在进行问卷研究时,很多时候都会使用到多选题,多选题很容易理解,而且很多场合时都需要使用多选题进行数据收集。

但当进行分析时会遇见一种尴尬,即只能做最简单的频数,计算个数或者计算下简单的百分比,使得分析比较简单,更谈不上‘高大上’。

今天小编便详细讲解下多选题的‘高大上’分析方法,以及分析的后台原理,并且借助SPSSAU分析平台进行讲述具体如何操作。

计算百分比,普及率和响应率,帕累托图这三种方法都是通过百分比计算,通过不同的展现形式进行分析,相对使用较多。

如果是想使用统计检验的方法进行分析差异性,那么就需要使用CochranQ检验、卡方检验法。

同时还有一种高级的多元统计方法叫对应分析也可以针对多选题进行分析。接下来咱们结合案例慢慢讲述。

数据格式

当前有一项研究电子商务网购平台的偏好数据,并且想分析学历与网购平台的偏好差异性情况。总共收集200个样本,数据如下图所示(图中仅列出10个样本数据)。

多选题的数据格式相对较为特殊,1个选项就会占用一列,并且使用数字1表示选择了该项,数字0表示没有选择该项。

本次网购平台偏好这个多选题共有7个选项,因此数据中有7列。除此之外还有一个学历单选题,单独占一列数据。学历中的数字,数字1代表本科以下,数字2代表本科,数字3代表硕士,数字4代表博士。

需要特别注意地,多选题的数据格式一定并且只能是这样,一个选项为一列,并且使用数字1表示选择,数字0表示没有选择。

在了解完多选题的数据格式后,接着利用SPSSAU平台进行上述六种分析技巧的说明。

1.计算百分比

很容易的想到,通过百分比方式了解研究群体对于网购平台的偏好,是一种很自然的做法。

当前有200个样本,比如有98个选择了拼多多,那么选择比例就是98/200=49%,类似其它6项也一样,这种计算百分比的方法最为简单,使用也最多,而这种百分比在专业上称作‘普及率’。

具体SPSSAU的操作如下图:

SPSSAU多选题分析

上图展示了各项的选择比例,‘天猫’的占比最高为49%,即说明网购平台中天猫的使用率最高,其次是‘京东’,占比是40.5%。除了使用柱形图进行展示,也可以使用条形图,并且对数据进行排序展示等。

2.普及率和响应率

除了上述的基本百分比分析之外,还可进一步利用深入分析。比如本次案例里面98个样本选择‘天猫’,总样本是200个,占比是98/200=49%。这种百分比叫做‘普及率’。除此之外还有一种占比叫做‘响应率’,如下图:

总共200个样本,每个样本可以选择多个选项,一共加起来200个人选择了297个选择,平均一个人选择297/200约为1.5个选项。如果当前想了解相对来看各选项的选择占比,此时就可以使用响应率进行分析,比如总共有98个人选择天猫,全部被选中的项为297个,所以占比为98/297=33.00%。

响应率是一种各选项的选择相对占比指标,更加强调选项之间的PK,因为各个比例的加和一定为100%,所以选项之间可以进行PK对比。

而普及率是一种人群的占比,更加强调样本中有多少比例选择某项。两个指标值的侧重点不一样,如果深入一点的分析,通常需要对响应率进行分析。当然响应率也可以使用图形进行表达,如下图:

想得到响应率指标的计算,事实上依旧是使用SPSSAU【问卷研究】里面的多选题进行操作即可,SPSSAU在此分析方法时会输出非常多的指标,包括接下来的帕累托图。

3.帕累托图

在多选题设计时,很多时候我们想找到某个问题发生的原因,比如说银行服务柜台不满意的地方有哪些?多选题选项分别有:服务态度、等候时间、银行网点少等等很多个原因,从银行角度来看,出现客服对于柜台不满意的原因有很多,首先需要抓住重要的原因,可根据2/8原则进行分析,20%的事情导致了80%的不满意,比如服务态度这一项做好了,可能客服的满意度就会提升80%,帕累托图正是基于2/8原则进行分析。

SPSSAU里面有两个地方可进行帕累托图分析,包括【可视化】--【帕累托图】,和"多选题"里面默认生成的帕累托图。

帕累托图是利用2/8原则进行分析的一种思想,并且使用图形进行展示,一般是为了找到某方面的原因,最大的问题情况等。本次案例的背景并不满足这一点,所以仅列个图,但是不能进行分析。

