Hoppa till innehållet

Från fråga till analys

Välj en fråga. Se vad du kan lära dig av svaret.

Utforska frågetyper, prova att svara och se vilka data du får. Välj sedan en analys och se ett exempel i R.

Den här utbildningsguiden använder syntetiska data. Exempelsvar varken sparas eller skickas. R-koden visar fristående exempel, inte beräkningar som körs här.

Hur genomför du en analys i R? ↓

Envalsfråga

Prova frågan

Vilken servicekanal använder du oftast?

Ändra svaret för att se hur det registreras.

Vilka data får du?

En kategori per person. En rullista ändrar sättet att välja, inte mätnivån.

Vad kan du beräkna eller förstå?

Antal, procent och korstabeller. Jämför svarsfördelningar mellan grupper. Chi-två-testet kräver tillräckliga förväntade frekvenser och oberoende observationer.

Hur ska resultatet tolkas?

En kategorikod är inte ett tal att beräkna medelvärdet av. Överväg Fishers exakta test vid små frekvenser.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

channel <- factor(c("online", "phone", "online", "office", "phone", "online"))
counts <- table(channel)
counts
100 * prop.table(counts)

Ja / Nej

Prova frågan

Kunde du få ditt ärende löst?

Ändra svaret för att se hur det registreras.

Vilka data får du?

En kategori per person. En rullista ändrar sättet att välja, inte mätnivån.

Vad kan du beräkna eller förstå?

Antal, procent och korstabeller. Jämför svarsfördelningar mellan grupper. Chi-två-testet kräver tillräckliga förväntade frekvenser och oberoende observationer.

Hur ska resultatet tolkas?

En kategorikod är inte ett tal att beräkna medelvärdet av. Överväg Fishers exakta test vid små frekvenser.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

channel <- factor(c("online", "phone", "online", "office", "phone", "online"))
counts <- table(channel)
counts
100 * prop.table(counts)

Flervalsfråga

Prova frågan

Vilka servicekanaler använder du?

Ändra svaret för att se hur det registreras.

Vilka data får du?

En separat 0/1-indikator för varje alternativ. En person kan välja flera svar.

Vad kan du beräkna eller förstå?

Antal och andel personer som väljer varje alternativ samt vilka val som förekommer tillsammans.

Hur ska resultatet tolkas?

Ange procentbasen. Andelar av personer kan summera till över 100 %. Samma persons val är inte oberoende respondenter.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

answers <- data.frame(online = c(1, 1, 0, 1), phone = c(0, 1, 1, 1))
colSums(answers)
100 * colMeans(answers)

Skala

Prova frågan

Hur bedömer du servicen på en skala från 1 till 5?

Ändra svaret för att se hur det registreras.

Vilka data får du?

Ordnade betyg. Definiera skalans ändpunkter och använd samma riktning.

Vad kan du beräkna eller förstå?

Fördelning, median och kvartiler. Spearmans korrelation för rangsamband. Medelvärden och parametriska test kräver motiverad mätnivå och uppfyllda antaganden.

Hur ska resultatet tolkas?

Ett enskilt ordinalt betyg blir inte automatiskt ett kontinuerligt mått. Redovisa fördelningen, inte bara medelvärdet.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

score <- c(1, 2, 3, 3, 4, 4, 5, NA)
table(score, useNA = "ifany")
median(score, na.rm = TRUE)
quantile(score, na.rm = TRUE)

Betyg

Prova frågan

Hur bedömer du servicen på en skala från 1 till 5?

Ändra svaret för att se hur det registreras.

Vilka data får du?

Ordnade betyg. Definiera skalans ändpunkter och använd samma riktning.

Vad kan du beräkna eller förstå?

Fördelning, median och kvartiler. Spearmans korrelation för rangsamband. Medelvärden och parametriska test kräver motiverad mätnivå och uppfyllda antaganden.

Hur ska resultatet tolkas?

