撰写MPA（公共管理硕士）论文时，若遭遇涉及多因素、多目标且充满不确定性的复杂公共决策或政策评估问题，我们研究者就需要应对那些难以直接量化的定性判断。此时，德尔菲法（Delphi Method）便能发挥巨大作用，它是一种结构化、系统化的专家集体预测与共识构建技术。

其核心优势在于，通过匿名、多轮、背靠背的征询与反馈，引导不同背景的专家独立、审慎地发表见解，让分散的观点逐步汇聚，最终在模糊领域形成可靠的集体共识或趋势预测。

本文将结合MPA研究的实际应用场景，深入剖析德尔菲法从问卷设计、专家筛选到数据收集、分析及结论形成的整套操作要点，还会着重讲解关键的数值化处理步骤（例如Likert量表的使用、统计指标的计算、共识度的判断等），旨在为您的论文提供一套清晰、规范、便于操作的方法论指南，助您让研究更严谨、更具说服力。

一、问卷设计可分为四个步骤，从搭建框架到科学量化，一步到位！

德尔菲法问卷并非简单地堆砌问题，而是一种结构化、层次化，且兼具定性与定量特性的测量工具。其设计目的在于系统地收集专家在特定领域的专业知识与判断，为后续的统计分析和达成共识奠定基础。一份标准的德尔菲问卷通常包含以下四个逻辑递进的部分：

1. 引导语部分：构建研究共识与规范框架

嘿，咱们的主要目标就是在正式提问前，先跟专家们搭个桥，建立个“心理契约”啥的。说白了，就是让大家都站在同一条起跑线上，用一样的眼光和规矩来看待问题。这样一来，专家们的回答质量肯定能上去，而且收集到的数据也能方便比较啦！

必备要素：

研究背景与意义：用简洁明了的语言阐述本次研究聚焦的公共管理难题（例如“如何评估基层智慧治理效果”“怎样确定公共卫生应急物资储备标准”），以及为何该问题在理论和现实层面都极为紧迫。

研究目标：清晰说明本次德尔菲调查的具体目的（例如“主要是先筛选出对XX政策执行效果影响最大的指标”）。

填写指南：详细说明问卷的样式、打分方式（例如采用李克特5分制：1分表示完全不重要，5分表示超级重要）、大概所需时间以及截止日期。

保密与匿名承诺：再次强调德尔菲法采用匿名操作，确保结果仅用于学术研究，让专家们能够毫无顾虑地畅所欲言，无需担忧身份泄露。

致谢与联系方式：向专家们表达诚挚的感谢，感激他们付出的宝贵时间和贡献的专业知识，同时留下联系方式，方便专家们随时咨询问题。

2. 一级指标评估：构建评估体系的整体框架

核心目的在于：从宏观层面厘清研究主题究竟涵盖哪些关键部分或重点领域。如此一来，后续进行细化评估时便能心中有数，进而搭建起一个总体框架。

设计要点：

指标来源说明：简要阐述一级指标的来源，例如参考了相关文献、分析了政策文件，或是先开展了访谈等，如此一来，专家们便能更好地理解并认可这一框架。

清晰表述：每个一级指标应是概括性强、方向明确的概念，例如“政策设计科学性”“执行资源配置”“利益相关者协同”“监督与问责机制”等。

标准化评估：通常会让专家运用李克特5点或7点量表，为每个一级指标的重要性、必要性或可行性进行打分。此外，可增设一个“开放性意见栏”，鼓励专家们提出增删改建议，并说明理由。

3.二级指标评估：使评估维度更为深入、具体！

核心目的在于将每个一级指标细致剖析、透彻解读，转化为切实可感、清晰可见的二级条目，如此便能初步构建出一套完整的评估指标体系草稿！在设计时，需着重关注以下几方面要点：

其一，逻辑对应。二级指标需明确归属至特定的一级指标范畴，如此一来，便能搭建起一个“目标 - 准则 - 指标”的清晰架构。

其二，具体可测。二级指标必须表述精准、清晰，杜绝模糊不清的表述。例如，若一级指标为“执行资源配置”，则二级指标应具体指向诸如“财政专项资金到位率”“专职人员配备是否充足”“信息技术平台支持状况如何”等能够明确测量的内容。

其三，同步评估。依旧采用打分表的方式，邀请专家为每个二级指标的重要性进行评分，同时预留“修改建议”区域，鼓励大家踊跃提出意见。此环节乃是德尔菲法中最为关键的部分，通过收集的数据可计算出均值、标准差、变异系数等指标，从而判断大家的意见是否渐趋一致。

4. 专家权威度大调查：瞧瞧专家意见究竟有多重的“分量”！

核心目的在于科学地评估每位专家在研究问题方面的权威性。如此一来，后续若要开展加权计算（尽管并非必要之举，但能使结果更具科学性），便有了可靠依据，还能提升最终结果的可信度！