4.CochranQ检验

上述3种办法,均是通过百分比,画图形式进行展现。如果是进行统计研究,或者为了得到更加精确的差异对比结果,此时就需要使用统计方法进行分析比较差异。

多选题的数据格式是只有两个数字1和0,1代表选择0代表没有选择。1个样本对一个多选题的多个选项进行作答(答案是选择或者不答案)。

这种数据在统计专业上叫做‘多相关样本’数据。刚好有一种统计检验方法可做差异检验即CochranQ检验。

SPSSAU【实验/医学研究】里面可以找到CochranQ检验,把多选题的7个选项放到右边框中,开始分析即可。

得到结果如下:

进行统计检验时,首先看P值,上表格中P值为0.000,那么说明具有显著性差异,即针对7个选项(分别是拼多多,京东,天猫,苏宁,当当,唯品会和其它)的选择比例上有着显著性差异。

这就从统计上证明了各个选择比例具有差异,那么具体差异情况如何呢?可通过SPSSAU输入的表格,当然还有下图进行详细说明。

上图中明显可以看到,天猫和京东的选择比例明显最高属于第一梯队,当当,唯品会这两项的选择比例属于第三梯队。

5.卡方检验

除了CochranQ检验外,有时候需要进行差异对比,比如本次例子中,想对比不同学历的群体,他们选择网购平台的偏好上是否有明显的差异性呢?此时就可使用SPSSAU的‘单选-多选’方法,学历是单选,网购平台偏好是多选,操作如下:

SPSSAU默认输出的第一个表格里面就包括了卡方检验的结果,卡方检验是分析差异的一种非常常用方法。

首先看P值,P值为0.000<0.01,意味着各学历群体,他们对于网购平台的偏好上有着显著性的差异,即各学历群体他们很可能使用不同的网购平台。

当然具体差异情况还是需要通过表格,以及图形进行展示,比如使用下图进行展示:

6.对应分析

如果分析学历和网购平台偏好的差异性,那么可使用卡方检验,卡方检验是利用差异的原理进行分析。

还有一种更高级的多元统计方法叫做‘对应分析’,其是利用‘相关’的原理,比如高学历群体有没有更偏好于京东平台呢,低学历有没有更偏好于拼多多呢。

如果想得到这样的分析,使用对应分析是一种最适合的方法,因为它可以通过一张图(对应图)非常直观的展示这种关系情况。

对应分析不同于常见的图形展示或者统计检验,它是一种高维投映到低维,并且使用散点化的形式将相关的点全部落在一张图上,非常直观形象地展示结果。

SPSSAU对应分析

使用SPSSAU【问卷研究】--【对应分析】即可做到,需要特别说明的一点时,一般‘单选-多选’或者‘多选-多选’分析后才需要进一步对应分析,而且对应分析的数据格式相对较为特殊(通常是加权数据格式),但不用担心,SPSSAU默认就在页面输出了需要进行对应分析的数据格式,比如下图:

本次案例进行对应分析后,得到对应分析的‘对应图’如下:

上图可以看到:本科、硕士、天猫、京东和唯品会这几个点挨在一起,其说明了本科和硕士这两类群体,他们使用天猫、京东和唯品会这3个平台的偏好更强。而本科以下,其它与拼多多挨在一起,说明本科以下低学历群体更可能使用拼多多。除此之外,博士学历群体更偏好于使用苏宁。

其实对应分析最方便的是可一张图看出对应关系,并且利用‘画圈’把关系情况标识出来。当然也可以结合选择百分比等进行分析,其结论实质上一样,但对应分析更加方便直观,当然其统计原理也更‘高级’,很多分析人员出于不会或者担心而不使用这一高级分析方法有点可惜,SPSSAU建议分析多选题交叉关系时,使用对应分析直观展示关系情况。

7.其它说明

除了上述涉及到多选题的分析技巧外,有时候还可能分析多选题和多选题之间的关系,也或者多选题和单选题之间的关系,均可通过SPSSAU【问卷研究】里面实现。

别再说不会分析多选题了!这6种方法解决你的烦恼!相关推荐

  1. 如何将单选题多选题分开_别再说不会分析多选题了!这6种方法解决你的烦恼!...

    在进行问卷研究时,很多时候都会使用到多选题,多选题很容易理解,而且很多场合时都需要使用多选题进行数据收集. 但当进行分析时会遇见一种尴尬,即只能做最简单的频数,计算个数或者计算下简单的百分比,使得分析 ...

