多重应答数据深度分析方法及其SPSS操作.docxVIP

多重应答数据深度分析方法及其SPSS操作/member/index.php?uid=databiggerdata?发表于 2015-05-25 21:37 来源：统计资源门户多重应答（Multiple Response），又称多选题，是市场调查研究中十分常见的数据形式。多重应答数据本质上属于分类数据，但由于各选项均是对同一个问题的回答，之间存在一定的相关，将各选项单独进行分析并不恰当。对多重应答数据最常见的分析是使用SPSS中的“Multiple Response”命令，通过定义变量集的方式，对选项进行简单的频数分析和交叉分析。笔者认为，该分析方法对调查数据的开发利用往往是不够的，我们还可以使用其他分析方法对数据信息进行深度挖掘。一、两种数据录入方式比如说在某次民意调查中，我们希望了解公众评价宜居城市时，到底是城市的哪一些特征决定人们对该城市宜居性的评估。为此，我们在研究中设计了14项标准请被访者从中选出他们在进行宜居评价时最看重的5项标准（关于宜居标准的具体探讨，参见本刊2006年第8期）。选项包括：?这是一道典型的多重应答题。统计软件中对多重应答的标准纪录方式有两种：（1）多重二分法（Multiple dichotomy method）。对于多项选择题的每一个选项看作一个变量来定义。0代表没有被选中，1代表被选中。这样，多项选择题中有几个选项，就会变成有几个单选变量。这些单选变量的选项都只有两个，即0或1。比如在上述例子中，我们就可以设置14个单选变量，来标示某选项是否被选中；（2）多重分类法（Multiple category method）。多项选择题中有几个选项，就定义几个单选变量。每个变量的选项都一样，都和多项选择题的选项相同。每个变量代表被调查者的一次选择，即纪录的是被选中的选项的代码。如上述例子中，我们可以设置X1~X5共5个变量，每个变量的选项兼为从1到14的14项宜居标准。很多情况下，当问卷中不限定被访者可选择的选项数量时，被调查者可能不会全部选项都选，因此在数据录入时，一般从这些变量的最前面几个变量开始录入，这样最后面几个变量自然就是缺失值。当被调查者对多项选择题中的选项全部选择时，这些变量中都有一个选项代码，此时没有缺失值。事实上，假如被访者所选择的各项选之间不涉及顺序问题（如上述例子中，不需要受访者给出哪种因素最重要，哪种次重要），那么这两种输入方法所表达的数据信息是一样的。但在实际操作中，如果选择项较多，而被调查者最多只选择其中少数几项时，采用多重二分法录入就显得繁琐，输入数据时容易出错。尤其是当样本量增大时，采用多重二分法录入就大大增加了录入的工作量，不利于提高工作效率。为此，一般的市场调查公司大都采用多重分类法的录入方式。二、两种数据录入格式的转换实际上，只有多重二分法的录入方式才是符合统计分析原则的数据排列格式，能够直接进行后续的统计推断。多重分类法只是一种简化纪录方式，需要转化为前者后方可进行统计推断。采用多重分类法录入的数据如果要转化成虚拟变量（选项为0或1）的形式，以上述公众宜居标准的选择为例，可以采用如下操作命令：COUNTNew_x1=X1 X2 X3 X4 X5 (1).EXECUTE.其中New_x1代表受访者是否选择“社会安全”该选项。显然，如果在X1~X5中受访者选择了“1”（社会安全）选项，那么New_x1的取值为1，如果在X1~X5中受访者没有选择“1”，那么New_x1的取值为0。以同样的思路，我们就可以设置变量New_x2~New_x14了。这样，通过上述数据转换，我们就把X1~X5共5个变量转化成了New_x1~New_x14共14个虚拟变量了。三、多重应答数据交叉分析（一）多重应答卡方检验在SPSS操作中，多重应答变量通过定义变量集之后就可以直接与其他变量进行交叉分析了。这种操作方法使用方便，但是其缺陷是在SPSS操作界面上无法直接实现卡方检验。为此，本文介绍一种进行卡方检验的间接方法。解决方法与操作：第一步：根据需要做出一个有多重应答问题的交叉表，如表1表 1 多重应答交叉表?第二步：构成一个与第一步中结构相同的频数全部为“1”的交叉表。可以通过如下操作实现。在SPSS中，新增加两个变量。变量I的构成方式：从1到6，重复3次；变量II的构成方式：1重复6次，2重复6次，3重复6次。第三步：按照第一步产生的交叉表内的频数，构造变量III。以变量III为权重，对应交叉表中每个组成元素的位置进行加权。最后的结果如下图：图 1 生成三个变量?第四步：最后就可以利用加权后的数据，直接选择SPSS中的“Deｓｃｒｉｐｔive Statistics”中的“Crosstabs”命令直接进行交叉分析和卡方检验了。（二）多重应答数据多元交叉比较法使用上述检验方法操作相对比较复杂，且