常比态度类数据更稳定可靠。
6️⃣ 数值评分尺度（Numeric Rating Scale）：直观易懂
例如：
“请在 1–10 分中选择一个分数。”
优势：
受访者理解成本低
分析自由度高
在医疗、心理测量等领域被广泛使用。
7️⃣ 多重选择（Multiple Response）：选项范围较广时
例如：
“请勾选所有符合您的选项。（可多选）”
分析提示：
基于各选项频次进行统计
进行组合分析时需特别注意
多重应答题还能在不增加题目数量的情况下，
扩展信息量。
精准的问题，需要匹配精准的尺度
每一种问题，都有最合适的应答方式。
Likert
频率
二分
语义差异
数值评分
排序
多重选择
多种尺度合理组合，
可以同时提升受访者的理解度与参与感。
The Brain 会根据
调查目的与目标人群特征，
设计最合适的尺度组合，
在提升数据质量的同时，
也优化受访体验。