Ett enskilt ordinalt betyg blir inte automatiskt ett kontinuerligt mått. Redovisa fördelningen, inte bara medelvärdet.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

score <- c(1, 2, 3, 3, 4, 4, 5, NA)
table(score, useNA = "ifany")
median(score, na.rm = TRUE)
quantile(score, na.rm = TRUE)

NPS

Prova frågan

Hur sannolikt är det att du rekommenderar oss på en skala från 0 till 10?

Ändra svaret för att se hur det registreras.

Vilka data får du?

Betyg 0–10: kritiker 0–6, passiva 7–8 och ambassadörer 9–10.

Vad kan du beräkna eller förstå?

NPS är andelen ambassadörer minus andelen kritiker. Redovisa även underlagets storlek och hela betygsfördelningen.

Hur ska resultatet tolkas?

NPS ligger mellan −100 och 100. Det är varken medelbetyget eller andelen nöjda. Små urval ger instabila resultat.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

score <- c(0, 6, 7, 8, 9, 10, 10, NA)
valid <- score[!is.na(score)]
stopifnot(length(valid) > 0, all(valid %in% 0:10))
100 * (mean(valid >= 9) - mean(valid <= 6))

Rangordning

Prova frågan

Rangordna snabbhet, pris och tillgänglighet.
  1. Snabbhet
  2. Pris
  3. Tillgänglighet

Ändra svaret för att se hur det registreras.

Vilka data får du?

Varje alternativs position i samma persons rangordning. Lägre rangtal betyder högre prioritet.

Vad kan du beräkna eller förstå?

Andel förstaplatser, medianrang och jämförelse av positioner. Friedmans test kan användas för fullständiga, parade rangordningar.

Hur ska resultatet tolkas?

Rangordningar visar ordning, inte hur stora preferensskillnaderna är. Bestäm hur bortfall och delade placeringar ska hanteras.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

ranks <- matrix(c(1,2,3, 2,1,3, 1,3,2, 3,1,2), ncol = 3, byrow = TRUE)
colnames(ranks) <- c("speed", "price", "availability")
colMeans(ranks == 1)
friedman.test(ranks)

Matris

Prova frågan

Bedöm snabbhet, tydlig information och bemötande på samma skala.

Ändra svaret för att se hur det registreras.

Vilka data får du?

En separat variabel för varje rad. Det gemensamma formatet gör det lättare att jämföra aspekter.

Vad kan du beräkna eller förstå?

Fördelningar och medianer per rad. För frågor som mäter samma konstrukt: skalans reliabilitet, Cronbachs alfa och faktoranalys efter kontroll av antaganden.

Hur ska resultatet tolkas?

Frågor som ser likadana ut bildar inte nödvändigtvis en skala. Vänd kodningen för relevanta frågor och kontrollera begreppsvaliditeten. Ett högt alfa bevisar inte validitet.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

items <- data.frame(a = c(1,2,3,4,5,3), b = c(2,2,3,4,5,4), c = c(1,3,3,4,4,3))
sapply(items, median)
# Optional package for reliability:
# psych::alpha(items)

Avancerad matris

Prova frågan

Ange betyg, antal besök och en kommentar för varje tjänst.

Ändra svaret för att se hur det registreras.

Vilka data får du?

Celler kan ha olika typer. Håll variabler och deras mätnivåer åtskilda.

Vad kan du beräkna eller förstå?

Analysera tal som tal, val som kategorier och text genom tematisk kodning. Koppla samman resultat med svarsidentifieraren.

Hur ska resultatet tolkas?

Beräkna inte ett medelvärde för hela matrisen med blandade typer. Kontrollera exporten innan du omformar den till en analystabell.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

answers <- data.frame(rating = c(3,4,5), visits = c(1,4,2), comment = c("slow", "clear", "helpful"))
summary(answers[c("rating", "visits")])

Textblock

Prova frågan

Strax frågar vi om ditt senaste besök. Dina svar är konfidentiella.

