正文
如果没有合适的题目做测谎题，也可以在编制问卷的时候设置测谎题，两种设计思路：
同一个题目前后问两遍，检查答案是否一致，如：请从下列选项中选出你最常用的地图APP。注意避免使用有两个答案的问题，比如问用户爱车的品牌就不合适，因为用户前后填答不一致，不一定都是不认真填答，也可能是因为用户本身有两辆车。
设置一个有明显错误答案的问题，检查是否选择了错误的答案，如：你最常用的地图APP是哪个：混淆选项可以用 ：京东。不过我们只是想检验用户的认真程度，而非考验用户的记忆力，所以测谎题要简单明确，只要认真看题就不会错。比如问用户最常用的地图APP是哪个，混淆选项用“微信”就不合适，因为用户不认真想的话，很容易把微信自带的地图当成地图APP。
如果技术支持，也可以通过后台数据和用户问卷中的数据做匹配，常用的是性别、年龄、常居地之类的数据，也可以问一些明确的行为数据，比如是否用地图买过火车票。
需要注意的是：选择稳定的明确的数据来做校验题目，不要使用需要回忆的数据来校验，用户的记忆是模糊的有误差的，使用频率、使用年限，这些都不适合做校验，因为用户的记忆很可能与实际行为不完全相符。
问卷调研绝大部分是抽样调研，如果想通过样本的情况去推测整体的情况，除了要考虑最小样本量之外，还需要考虑样本的代表性。群体有很多属性，并不是要求样本的每个属性都和整体一致，而是关注那些对研究问题最有影响的属性，在该属性上样本和整体尽量保持一致。
假设：年龄对用户忠诚度的影响非常大，对出行方式没有影响，那么在研究忠诚度时就需要考虑到年龄因素，而在研究出行方式时，就无需考虑年龄因素了。
具体方法如下：
先根据整体和样本的年龄分布，计算出权重值，然后再使用spss的权重功能，给数据加权。加权后再统计忠诚度。
值得注意的是，不要为了省事儿，直接计算出样本各年龄段的值，然后给
各
年龄段的值赋个权重，求均值。这样的结果是不对的，必须要使用spss的加权功能。
如果有多个因素，挑选最重要的一个因素加权。如果非要考虑多个因素，那么需要了解多个因素交叉后的整体分布。比如既要考虑性别、又要考虑年龄，那么需要将性别和年龄交叉，知道整体男性的年龄分布、女性的年龄分布，再计算权重，成本太高了。
