滿意度調查學
測試問卷
有效問卷具有三個重要的屬性：焦點、簡短及清楚。
問題應該將焦點直接放在特定的議題或標題上，要儘可能的簡潔又不失原意，
表達時要儘可能的簡單及清楚，當問卷上所有的問題符合以上這些標準，
這份問卷的內容效度和一致性效度就已具備了，
接下來就能夠將這份問卷拿到預定的地方去進行測試。
病患滿意度調查問卷大部份會在住院病患出院後大約十天寄達給病患，
這種郵寄的方法比起以手發的方式更能夠消除選擇及服從誤差，
寄出的問卷數目需要記錄，回收問卷的數目也要記錄並計算回收率，
計算時必須將郵寄問卷的份數當做分母，並調查那些不回覆問卷的族群特性。
籍由病患針對住院中不同層面加以評分來衡量病患對受到照護及服務的感受，
這些問題根據不同的照護層面而被分成幾個部份 (例如：入院、病房、餐點、護理照護、
檢查及治療、訪客及家人、醫師照護、出院、個人問題、整體評估)，李克特 (Likert)
五點量表使用下列的分類：很不滿意、不滿意、可接受、滿意及非常滿意。
受訪者也可以不回答，因為問題與他們的住院無關。
問卷的測定
評估問卷的準確度是以它的效度及信度來衡量，
效度是指問卷是否能真正衡量到想要衡量的問題，
信度是衡量調查資料的一致性及是否能經由調查其他人或由其他人來做研究也可得到相同的結果。
回覆模式及變數
利用中央趨勢的衡量(如：平均數、中位數及眾數)和變異情形(標準差、標準誤)來測試所有的問題。
利用回覆的頻率及病患的意見來評估流失數據的模式及問卷的問題是否有用字遣辭或模糊不清的缺點，
這些步驟對於確定問題的清楚性及消彌誤差或錯誤都很重要。
衡量是否有多餘的部份
所有測試問題的相關矩陣是用來衡量任一問題是否與另一個問題具有高度相關，
如果兩個問題間具有高度相關，他們可能衡量了相同的問題或概念，
這二個問題中的一個可以將其消除。這樣可以減少問卷多餘的部份及維持問卷的簡短。
建構效度 (Construct Validity)
因素分析是一種技術，利用統計來解釋問卷中對問題的差異性，換句話說，
因素分析能夠幫助確認那些問題屬於同類，確定問卷的建構或結構的效度，
做因素分析時整體評估這一項要被省略，因為它與其他項目總有相關。
因素分析將所有問題分配到有意義的數個次項目中，
具有高度相關的問題群通常代表的是一個相同的構面或概念，
例如醫師的態度親切及醫師有善儘告知病情的責任，
這兩個問題是最有可能被歸類為“醫師照護”這個構面當中，
而非“病房的佈置舒適度”或“護士對於你要求時的態度”。
| 表格 1. 因素相關矩陣
|
|
|
入院
|
病房
|
餐點
|
護士
|
檢驗室
|
訪客
|
醫師
|
出院
|
個人
|
整體
|
| 入院
|
1
|
|
|
|
|
|
|
|
|
|
| 病房
|
0.51
|
1
|
|
|
|
|
|
|
|
|
| 餐點
|
0.44
|
0.59
|
1
|
|
|
|
|
|
|
|
| 護士
|
0.49
|
0.57
|
0.49
|
1
|
|
|
|
|
|
|
| 檢驗室
|
0.47
|
0.50
|
0.43
|
0.58
|
1
|
|
|
|
|
|
| 訪客
|
0.50
|
0.60
|
0.52
|
0.64
|
0.58
|
1
|
|
|
|
|
| 醫師
|
0.43
|
0.43
|
0.39
|
0.52
|
0.52
|
0.53
|
1
|
|
|
|
| 出院
|
0.48
|
0.51
|
0.45
|
0.60
|
0.52
|
0.59
|
0.58
|
1
|
|
|
| 個人
|
0.46
|
0.53
|
0.45
|
0.67
|
0.53
|
0.60
|
0.54
|
0.62
|
1
|
|
| 整體
|
0.48
|
0.60
|
0.51
|
0.68
|
0.59
|
0.67
|
0.58
|
0.66
|
0.70
|
1
|
在消除多餘或低負荷量的問題後，
對於剩餘的主要問題使用 Promax 斜交轉軸法來進行因素分析。
收斂及區別效度 (Convergent and Discriminant Validities)
雖然因素分析在建立問卷建構的效度上是一種普遍的方法，
但還有其他可用的方法，例如，建立問卷和調查的假說之一，
為總項結構中的個別項目間應有良好的相關性，研究者建議最小的“分項對總項”
的相關係數應為 0.3。
| 表格 2. 項目分析及信度估計
|
| Scale
|
Alpha
|
Average
Corrected
Item-ScaleCorrelations |