Strax frågar vi om ditt senaste besök. Dina svar är konfidentiella. Exempelblocket samlar inte in något svar.

Ändra svaret för att se hur det registreras.

Vilka data får du?

Inga data. Blocket visar en instruktion eller introduktion och har inget svarsfält.

Vad kan du beräkna eller förstå?

Det analyseras inte som en fråga. Ta vid tolkningen av resultaten hänsyn till vilken instruktion respondenterna såg före de följande frågorna.

Hur ska resultatet tolkas?

Instruktionens formulering kan påverka svaren. Att ändra blocket mellan undersökningsomgångar försvårar jämförelser; lägg inte frågor som du förväntar dig svar på i det.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

# A text block stores no answer column.
# Document its wording next to the dataset, e.g. in a codebook.

Tal

Prova frågan

Hur många minuter väntade du?

Ändra svaret för att se hur det registreras.

Vilka data får du?

Ett numeriskt värde med enhet och intervall. Noll, uteblivet svar och ”ej tillämpligt” har olika betydelser.

Vad kan du beräkna eller förstå?

Medelvärde, median, standardavvikelse, kvartiler och konfidensintervall. För oberoende grupper: Welchs t-test eller Welchs ANOVA. För samband: korrelation eller regression.

Hur ska resultatet tolkas?

Kontrollera fördelning, avvikande värden och oberoende. Korrelation bevisar inte orsakssamband. Använd parad analys för före- och eftermätningar.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

d <- data.frame(wait = c(3,5,4,7,8,12,9,10), group = rep(c("A", "B"), each = 4))
summary(d$wait)
sd(d$wait)
t.test(wait ~ group, data = d, var.equal = FALSE)
oneway.test(wait ~ group, data = d, var.equal = FALSE)

Kort text

Prova frågan

Vad gjorde det svårast att använda tjänsten?

Ändra svaret för att se hur det registreras.

Vilka data får du?

Svar med egna ord, med sammanhang och möjlighet till tematisk kodning.

Vad kan du beräkna eller förstå?

Definiera koder, tilldela dem till svaren och kontrollera kodningens konsekvens. Jämför teman med kvantitativa betyg och godkända citat.

Hur ska resultatet tolkas?

Antalet ord mäter inte ett temas betydelse. Kodfrekvens visar inte förekomsten i hela populationen. Kontrollera att citat inte identifierar personer.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

coded <- data.frame(id = 1:4, topic = c("time", "clarity", "time", "access"))
table(coded$topic)
# Codes were assigned after reading the answers.

Längre fritextsvar

Prova frågan

Vad gjorde det svårast att använda tjänsten?

Ändra svaret för att se hur det registreras.

Vilka data får du?

Svar med egna ord, med sammanhang och möjlighet till tematisk kodning.

Vad kan du beräkna eller förstå?

Definiera koder, tilldela dem till svaren och kontrollera kodningens konsekvens. Jämför teman med kvantitativa betyg och godkända citat.

Hur ska resultatet tolkas?

Antalet ord mäter inte ett temas betydelse. Kodfrekvens visar inte förekomsten i hela populationen. Kontrollera att citat inte identifierar personer.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

coded <- data.frame(id = 1:4, topic = c("time", "clarity", "time", "access"))
table(coded$topic)
# Codes were assigned after reading the answers.

Datum

Prova frågan

När användes tjänsten?

Ändra svaret för att se hur det registreras.

Vilka data får du?

Datum, klockslag eller tidsstämplar. Bevara tidszon och format.

Vad kan du beräkna eller förstå?

Antal per period, trender och tid mellan händelser. Ta hänsyn till säsongsvariationer och olika periodlängder vid jämförelser.

Hur ska resultatet tolkas?

Klockslag är cykliska: medelvärdet av 23.00 och 01.00 ska inte bli mitt på dagen. Ett saknat datum betyder inte tiden noll.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

dates <- as.Date(c("2026-01-03", "2026-01-10", "2026-02-02"))
table(format(dates, "%Y-%m"))
as.numeric(diff(sort(dates)))

Tid

Prova frågan

När användes tjänsten?

