用途：帮助研究者设计有效、可靠的问卷工具，完成从题型选择、Likert 量表构建、响应编码到分析前数据准备的完整流程。
主要能力：
- 题型选择与对应分析：Likert、单选、排序、开放式、矩阵、滑块/VAS、语义差异，并给出各自适合的分析方式。
- 好问题四原则（Clear、Concise、Complete、Consistent），以及双管问题、诱导性提问、绝对化措辞等常见错误的修正。
- Likert 量表设计：4/5/7/11 点量表的示例与推荐用法，锚点标签（同意、频率、满意度）定义。
- 反向计分题：每个构念加入 2-3 道反向题以检测默认同意偏差，公式为 reversed_score = (max_scale + 1) - raw_score。
- 多题项量表构建流程：定义构念、生成 1.5-2 倍题项、专家评审（CVI）、30-50 人预测试、项目分析、探索性因子分析（EFA）、定稿。
- 数据编码与准备：Pandas 编码示例、反向计分、合成均值、缺失值处理（整列删除、均值插补、个人均值插补）。
- 信效度：Cronbach's alpha（>=0.70 可接受，>=0.80 良好，>=0.90 优秀）、校正项目-总分相关（>0.30）、内容/构念/聚合/区分/效标效度与重测信度（ICC>0.70）。
- 平台对比：Qualtrics、SurveyMonkey、Google Forms、LimeSurvey、REDCap、Prolific 的定位与成本类型。
使用方式：按资料中的步骤定义构念并生成题项，经专家评审与预测试后，用所给 Python/R 代码进行反向计分、合成得分、缺失值处理与信度分析。
适用场景：学术问卷开发、心理测量量表编制、课程与科研调查、临床或隐私敏感研究。
限制：资料未提供该技能的安装命令、调用方式、平台兼容性与收费信息；成本与价格描述仅为原资料平台对比内容。