问卷调查的多选题怎么进行SPSS分析？

在问卷设计中，为了更全面地了解研究内容和研究对象，常常会使用多选题。

然而，许多人只是简单地使用频数分析来处理多选题数据，而忽略了许多有价值的信息。

实际上，还有很多的多选题分析方法可以用来深入了解受访者的选择行为和偏好。本文将介绍几种常用的多选题分析方法，以帮助更好地利用多选题数据，挖掘出更丰富的信息。

一、多选题录入

在处理多选题时，将每个选项都处理成二分类定类变量是一种常见的做法。

可以将每个选项都看作一个变量，然后将其定义为二分类变量，其中1表示选择该选项，0表示未选择该选项。

需要注意的是，二分类变量的取值必须严格的为0、1，其中1表示选中，0表示未选中。如果使用其他取值，比如2或3来表示选中，可能会导致数据分析和统计结果出现错误。

示例：

二、多选题分析

1、多重响应频率分析

多重响应频率分析是针对问卷调研设计的一种分析多选题的比例情况和普及情况的模型。

通过多重响应频率分析，我们可以计算每个选项被选择的频数或占比，以及不同选项之间的组合频数或占比，进而了解不同选项之间的差异性和相关性。

多重响应频率分析步骤：

• 根据多重响应频率分析表对响应率与普及率进行分析，响应率为全部样本下的各选项的选择比例，普及率为有效样本下的各选项的选择比例，两者都重点对比例较高项进行分析（例如一个多选题由10人回答，但是收获了36个选项，其中全部样本为36，有效样本为10）。
• 进行卡方拟合优度检验，分析各选项的选择比例是否存在差异性，若P<0.05，则说明拒绝没有差异的原假设，各选项的选择比例具有显著性差异。
• 通过响应率和普及率的的可视化图表对分析进行总结。

案例：试分析用户对“元宇宙”未来拓展方向的喜好呈现的比例是否有差异性

软件操作：

step1：打开SPSSPRO免费数据分析网站，选择[多选分析]

step2：拖入多选题

step3：点击【开始分析】进入分析，系统自动分析结果

输出结果分析

多重响应频率分析表显示，从您个人的角度出发，您更希望“元宇宙”进行哪些特质的拓展？ 【多选题】的卡方拟合优度检验的显著性P值为0.000***，水平上呈现显著性，拒绝原假设，意味着各项的选择比例比较呈现显著性差异，分布不均匀。

图表说明：帕累托图是“二八原则”的图形化体现，80%的问题是由20%的原因所致。

第一：结合图形，找出累计比率为0%~80%对应的选项（“至关重要项”），并且结合实际业务知识详细分析该类项。

第二：累计比率在80%~100%对应的选项，其为“微不足道项”，此类项重要性较低。

2、交叉分析

2.1 交叉分析【多选&多选】

分析每一个多选题在每一个多选题项选的分布与差异情况。

分析步骤：

• 根据多重响应频率分析表对响应率与普及率进行分析，响应率为全部样本下的各选项的选择比例，普及率为有效样本下的各选项的选择比例，两者都重点对比例较高项进行分析（例如一个多选题由10人回答，但是收获了36个选项，其中全部样本为36，有效样本为10）。
• 进行卡方拟合优度检验，分析各选项的选择比例是否存在差异性，若P<0.05，则说明拒绝没有差异的原假设，各选项的选择比例具有显著性差异。
• 根据多重响应交叉表进行分析，通过对比计数与百分比，重点对比例较高项进行分析。
• 通过卡方检验多选题与单选题之间的交叉关系，若显著性P值大于0.05，则说明其并不会呈现出差异性。

案例：“影响购物的因素”这个多选题与“您平时出行的交通工具”这个多选题，分析各种交通工具的用户对于选择购物的差异性。

软件操作：

step1：打开SPSSPRO免费数据分析网站，选择交叉分析【多选&多选】

step2：输入多选题，选项至少两项或以上的二分类定类变量，需要注意的是，这里的二分类只能是0或1，并且1代表选中。

step3：点击【开始分析】进入分析，系统自动分析结果

输出结果分析：

根据的多重响应频率分析表显示，分析项：自行车、摩托车、公交、地铁、网约车的卡方拟合优度检验的显著性P值为0.620，P值大于0.05，水平上不呈现显著性，接受原假设，意味着各项的选择比例比较均匀，没有显著性差异。

2.2 交叉分析【多选&单选】

分析每一个多选题的题项在每一个单选题项的分布与差异情况。

案例：“您日常出行的交通工具是什么”这个多选题与“您的职业”这个单选题，分析日常出行的交通工具偏向用户的职业差异性。

输入：多选题选项至少两项或以上的二分类定类变量，需要注意的是，这里的二分类只能是0，1，并且1代表选中，单选题为一个或一个以上的定类变量。

输出：以多选题各个选项作为分组，对单选题的选型分布情况进行交叉列联分析。

2.3 交叉分析【单选&多选】

分析单选题在每一个多选题题项选择的分布与差异情况。

输入：单选题为一个或一个以上的定类变量；多选题选项至少两项或以上的二分类定类变量，需要注意的是，这里的二分类只能是 0，1，并且 1 代 表选中。

输出：以单选题作为分组，对各个多选题选项的分布情况进行交叉列联分析。

案例：“您的性别”这个单选题与“您日常出行的交通工具是什么”这个多选题，分析不同性别选择偏向的的交通工具。

3、卡方检验

卡方检验主要是比较定类变量与定类变量之间的差异性分析。通过统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为 0，表明理论值完全符合。

输入：一个定类变量 X（如学校字段，包括甲学校、乙学校）与定类字段 Y（如甲学校 40 名学生与乙学校 60 名学生的体育成绩等级）

输出：模型检验的结果，如甲学校与乙学校的学生体育成绩等级存在/不存在显著性差异

软件操作：

step1：打开SPSSPRO免费数据分析网站，选择【卡方检验】

step2：拖入变量

step3：点击【开始分析】进入分析，系统自动分析结果

示例：看不同性别和旅游出行的主要开销之间是否存在差异。

输出结果分析：

卡方检验结果显示：Q1 - 您的性别是？和Q14 - 2.住宿 - 您出行的主要开销是?pearson卡方检验的P值为0.033**，数据存在显著性差异。

4、对应分析

对应分析，又称为R-Q型因子分析，适用于有多个类别的分类变量，可以揭示同一个变量各个类别之间的差异，以及不同变量各个类别之间的对应关系，与卡方检验不同的是，对应分析不单单展示了不同分组的差异性，也能通过2维、3维的方式展示其在空间的关系。

输入：至少两项或以上的定类变量。

输出：两个定类变量里面不同分组的空间关系与差异性。

对应分析可以将多个分类变量映射到一个低维空间中，以便于分析它们之间的关系。

案例：比如分析1992年美国大选中，不同教育程度选民的选举倾向性有何特点，例如高中生、学士更倾向选老布什还是克林顿，克林顿主要依靠哪个群体的力量打败了老布什和佩罗等。

注意事项：

1、多选题一般一个选项是单独的一个变量，比如 5 个选项就有 5 个变量，同时数据输入格式要求只能是 0，1，并且 1 代表选中

2、对应分析的前提条件是两两定类数据之间具有相关关系，可以通过 SPSSPRO-Kappa 进行相关性分析

3、采用对应分析时，要注意修正一下列名与数值标签，避免太长文字导致因子载荷分布图不美观

相关推荐