SPSS多选题分析_数据分析师
在市场调查问卷中，总会设计一部分多项选择题，对于多选题，一般采用频数分析，SPSS提供了专门的多选题频数分析统计分析功能。
【调查问卷】
5、您拥有以下哪些品牌的贵宾卡？
（1）班尼路（2）真维斯（3）佐丹奴（4）堡师龙（5）苹果 （6）U2
这是一个典型的多选题，在本系列文章所采用的问卷中反映消费者的持卡消费能力，以下采用SPSS多重响应多选题频数分析功能。
【1】原调查问卷数据组织格式
调查问卷在录入时，对于被选中的项标示为1，未选中则为0，根据选项的多少，编码如下图：
【2】第一步：建立多重响应项集
SPSS进行多选题频数分析需首先将该问题编码变量合并为一个多重响应项集，菜单操作：分析——多重响应——定义变量集。
【3】第二步：多重响应项集的频数分析
SPSS菜单操作为：分析——多重响应——频率，弹框内可看见上一步建立的项集，确定。
【4】SPSS提供的结果
1、个案摘要表
主要显示样本是否有系统缺失，此处可见，共有171个缺失值，有效率96.7%
2、频率分析表
特别注意响应率和普及率两个指标，响应率6.7%=430/6415，即选择班尼路vip的消费者在所有响应中（所有1的次数）的比例；而普及率8.5%=430/5066，在有效样本中的比例。我们选择用柱形图表达数据效果：
柱形图，一目了然告诉读者结果，所以，在SPSS提供现有表格和图形之外，选择更具有表现力的数据分析图表也是数据分析师的一项重要任务。
【5】如果仅分析到上一步就结束未免过早，在多重响应分析选项中还有一项：交叉表，即可通过选择分类变量进入，分类统计频数情况，可观测不同分类的变化情况，对于最终指导工作有很大作用。
可见，与2001年相比，真维斯持卡消费的响应率略有下滑（78.6%下滑至75.3%），这并不是管理者希望看到的，这代表损失了部分目标消费者，相反，其竞争对手却有不同程度的提高，提示管理者需要重视在VIP客户服务方面的质量。
当然，还可以依据其他分析的维度进行分类，比如收入、年龄段，此处省略。（文章来源：CDA数据分析师）
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
在构建前向神经网络（Feedforward Neural Network，简称 FNN）时，“隐藏层数目设多少？每个隐藏层该放多少个神经元？” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是：Excel 透 ...
2025-10-29在 CDA（Certified Data Analyst）数据分析师的工作中，“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中，“正态分布” 是许多统计方法（如 t 检验、方差分析、线性回归）的核心假设 —— 数据符合正态分布时，统计检验的 ...
2025-10-28箱线图（Box Plot）作为展示数据分布的核心统计图表，能直观呈现数据的中位数、四分位数、离散程度与异常值，是质量控制、实验分 ...
2025-10-28在 CDA（Certified Data Analyst）数据分析师的工作中，“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域，单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布，却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合，理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA（Certified Data Analyst）数据分析师而言，“假设检验” 绝非 “套用统计公式的机械操作”，而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中，“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”，直接决定了运营动作 ...
2025-10-24在卷积神经网络（CNN）的训练中，“卷积层（Conv）后是否添加归一化（如 BN、LN）和激活函数（如 ReLU、GELU）” 是每个开发者都 ...
2025-10-24在数据决策链条中，“统计分析” 是挖掘数据规律的核心，“可视化” 是呈现规律的桥梁 ——CDA（Certified Data Analyst）数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上，Python 凭借其丰富的科学计算库（NumPy、FilterPy）、深度学习框架（PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域，“状态估计” 是核心任务 —— 即从含噪声的观测数据中，精准推断系统的真 ...
2025-10-23在数据分析全流程中，“数据清洗” 恰似烹饪前的食材处理：若食材（数据）腐烂变质、混杂异物（脏数据），即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域，“大模型” 已成为近年来的热点标签：从参数超 1750 亿的 GPT-3，到万亿级参数的 PaLM，再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中，“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中，“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中，订单数据分散 ...
2025-10-22在神经网络设计中，“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”（模型无法捕捉复杂数据规律，如用单隐 ...
2025-10-21在特征工程流程中，“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度，剔除无意义、冗余的特 ...
2025-10-21
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