Ändra svaret för att se hur det registreras.

Vilka data får du?

Datum, klockslag eller tidsstämplar. Bevara tidszon och format.

Vad kan du beräkna eller förstå?

Antal per period, trender och tid mellan händelser. Ta hänsyn till säsongsvariationer och olika periodlängder vid jämförelser.

Hur ska resultatet tolkas?

Klockslag är cykliska: medelvärdet av 23.00 och 01.00 ska inte bli mitt på dagen. Ett saknat datum betyder inte tiden noll.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

dates <- as.Date(c("2026-01-03", "2026-01-10", "2026-02-02"))
table(format(dates, "%Y-%m"))
as.numeric(diff(sort(dates)))

Datum och tid

Prova frågan

När användes tjänsten?

Ändra svaret för att se hur det registreras.

Vilka data får du?

Datum, klockslag eller tidsstämplar. Bevara tidszon och format.

Vad kan du beräkna eller förstå?

Antal per period, trender och tid mellan händelser. Ta hänsyn till säsongsvariationer och olika periodlängder vid jämförelser.

Hur ska resultatet tolkas?

Klockslag är cykliska: medelvärdet av 23.00 och 01.00 ska inte bli mitt på dagen. Ett saknat datum betyder inte tiden noll.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

dates <- as.Date(c("2026-01-03", "2026-01-10", "2026-02-02"))
table(format(dates, "%Y-%m"))
as.numeric(diff(sort(dates)))

E-postadress

Prova frågan

Hur kan vi kontakta dig?

Ändra svaret för att se hur det registreras.

Vilka data får du?

Kontaktuppgifter eller en länk, med formatvalidering. Samla bara in dem när undersökningens syfte kräver det.

Vad kan du beräkna eller förstå?

Kontrollera fullständighet och eventuella dubbletter i en behörig process. Använd en pseudonym identifierare för analys av åsikter.

Hur ska resultatet tolkas?

Ett giltigt format bekräftar inte att adressen finns eller att kontakt är tillåten. Ta inte med råa kontaktuppgifter i en offentlig rapport.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

complete <- c(TRUE, FALSE, TRUE, TRUE)
table(complete)
# No contact details are needed in this example.

Telefon

Prova frågan

Hur kan vi kontakta dig?

Ändra svaret för att se hur det registreras.

Vilka data får du?

Kontaktuppgifter eller en länk, med formatvalidering. Samla bara in dem när undersökningens syfte kräver det.

Vad kan du beräkna eller förstå?

Kontrollera fullständighet och eventuella dubbletter i en behörig process. Använd en pseudonym identifierare för analys av åsikter.

Hur ska resultatet tolkas?

Ett giltigt format bekräftar inte att adressen finns eller att kontakt är tillåten. Ta inte med råa kontaktuppgifter i en offentlig rapport.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

complete <- c(TRUE, FALSE, TRUE, TRUE)
table(complete)
# No contact details are needed in this example.

Webbadress

Prova frågan

Ange webbadressen som din synpunkt gäller.

Ändra svaret för att se hur det registreras.

Vilka data får du?

Kontaktuppgifter eller en länk, med formatvalidering. Samla bara in dem när undersökningens syfte kräver det.

Vad kan du beräkna eller förstå?

Kontrollera fullständighet och eventuella dubbletter i en behörig process. Använd en pseudonym identifierare för analys av åsikter.

Hur ska resultatet tolkas?

Ett giltigt format bekräftar inte att adressen finns eller att kontakt är tillåten. Ta inte med råa kontaktuppgifter i en offentlig rapport.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

complete <- c(TRUE, FALSE, TRUE, TRUE)
table(complete)
# No contact details are needed in this example.

Punkt på kartan

Prova frågan

Markera en plats där du behöver en ny tjänst.

Demonstrationsbild utan GPS eller verkliga koordinater.