  2. 分析网页 JavaScript Bundles 的几种方法

    分析你网页中的  JavaScript Bundles 大小,并限制网页中的 JavaScript 数量,可以减少浏览器花费在解析.编译和执行 JavaScript 的时间.这可以加快浏览器可以开始响 ...

  3. python输出运行时间_分析python程序运行时间的几种方法

    最早见过手写的,类似于下面这种: 1 import datetime 2 3 def time_1(): 4 begin = datetime.datetime.now() 5 sum = 0 6 f ...

  4. php遍历数组哪个效率高,PHP遍历数组的三种方法及效率对比分析

    PHP遍历数组的三种方法及效率对比分析 发布于 2015-03-04 21:55:27 | 129 次阅读 | 评论: 0 | 来源: 网友投递 PHP开源脚本语言PHP(外文名: Hypertext ...

  5. oracle表分析效果怎么看,Oracle 索引与表分析几种方法

    分析表与索引有几种方法,现在列举出来参考下. 1.分析表与索引(analyze 不会重建索引) analyze table tablename compute statistics 等同于 analy ...

  6. 要做差异性分析,如何选择正确的统计方法?

    大家好啊!最近SPSSAU后台有很多小伙伴留言提问,其中有两个问题: 其实上面的问题,主要是想要研究定类数据和定类数据之间的差异关系,而不是相关性的分析,我们进行数据研究,就是想要挖掘数据间的信息和价 ...

  7. C#中判断空字符串的3种方法性能分析【月儿原创】

    C#中判断空字符串的3种方法性能分析 作者:清清月儿 主页:http://blog.csdn.net/21aspnet/           时间:2007.4.28  3种方法分别是:string ...

  8. R语言DALEX包的model_profile函数对caret包生成的多个算法模型的连续变量进行分析、使用Acumulated Local Effects (ALE)方法解释某个连续特征和目标值关系

    R语言使用DALEX包的model_profile函数对caret包生成的多个算法模型的连续变量进行分析.使用Acumulated Local Effects (ALE)方法解释某个连续特征和目标值y ...

  9. 通过分析来精简你的测试的6种方法(译)

    过去几年来,组织开发软件的方法已经发生重大的改变了.从敏捷开发到持续的一切,开发者们正越跑越快,并在更少的时间内开发出更多的内容. 作为一名测试,你需要保持跟进.你必须使业务运行更快,减少到市场的时间 ...

最新文章

  1. mysql查询filter_子查询包含or引起的filter性能问题案例
  2. UA MATH524 复变函数6 Green定理与Green公式
  3. 数据中心建设提速 2021年呈四大发展趋势
  4. python基础入门:内置函数之排列组合函数教程
  5. java annotation入门_JAVA - Annotation 注解 入门
  6. 华为荣耀5cvs华为v9play_华为荣耀v9play和荣耀9哪个好_华为荣耀v9play和荣耀9对比评测_飞翔教程...
  7. centos移动文件到指定目录_Dynamo批量分离中心文件并另存到指定目录
  8. C++ SVM Opencv3.4实现人脸检测
  9. ORACLE 进入sqlplus的协议适配器错误
  10. python3.5以上版本的保留字总数是_python函数之参数(python3.5)
  11. 硬盘MBR和GPT区别
  12. 计算机网络在实践中的应用,计算机网络技术在实践中的应用
  13. 浮窗 动画特效 android,悬浮窗能实现自定Animation动画效果吗?
  14. 多目标追踪综述阅读(2021)
  15. 大型计算机grads使用,win10中GRADS出现FAST_CWD pointer错误的详细解决方法
  16. 数据统计分析(1):数据分析流程
  17. Android端投影演示方案
  18. 清华等7校联考时间确定 北大联盟增至13所
  19. 数据结构:按成绩输出名次排序
  20. R 单样本wilcoxon test

热门文章

  1. 2019年Java大厂面试题讲解(周阳) 之Github学习(自学路上助推器)
  2. 小米扫地机器人一直提示安装尘盒_忘记放回小米扫地机器人的尘盒 居然打开新彩蛋...
  3. error An unexpected error occurred: “EPERM: operation not permitted, unlink ‘C:\\Users
  4. 【Python】解决使用 plt.savefig 保存图片时一片空白
  5. 【Java 8 新特性】Java 8 Collectors:reducing 示例(List分组取最值)
  6. docker搭建XXLjob
  7. 炫龙银魂t1配置_炫龙银魂T1,不一样的外观一样的强悍
  8. 短信验证码开发教程 - 4.后端篇
  9. 关于人工智能的一些思考
  10. 用GitHub Actions自动部署Hexo