【SPSS】多选项分析详细操作教程(附案例实战)
🤵♂️ 个人主页:@艾派森的个人主页
✍🏻作者简介:Python学习者
🐋 希望大家多多支持,我们一起进步!😄
如果文章对你有帮助的话,
欢迎评论 💬点赞👍🏻 收藏 📂加关注+
多选项分析
多选项分析与分析思路
- SPSS中的多选项分析是针对问卷调查中的多选项问题的
- 对多选项问题分析的一般步骤
- 1 将多选项问题分解
- 2 利用频数分析或交叉分组下的频数分析等方法进行分析
多选项问题的分解
对一个多选项问题的分析可以转化成对多个问题的分析,也即对多个SPSS变量的分析
多选项二分法
将多选项问题中的每个备选答案设为一个SPSS变量,每个变 量只有0和1两个取值,分别表示不选择该答案和选择该答案
多选项分类法
首先,估计多选项问题最多可能出现的答案个数;然后,为每个答案设置一个SPSS变量,变量取值为多选项问题中的备选答案
多选项分析应用举例
注意:
- 在SPSS中为实现多选项分析,应首先定义多选项变量集,即将多选项问题分解并设置成多个 变量后,应指定这些变量为一个集合
- 定义多选项变量集的主要目的是为多选项频数分析和多选项交叉分组下的频数分析做准备
案例数据文件:"保险市场调查.sav"
【案例一】 —— 分析老年人购买商业养老保险的原因
①选择菜单【分析】----> 【多重响应】----> 【定义变量集】
②定义多选项变量集
多选项变量集定义完成后,便可进行多选项频数分析了
③选择菜单【分析】----> 【多重响应】----> 【频率】
如果处理缺失数据,SPSS规定,只要样本在多选项变量集中的某一个变量上取缺失值,就将该样本剔除。
④至此,SPSS将自动产生如下的综合频数分析结果
上面的分析结果中,是在已经剔除了缺失数据的前提下做的分 析,总计177是响应次数,代表关于购买商业养老保险的原因的回 答中一共有177次响应,百分比指的是响应百分比(如 31.1%=55÷177x100%);个案百分比是占调查人数的百分比(如 93.2%=55÷59x100%),对于个案百分比,分母是总的样本量(本例 是剔除了缺失数据后的样本量59),通常个案百分比仅做参考。
购买商业养老保险的原因中,“使晚年生活有保障”这个原因占 了31.1%,“一种安全的投资保值方式”这个原因占了25.4%,而因为 保险公司的宣传这个原因购买保险的比例较低,只有8.5%。
【案例二】 —— 分析不同工作单位性质人员购买商业养老保险的原因
该案例由于涉及工作单位性质和购买商业养老保险原因两个方面,因此应采用多选项交叉分组下的频数分析方法进行研究,即生成列联表。其中设列联表的列变量为购买原因,行变量为工作单位性质。
①选择菜单【分析】----> 【多重响应】----> 【定义变量集】
②定义多选项变量集
多选项变量集定义完成后,便可进行多选项交叉分组下的频数分析
③选择菜单【分析】----> 【多重响应】---->【交叉表】,选择列联表的行变量和列变量
④点击上图【选项】按钮选择列联表的输出内容和计算方法
⑤分别点击“继续”、“确定”,最终的分析结果
可以看出,被调查者中在党政机关、社会团体或事业单位工作的人数最多(占了35.6%),“使晚年生活有保障”是大部分工作单位购买养老保险的重要原因。
相关文章
- 「应用案例」LoRa通信技术
- 爬虫案例
- JMH微基准测试入门案例
- 互联网电商大厂库存系统设计案例讲解
- Spring-Security 简介、入门案例详解、安全框架、权限验证 SSM项目 使用 JavaConfig配置
- 「后端小伙伴来学前端了」Vue中Props 实现组件通信TodoList案例
- VB6.0 支持鼠标滚轮教程的案例分享
- C#时间戳基本使用案例分享
- vs2022程序打包文档教程图文案例分享
- 【Docker教程系列】Docker学习6-Docker镜像commit操作案例
- 开源图书《Python完全自学教程》12.6机器学习案例12.6.2猫狗二分类
- 系统架构师、分析师2023年案例分析考前冲刺
- webpack生成雪碧图案例
- 杨校老师课堂之JavaScript定时器案例的红绿灯设计--原始写法
- 「SAP ABAP」OPEN SQL的DML语句你了解多少 (附超详细案例讲解)
- Mybatis动态SQL查询 --(附实战案例--8888个字--88质量分)
- Gradio入门到进阶全网最详细教程一:快速搭建AI算法可视化部署演示(侧重项目搭建和案例分享)
- Oracle参数设置教程之set和reset的实用案例
- 《Drools7.0.0.Final规则引擎教程》FactHandler使用案例详解编程语言
- Jquery上传文件代码案例教程
- MySQL数据表设计:高效实践指南(mysql数据表设计案例)
- 实践出真知从电商Redis案例看数据缓存技术(电商redis案例)
- Oracle 失败案例警惕过度依赖(oracle fail)