确定设计权威系数 Cr 的小窍门如下：首先进行理论分析（影响分为低/中/高），然后参考实践经验（影响分为低/中/高），接着询问国内外同行的看法（影响分为低/中/高），最后凭借直觉做出判断（影响分为低/中/高）。针对每种理由赋予相应分数，例如“高”计为 0.5，“中”计为 0.4，“低”计为 0.3，将这些分数相加便得到 Ca。

判断依据（Ca）：邀请专家阐述自身判断的主要理由以及影响程度。

熟悉程度（Cs）：由专家自行评估对问卷问题的熟悉程度，通常采用 5 分制或 6 分制（1 表示很不熟，2 表示不太熟，3 表示一般熟，4 表示比较熟，5 表示非常熟）。同样赋予相应分数（1 对应 0.2，2 对应 0.4，……5 对应 1.0）。

权威系数（Cr）的计算公式为：Cr = (Ca + Cs) / 2。一般而言，当 Cr ≥ 0.7 时，表明专家具备权威性，其结论较为可靠。这些数据是评估德尔菲法过程与结论可靠性的关键依据。

结构提示：在问卷中，这四个部分需按照上述顺序排列，确保逻辑清晰。在第二轮及后续的问卷中，还应增设一个“反馈模块”。具体做法是将上一轮全组的统计结果（如均值、标准差）以及专家上一轮的评分以匿名形式告知专家，供他们参考后决定是否调整自己的判断。这正是德尔菲法促使意见趋于一致的核心策略。

二、数据统计与指标解析：从描述迈向推断的科学分析

德尔菲法的科学性不仅体现在设计流程上，更为关键的是对收集回来的数据进行系统性统计与合理解读。借助一系列量化指标，研究人员能够客观地判断专家们的意见是否愈发集中、意见的一致性程度如何，以及专家自身的权威水平高低，从而为最终结论提供坚实的依据。以下是核心的数据统计与解读步骤：

1. 专家活跃度指标：评估专家贡献程度！这一指标究竟是什么含义，又该如何计算呢？该指标主要衡量专家对我们此项研究的投入程度以及配合度，通常以问卷回收情况来体现。其计算方法十分简便：有效回收率 = (有效问卷数 / 发出的问卷总数) ×100%。

那么，如何解读这一指标呢？较高的回收率表明专家们对此研究高度关注，研究基础也更为坚实。在德尔菲法中，每一轮的回收率最好不低于70%，如此方能确保数据具有充分的代表性。倘若回收率过低，研究结果的可靠性可能会大打折扣，此时就需要探寻原因并思考改进措施，例如加强催问频率、优化问卷设计等。

2. 意见集中度：找出众人看法一致的关键指标。

核心目的：计算专家们对某个指标重要性（或可行性等）评价的集中程度，查看哪些是大家普遍认可的核心要素。

主要统计量：

均数（Mj）：即专家对第j个指标打分的平均值，它直接体现专家意见的集中程度。Mj值越高（一般采用5分制或7分制打分），表明该指标被认为越重要。例如在5分制中，Mj＞4.0的指标通常属于高度重要的指标。

满分频率（Kj）：即给第j个指标打满分（如5分制中的5分）的专家人数占专家总人数的百分比。Kj值越高，意味着认可该指标为最重要指标的专家比例越大，关于其重要性的共识就越强。

应用：在选择指标时，通常会将Mj和Kj结合起来考量。例如，可以设定这样一个标准：“Mj≥4.0且Kj≥20%”的指标才能算作关键指标。

3. 意见协调度：查看众人的想法是否愈发趋向一致！

核心目的：旨在了解专家群体内部的意见是否相近（协调度），并通过多轮讨论，观察大家的意见是否日渐趋近（达成共识）。

关键指标：

变异系数（CVj）：该指标为第j个得分的标准差（Sj）除以平均值（Mj）所得结果（CVj = Sj / Mj）。它消除了单位的影响，能够直接反映专家们对该指标评价的差异程度。CVj越小，表明专家们的意见越统一。一般来说，CVj小于0.25（或0.3），就意味着大家对这个指标已达成较好的共识。

肯德尔协调系数（W）：这是用于检验所有专家对所有指标的评价是否一致（即并非随意给出）的一个全局统计量。W值介于0到1之间，数值越高，说明专家们的整体意见越一致。通常需运用卡方检验（χ²检验）来判断W是否具有统计意义（p <0.05或0.01）。

过程解读：德尔菲法分多轮进行，理想情形为：每一轮的平均CV值逐步减小，而W值显著上升并趋于稳定，且显著性增强。这表明多轮的反馈机制切实发挥了作用，使专家们的意见从存在分歧逐渐走向一致！

4. 专家权威程度：量化结论可信度的根基

定义与计算：简而言之，专家权威系数（Cr）是将专家自评的判断依据（Ca）与熟悉程度（Cs）相加后除以 2，其公式为 Cr = (Ca + Cs) / 2。

解读与作用：

个人层面：若 Cr > 0.7，则表明这位专家颇具权威性，我们应充分重视其意见。

整体层面：需计算出所有专家的平均权威系数（ĀCr）并予以报告。当 ĀCr > 0.7 时，意味着整个德尔菲专家团队的质量较高，也能证明最终的研究结论可靠且令人信服。撰写论文时，切不可遗漏这一 ĀCr 数据！