Range
Corrected
Item-Scale
Correlations |
Average
Item-Non-Scale
Correlations |
Range of
Item-Non-Scale
Correlations |
| 入院
|
0.80
|
0.62
|
0.58~0.69
|
0.39
|
0.33~0.45
|
| 病房
|
0.81
|
0.57
|
0.52~0.64
|
0.39
|
0.28~0.50
|
| 餐點
|
0.90
|
0.72
|
0.61~0.82
|
0.40
|
0.29~0.52
|
| 照護
|
0.94
|
0.78
|
0.72~0.83
|
0.49
|
0.37~0.62
|
| 檢驗室
|
0.90
|
0.72
|
0.67~0.79
|
0.45
|
0.34~0.58
|
| 訪客
|
0.85
|
0.68
|
0.66~0.73
|
0.49
|
0.40~0.58
|
| 醫師
|
0.93
|
0.82
|
0.78~0.87
|
0.45
|
0.32~0.60
|
| 出院
|
0.88
|
0.71
|
0.64~0.78
|
0.46
|
0.35~0.59
|
| 個人
|
0.87
|
0.70
|
0.60~0.78
|
0.49
|
0.37~0.69
|
| 整體
|
0.90
|
0.67
|
0.56~0.77
|
0.49
|
0.32~0.72
|
表格 2 顯示每個問題與母項間相關的平均值及範圍，
在計算兩者之間的相關時，我們將其中相同的項目刪除以修正這些相關係數，
此種修正是為了避免過份誇大或偽造的正相關。
子項應與它的母項具有相關性(收斂效度)，
其與母項之相關程度應大於其他母項(區別效度)，也就是說，
子項對其母項的相關程度應該高於該子項對於非其母項之相關程度，
例如，護理照護問題對於其母項的相關程度應高於其對醫師照護的項目。
由表格 2 可同時看出收斂效度及區別效度，
因為收斂效度及區別效度是建構效度的子集合，
問卷在衡量病患對於所受到照護感受的有效性必須用許多測試來加以證實。
效標、預測、效度
預測效度指的是一項工具預測理論上結果的能力，
在消費者滿意度中，所謂滿意被認為會以二種個人行為來表現，
即再購買行為(在未來會再回來購買其他的產品或服務)及口碑(向家人或朋友推薦產品)。
健康照護產業中由於病患對於提供醫療照護者和機構的選擇受到限制，
所以對於滿意度及再購買行為的關係是很難去評估的，然而，
在台灣中央健保局是允許病患選擇醫療提供者，
所以並不像美國一樣，有那麼多問題(在美國病患只被允准去同一個醫療機構)，
至於滿意度與口碑之間的關聯估計可以藉由詢問病患是否打算推薦這個醫療提供者或服務來獲得，
因此滿意度工具的預測效度可以藉由問卷裡每一個問題預測病患再次回診的意願程度而得知。
每個個別項目可以用簡單迴歸分析來預測顧客會不會推薦我醫院。
而由所有項目所組成的複迴歸分析可以提供皮耳森相關係數(r2)，
例如，如果 r2 是 0.64，即這項調查能解釋影響顧客會不會推薦本院的變數中的 64%，
根據 Carey，一項好的調查在整體評估中要有 50% 或更高的解釋變數能力。
信度 (Reliability)
信度的測試是評估問卷內部一致性的方法，
傳統的統計利用 Cronbach’s Alpha 來描述總項或問卷中的分項一致性的程度，
一組問題如果沒有內部一致性即沒有信度可言，
其 alpha 值為 0.0 即表示在總項中的問題並不具有衡量相同概念的能力。
一組具有完整內部一致性的問題其 aplha 值為 1。
衡量內部一致性及信度一般所用的標準之aplha值需要在0.7以上。
可讀性 (Readability)
根據 Flesch-Kincaid Index，
以每個問題中的字數和每個字中的音節數的平均數為基礎，
可以將問卷用簡單的方法加以分級(例如：易讀性為第6級)，
這項測試僅適用在英文問卷中。
References
1. Bland M, Altman DG. Statistics notes: Cronbach's alpha. Brit Med J 1997;314:572.
2. Carey RG. How to choose a patient survey system.
The Joint Commission Journal of Quality Improvement. 1999; 25: 20-5.