本文格式為Word版，下載可任意編輯——定量問卷調查中多項選擇題的SPSS分析方法

定量問卷調查中多項選擇題的SPSS分析方法2023-05-1113:26

多項選擇題是定量問卷調查中常見的封閉式選擇題，這種選擇題的出現可以在確定的范圍內更多的考察被調研對象的看法。在針對消費者的調研中，這種選擇題多是出現在針對品牌知名度，包括提醒前知名度、第一提及率，提醒后知名度的分析中。

?常見的分析方法

一般的研究分析手段主要應用包括EXCEL與SPSS在內的頻次分析，然后再將在不同數據字段同一類選項數據進行加總，然后再以被調研對象的總體數量為基數，二者相除來得到多項選擇題中各選項在總體中的占有率，這種各選項占有率的加總大于1。例如某類產品品牌知名度調查中，關于該類產品您能想起哪些品牌？

01品牌A02品牌B03品牌C04品牌D05品牌E06品牌F07其它品牌_____

該問題在數據字段設計時最少要設計10個字段以供數據錄入與分析。按上面的數據分析方法，先在這10個字段中進行分別的頻次計算，然后進行加總再除以總基數，得到該選項的總體占有比率。以A選項為例：

（01字段中A的占有率+02字段中A的占有率+??+06字段中A的占有率）/被調對象總數=A的占有率

以此類推分別計算出其它品牌的占有率，頻次計算次數與分類加和計算次數比較繁雜，其工作量在被選項較少時還算省事，但當被選項數量在十幾個、二十幾個甚至三十幾個時，該分析方法則極大降低了分析人員的工作效率。?高效率數據分析方法

運用SPSS重組再分析的數據方法將極大提高數據分析效率并降低人為計算失誤。

在SPSS數據庫中運用“MultipleResponse〞對多組數據進行組合再定義，這樣會針對每個單一選擇題定義出一個新的字段組，在新字段組中對變量區間進行定義，再針對新字段組進行頻次分析。當完成單一字段設置后，可運用程序段對其它多項選擇題進行再利用分析，這樣可以大大提高多項選擇題數據分析效率。

分析程序例舉：**************MULTRESPONSE

GROUPS=$tsh'新字段組名稱'(var00018var00019var00020var00021var00022var00013var00014var00015var00016var00017(1,111))/FREQUENCIES=$tsh.*************

多重應答數據深度分析方法及其SPSS操作

多重應答數據深度分析方法及其SPSS操作

出處：零點研究咨詢集團發布日期：2023年06月21日15:39

多重應答（MultipleResponse），又稱多項選擇題，是市場調查研究中十分常見的數據形式。多重應答數據本質上屬于分類數據，但由于各選項均是對同一個問題的回復，之間存在一定的相關，將各選項單獨進行分析并不恰當。對多重應答數據最常見的分析是使用SPSS

中的“MultipleResponse〞命令，通過定義變量集的方式，對選項進行簡單的頻數分析和交織分析。筆者認為，該分析方法對調查數據的開發利用往往是不夠的，我們還可以使用其他分析方法對數據信息進行深度挖掘。

一、兩種數據錄入方式

譬如說在某次民意調查中，我們希望了解公眾評價宜居城市時，終究是城市的哪一些特征決定人們對該城市宜居性的評估。為此，我們在研究中設計了14項標準請被訪者從中選出他們在進行宜居評價時最看重的5項標準（關于宜居標準的具體探討，參見本刊2023年第8期）。

選項包括：

這是一道典型的多重應答題。統計軟件中對多重應答的標準紀錄方式有兩種：（1）多重二分法（Multipledichotomymethod）。對于多項選擇題的每一個選項看作一個變量來定義。0代表沒有被選中，1代表被選中。這樣，多項選擇題中有幾個選項，就會變成有幾個單項選擇變量。這些單項選擇變量的選項都只有兩個，即0或1。譬如在上述例子中，我們就可以設置14個單項選擇變量，來標示某選項是否被選中；（2）多重分類法（Multiplecategorymethod）。多項選擇題中有幾個選項，就定義幾個單項選擇變量。每個變量的選項都一樣，都和多項選擇題的選項一致。每個變量代表被調查者的一次選擇，即紀錄的是被選中的選項的代碼。如上述例子中，我們可以設置X1~X5共5個變量，每個變量的選項兼為從1到14的14項宜居標準。好多狀況下，當問卷中不限定被訪者可選擇的選項數量時，被調查者可能不會全部選項都選，因此在數據錄入時，一般從這些變量的最前面幾個變量開始錄入，這樣最終面幾個變量自然就是缺失值。當被調查者對多項選擇題中的選項全部選擇時，這些變量中都有一個選項代碼，此時沒有缺失值。

