京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06