综合分析流程：每一轮咨询结束后，研究者需对所有指标进行全面计算。借助意见集中度（Mj, Kj）筛选出重要指标，再通过意见协调度（CVj, W）判断是否达成共识，最后依靠专家权威系数（ĀCr）检验整个研究的基础是否坚实。对于尚未达成共识的指标，应将其统计结果（均值、分歧点）作为反馈，纳入下一轮问卷继续进行询问，直至达到预设的收敛标准。

三、多轮咨询操作演示：我们以“教师精准教学能力”这一指标为例来构建一个模型！

德尔菲法的精妙之处在于，它能够动态且循序渐进地助力大家达成共识。就以“教师精准教学能力评价指标体系构建”这一研究为例，具体探究如何借助两轮（甚至更多轮）的咨询，广泛汇聚各方意见，最终使其达成一致。

 第一轮咨询：开放式征询与初步筛选

这一轮的核心目标在于广泛收集信息，全面征集各类意见，初步搭建起指标池的框架。

问卷设计：问卷主要采用半开放式结构。开头给出引导语以及一级维度，例如“数据素养”“教学决策”“差异干预”“技术应用”“反思发展”等。对于二级指标，仅提供几个示例，或者干脆留白，鼓励专家依据自身见解自由进行添加、删减和修改，同时可为每个指标评定重要性分数（例如采用李克特 5 分制）。

数据统计与分析：

1. 均值界值：剔除重要性平均分低于标准（如 Mj < 3.5）的指标。

2. 离散界值：删掉变异系数过大（如 CVj > 0.3）的指标，这表明专家们对其重要性的看法差异较大。

3. 综合界值：去除低于“均数 - 2×标准差”的指标，以此排除那些得分显著偏低的项目。

4. 计算基础统计量：针对收到的有效问卷，计算每个指标（包括原有指标和新增指标）的重要性均数（Mj）、满分频率（Kj）和变异系数（CVj）。

指标初步筛选：采用界值法进行科学筛选。常见的界值标准如下。

质性意见整合：整理专家在开放栏中提出的所有文字修改建议、合并意见以及新指标。例如，有专家建议将“数据收集能力”和“数据分析能力”合并为“数据处理能力”；或者提议增设“伦理意识”这一新指标。

产出与准备：编制《第一轮咨询结果分析报告》，内容涵盖：（1）筛选后保留的指标列表及其 Mj、Kj、CVj 值；（2）被删除的指标及其原因说明；（3）所有重要的专家定性建议汇总。该报告将直接作为第二轮问卷设计的参考依据。

第二轮咨询：结构化反馈与共识收敛

这一轮的核心目标在于，通过反馈促使专家们深入思考，使大家的意见趋向共识。

问卷设计：此轮问卷高度结构化。

嵌入反馈：在每个待评指标旁，以匿名方式展示第一轮的群体统计结果（例如：“上一轮重要性均值为4.2，变异系数0.18”）以及专家本人第一轮的打分。

呈现调整：清晰展示依据第一轮结果所做的修改（例如：展示合并后的新指标“数据处理能力”，并说明合并理由；新增“伦理意识”指标）。

再次评价：专家们在了解群体意见和个人历史意见的基础上，对调整后的完整指标集重新打分，同时可提出最终的文字建议。

数据统计与成效检验：

意见集中度提升：关键指标的均值（Mj）相比第一轮普遍更高，这表明经过讨论与思考，专家们对重要性的认可更为明确和坚定。

意见协调度改善：指标的变异系数显著降低，整体协调系数（W）显著提高，卡方检验的显著性水平（p值）通常更强（例如从p<0.05提升至p<0.01）。这均表明专家们的意见分歧减小，共识度得到有效增强。

计算本轮统计量：重新计算所有指标的Mj、Kj、CVj，以及反映整体一致性的肯德尔协调系数（W），并进行显著性检验。

对比分析收敛效果：

稳定性判断：若大部分指标的CVj已小于0.25，且W值较高（例如>0.5）并显著，可考虑结束咨询。否则，需开展第三轮，继续“反馈 - 评价”的循环。

小结一下，刚才这两轮演示我们都看得十分清晰，德尔菲法实际上是一个“发散 - 收敛”的螺旋式上升过程。第一轮主要是激发大家的思维，广泛收集各种各样的意见；第二轮则是借助结构化的反馈，引导大家进行理性思考，最终达成共识。在整个过程中，研究者扮演着“分析师”和“沟通枢纽”的角色，确保整个流程既科学又透明，最终把那些模糊的概念（例如“精准教学能力”）转化为一组得到专家高度认可、具体且可测量的指标。