事實上，假使被訪者所選擇的各項選之間不涉及順序問題（如上述例子中，不需要受訪者給出哪種因素最重要，哪種次重要），那么這兩種輸入方法所表達的數據信息是一樣的。但在實際操作中，假使選擇項較多，而被調查者最多只選擇其中少數幾項時，采用多重二分法錄入就顯得繁瑣，輸入數據時簡單出錯。特別是當樣本量增大時，采用多重二分法錄入就大大增加了錄入的工作量，不利于提高工作效率。為此，一般的市場調查公司大都采用多重分類法的錄入方式。

二、兩種數據錄入格式的轉換

實際上，只有多重二分法的錄入方式才是符合統計分析原則的數據排列格式，能夠直接進行后續的統計推斷。多重分類法只是一種簡化紀錄方式，需要轉化為前者后方可進行統計推斷。

采用多重分類法錄入的數據假使要轉化成虛擬變量（選項為0或1）的形式，以上述公眾宜居標準的選擇為例，可以采用如下操作命令：

COUNT

New_x1=X1X2X3X4X5(1).

EXECUTE.

其中New_x1代表受訪者是否選擇“社會安全〞該選項。顯然，假使在X1~X5中受訪者選擇了“1〞（社會安全）選項，那么New_x1的取值為1，假使在X1~X5中受訪者沒有選擇“1〞，那么New_x1的取值為0。以同樣的思路，我們就可以設置變量New_x2~New_x14了。這樣，通過上述數據轉換，我們就把X1~X5共5個變量轉化成了New_x1~New_x14共14個虛擬變量了。

三、多重應答數據交織分析

（一）多重應答卡方檢驗

在SPSS操作中，多重應答變量通過定義變量集之后就可以直接與其他變量進行交織分析了。這種操作方法使用便利，但是其缺陷是在SPSS操作界面上無法直接實現卡方檢驗。為此，本文介紹一種進行卡方檢驗的間接方法。

解決方法與操作：

第一步：根據需要做出一個有多重應答問題的交織表，如表1

表1多重應答交織表

其次步：構成一個與第一步中結構一致的頻數全部為“1〞的交織表。可以通過如下操作實現。

在SPSS中，新增加兩個變量。

變量I的構成方式：從1到6，重復3次；

變量II的構成方式：1重復6次，2重復6次，3重復6次。

第三步：依照第一步產生的交織表內的頻數，構造變量III。以變量III為權重，對應交織表中每個組成元素的位置進行加權。

最終的結果如下圖：

圖1生成三個變量

第四步：最終就可以利用加權后的數據，直接選擇SPSS中的“DescriptiveStatistics〞中的“Crosstabs〞命令直接進行交織分析和卡方檢驗了。

（二）多重應答數據多元交織比較法

使用上述檢驗方法操作相對比較繁雜，且不能比較具體的每一個選項與其他變量的檢驗狀況。為此，我們也可以將轉化后的每一個“虛擬變量〞與其他變量（如性別）直接進行卡方檢驗。

譬如在上述“宜居標準〞這個例子中，我們把代表不同宜居標準的New_x1~New_x14共14個虛擬變量與“性別〞、“戶口〞、“收入〞和“年齡〞進行交織列聯分析和卡方顯著性檢驗，為了使檢驗結果具有可比較性，我們把這4個背景變量都設置為只有兩項取值（如收入分為低收入和高收入，年齡分為18~35歲和35歲以上，戶口狀況分為本地戶口和外地戶口），這樣做出的交織分析就具有共同的自由度（df=1），可以對各自的卡方值的大小