京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在SPSS中进行复选题数据分析
复选题分析(Multiple Response)
最近群里经常有朋友在问;“怎样用SPSS输入多项选择题啊?”于是本人整理以往学习资料,希望这些东西能够帮他们解决问题。
一、复选题分析的原理
(一)复选题分析的限制和用途
复选题在许多问卷或数据收集中经常出现,例如:某家旅行社询问采访者最近一年内,曾经搭乘国内四家航空公司(东方、南方、上海、海南)中的哪几家,这就是一个典型的复选题问题。通常这些复选题只是请受访者构选“有“或”无“,亦即该选项只能建立数据时,以命名尺度的”1“与”0“来呈现,但命名量表是精度最低的测量方式,其会限制这些复选题可使用的统计检验分析方法。
复选题经常被使用,但其通常使用的统计分析只有频次分析表与交叉分析表等描述性统计,且不能进行后续所有的检验分析,并且经常被滥用。如果进行非学术性研究,只想了解复选项目的频次分布,则可使用复选题;但如果进行学术性研究,则建议尽量不使用复选题,而尽量使用复选题的变形。例如:询问受访者乘坐各家航空公司的乘坐次数、询问每种减肥方式的使用比重、询问对每种兴趣的偏好程度或所花费的时间等,即将原来的命名量表测量变量变为等距或以上的量表。
(二)如何在SPSS中创建复选题
如何在SPSS中输入多项选者题以及如何进行频次和交叉分析,下面将举例说明。例如调查学生的“上网项目“和”嗜好“两组复选题目,其中“上网项目”包括找数据、网站购物、在线游戏、聊天室等;经常从事的“嗜好“包括打球、看电视、打电动、逛街、唱歌等。
复选题在建立数据文件时,必须将每一个选项设为一个变量,而非一组变量成为一个变量,例如:这里上网项目与嗜好各有4个和5个选项,合计9个选项,则需要新建9个变量,如下图所示:
二、定义复选题分析集(Define Sets)
点击Multiple Response选单下的Define sets,将出现Define Multiple Response sets对话框,如下图所示:
(一)复选题分析集名称(Name)
可将复选题分成多重二分集和多类别集合,最多可以定义20个复选题分析集。每个集合必须有一个唯一的名称。每个复选题分析集都必须指定专属的名称,最多可有7个字符。
在上面的例子中,首先在Set Definition框中选择第一个分析集所定义的变量(找数据、网站购物、在线游戏、聊天室)到右边的Variables in Set框中,然后在Name框中,输入分析集名称“上网项目”,并按下add键之后就会在右边的Multiple Response Sets框中出现“$上网项目“,重复此步骤,定义其他分析集。
(二)复选题分析集的数据编码
复选题可编成二分变量或类别变量:
⑴ 二分变量(Dichotomies Counted Values):选取二分法以建立多重二分集,如果在计数值中输入整数值,则计数值至少会出现一次,而计数值中的每个变量都会变成多重二分集中的类别。
⑵ 选取类别(Categories):会建立多类别集合。在多重类别变量集合类别范围的最小值和最大值中,输入整数值。程序会合计范围内所有不同的整数值,空的类别将不会列在表中。例如:受访者的上网项目不会超过三种的话,就可以只要建立三个而非四个变量,且每个变量有四种代码,每个代码代表一种上网项目,如:1、2、3、4分别代表找资料、网站购物、在线游戏、聊天室,则第一个观测值“陈一”的三种上网代码分别是134.
通常这2种方式所得到的结果是相同的,但建议采用二分变量,因为用0和1较易输入,且每个二分变量皆可当命名量表,可分别针对每个复选题变量进行后续的独立样本T检验与卡方检验。
三、复选题分析频次分不表(Frequencies)
“复选题分析频次分析表”程序可以产生复选题分析集的频次分布表。由Multiple ResponseàFrequencies,可打开Multiple Response Frequencies对话框,如下图所示:
对于多重二分集而言,SPSS会用分析集的变量标记当做输出中的类别名称。如果没有定义分析集变量标记的话,变量名称会当作标记使用。其对应的命令语句如下:
MULT RESPONSE
GROUPS=$上网项目 (找资料网站购物 在线游戏 聊天室 (1))
$嗜好 (打球 逛街打电动 看电视 唱歌 (1))
/FREQUENCIES=$上网项目 $嗜好 .
四、复选题分析交叉表(Crosstabs)
“复选题分析交叉表“程序可产生复选题分析集交叉表。由Multiple ResponseàCrosstabs,可打开Multiple Response Crosstabs对话框,如下图所示:
复选题的Crosstabs为一个变量与多个变量的交叉表,例如用性别与上网项目来分析,对应的程序语句为:
MULT RESPONSE
GROUPS=$上网项目 (找资料网站购物 在线游戏 聊天室 (1))
/VARIABLES=性别(0 1)
/TABLES=性别 BY $上网项目
/BASE=CASES .
结果如下:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01