Ändra svaret för att se hur det registreras.

Vilka data får du?

En punkt som respondenten markerar, utan automatisk GPS-insamling. Det skiljer sig från platsen där intervjun genomförs.

Vad kan du beräkna eller förstå?

I plattformen: aggregera punkter till ett rutnät på 100–10 000 m, tillämpa en publiceringströskel på minst 5 och exportera aggregerad GeoJSON. Efter export kan rutnätet visualiseras i R med sf.

Hur ska resultatet tolkas?

Modulen kräver aktivering, syfte samt inställningar för integritet och lagringstid. Resultat under tröskeln döljs. Publicera inte exakta punkter. Rutstorleken påverkar hur resultatet ser ut.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

# After downloading an aggregated GeoJSON from the platform:
# install.packages("sf") # once, in your own R environment
# cells <- sf::st_read("spatial.geojson", quiet = TRUE)
# plot(sf::st_geometry(cells))
# Check attribute names with names(cells) before mapping counts.

Val av område

Prova frågan

Vilket av områdena behöver en förändring?

Ändra svaret för att se hur det registreras.

Vilka data får du?

Identifieraren för valt område och en version av dess Polygon- eller MultiPolygon-geometri.

Vad kan du beräkna eller förstå?

I plattformen: antal per område med publiceringströskel och GeoJSON-export. Efter export kan R koppla aggregat till geometri och skapa en karta.

Hur ska resultatet tolkas?

Fler markeringar innebär inte högre risk per invånare. Jämförelser behöver rätt nämnare. Kontrollera gränsversioner innan de kombineras.

Visa ett exempel i R

Ett fristående exempel med syntetiska data. Ersätt data och kolumnnamn med din egen förberedda datamängd.

area <- factor(c("A", "B", "A", "C", "B", "A"))
table(area)
100 * prop.table(table(area))
# Use only privacy-safe aggregates for a public map.

Hur genomför du en analys i R?

  1. 1. Förbered datamängden

    Välj undersökningsdata i analysstudion eller importera CSV eller SAV. Kontrollera variabelkoder, mätnivåer, bortfall, filter och analysens underlag. Vid egen export till R kan flervalssvar och matriser behöva omformas.

  2. 2. Välj metod

    Börja med fördelningar och beskrivande statistik. Välj sedan korstabell, korrelation, skillnadstest, regression eller reliabilitetsanalys. Ange hypotes, mätnivå och om observationerna är oberoende eller parade.

  3. 3. Kör och kontrollera beräkningarna

    Välj R-motorn och en tillgänglig analystyp. Ange variabler, grupper och parametrar. R-motorn och paketen måste vara konfigurerade. Geografiska analyser i plattformen använder en separat aggregeringsmotor. R används för fortsatt arbete efter export.

  4. 4. Beskriv resultat och begränsningar

    Redovisa N, bortfall, filter, vikter och metod. Tolka effektstorlek och konfidensintervall där de beräknas. Enbart p säger inget om praktisk betydelse. Spara dataversionen och analysrapporten.

Vilka statistiska metoder stöder plattformen?

Grundläggande R-analyser: beskrivande statistik, korstabeller, korrelation enligt Pearson, Spearman och Kendall, linjär regression, Welchs t-test, Welchs ANOVA, Cronbachs alfa och viktade tabeller.

Utökade metoder omfattar parade mätningar, Wilcoxon-test, justerade parvisa jämförelser, korrelationsinferens, analys av urvalsdesign, GLM, psykometri, multipel imputering och k-means-klustring. Rätt paket och konfiguration krävs. Alla metoder passar inte alla datamängder.

Exemplen med Friedman, Fisher och kartor i sf visar hur du kan arbeta i fristående R. De innebär inte att plattformen har separata knappar för dessa analyser.

Programmets gränssnitt, guiderna, inspelningarna, övningsfilerna och de juridiska dokumenten är för närvarande på polska. Kontakta oss för att diskutera införande på ett annat språk.