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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13