多選項分析的作用及分析方法

⑴ 如何提高多項選擇題的正確率

1、抓重點

大部分多項選擇題都是選哪些是正確的，哪些是不正確的，這個時候學員們可以在腦海中把這幾個字圈起來，根據ABCD的順序依次把錯誤和正確的區分開，再根據題干做選擇。

2、相近法

把選項中表述一致的都選上，因為有可能出現三個選項表述是一致的，彼此互相支撐不可分離，那麼這兩個就都是答案。

3、矛盾法

多選題的題干往往很長，需要學員們自己去理解分析，如果實在難以理解就可以直攻選項了，如果發現有的選項是互相矛盾的那麼相互對立的這兩方一定有正確答案和錯誤答案，這時候再返回去分析題干就可以直接選擇了。

⑵ SPSS 多選項如何分析

在SPSS分析的多重響應里設置多項題，將幾個屬於一個多項選擇題的幾個變數選入進去進行重新定義變數。然後還是在多重響應的地方做頻次和卡方交互分析

⑶ spss多選項分析

作為分類變數輸入就行了，分析的時候需要設置20個啞變數

⑷ 多元分析的分析方法

包括3類:①多元方差分析、多元回歸分析和協方差分析，稱為線性模型方法，用以研究確定的自變數與因變數之間的關系；②判別函數分析和聚類分析,用以研究對事物的分類；③主成分分析、典型相關和因素分析，研究如何用較少的綜合因素代替為數較多的原始變數。 是把總變異按照其來源（或實驗設計）分為多個部分，從而檢驗各個因素對因變數的影響以及各因素間交互作用的統計方法。例如，在分析2×2析因設計資料時，總變異可分為分屬兩個因素的兩個組間變異、兩因素間的交互作用及誤差（即組內變異）等四部分,然後對組間變異和交互作用的顯著性進行F檢驗。
優點
是可以在一次研究中同時檢驗具有多個水平的多個因素各自對因變數的影響以及各因素間的交互作用。其應用的限制條件是，各個因素每一水平的樣本必須是獨立的隨機樣本，其重復觀測的數據服從正態分布，且各總體方差相等。 用以評估和分析一個因變數與多個自變數之間線性函數關系的統計方法。一個因變數y與自變數x1、x2、…xm有線性回歸關系是指：
其中α、β1…βm是待估參數，ε是表示誤差的隨機變數。通過實驗可獲得x1、x2…xm的若干組數據以及對應的y值，利用這些數據和最小二乘法就能對方程中的參數作出估計，記為╋、勮…叧，它們稱為偏回歸系數。
優點
是可以定量地描述某一現象和某些因素間的線性函數關系。將各變數的已知值代入回歸方程便可求得因變數的估計值（預測值），從而可以有效地預測某種現象的發生和發展。它既可以用於連續變數，也可用於二分變數（0，1回歸）。多元回歸的應用有嚴格的限制。首先要用方差分析法檢驗因變數y與m個自變數之間的線性回歸關系有無顯著性，其次，如果y與m個自變數總的來說有線性關系，也並不意味著所有自變數都與因變數有線性關系，還需對每個自變數的偏回歸系數進行t檢驗,以剔除在方程中不起作用的自變數。也可以用逐步回歸的方法建立回歸方程，逐步選取自變數，從而保證引入方程的自變數都是重要的。 把線性回歸與方差分析結合起來檢驗多個修正均數間有無差別的統計方法。例如，一個實驗包含兩個多元自變數，一個是離散變數(具有多個水平)，一個是連續變數，實驗目的是分析離散變數的各個水平的優劣，此變數是方差變數；而連續變數是由於無法加以控制而進入實驗的，稱為協變數。在運用協方差分析時，可先求出該連續變數與因變數的線性回歸函數，然後根據這個函數扣除該變數的影響，即求出該連續變數取等值情況時因變數的修正均數，最後用方差分析檢驗各修正均數間的差異顯著性，即檢驗離散變數對因變數的影響。
優點
可以在考慮連續變數影響的條件下檢驗離散變數對因變數的影響，有助於排除非實驗因素的干擾作用。其限制條件是，理論上要求各組資料（樣本）都來自方差相同的正態總體,各組的總體直線回歸系數相等且都不為0。因此應用協方差分析前應先進行方差齊性檢驗和回歸系數的假設檢驗，若符合或經變換後符合上述條件，方可作協方差分析。 判定個體所屬類別的統計方法。其基本原理是：根據兩個或多個已知類別的樣本觀測資料確定一個或幾個線性判別函數和判別指標，然後用該判別函數依據判別指標來判定另一個個體屬於哪一類。
判別分析不僅用於連續變數，而且藉助於數量化理論亦可用於定性資料。它有助於客觀地確定歸類標准。然而，判別分析僅可用於類別已確定的情況。當類別本身未定時，預用聚類分析先分出類別，然後再進行判別分析。 解決分類問題的一種統計方法。若給定n個觀測對象，每個觀察對象有p個特徵（變數），如何將它們聚成若干可定義的類?若對觀測對象進行聚類,稱為Q型分析;若對變數進行聚類,稱為R型分析。聚類的基本原則是,使同類的內部差別較小,而類別間的差別較大。最常用的聚類方案有兩種。一種是系統聚類方法。例如，要將n個對象分為k類,先將n個對象各自分成一類,共n類。然後計算兩兩之間的某種「距離」，找出距離最近的兩個類、合並為一個新類。然後逐步重復這一過程，直到並為k類為止。另一種為逐步聚類或稱動態聚類方法。當樣本數很大時，先將n個樣本大致分為k類，然後按照某種最優原則逐步修改，直到分類比較合理為止。
聚類分析是依據個體或變數的數量關系來分類，客觀性較強，但各種聚類方法都只能在某種條件下達到局部最優,聚類的最終結果是否成立,尚需專家的鑒定。必要時可以比較幾種不同的方法，選擇一種比較符合專業要求的分類結果。 把原來多個指標化為少數幾個互不相關的綜合指標的一種統計方法。例如,用p個指標觀測樣本,如何從這p個指標的數據出發分析樣本或總體的主要性質呢？如果p個指標互不相關，則可把問題化為p個單指標來處理。但大多時候p個指標之間存在著相關。此時可運用主成分分析尋求這些指標的互不相關的線性函數，使原有的多個指標的變化能由這些線性函數的變化來解釋。這些線性函數稱為原有指標的主成分，或稱主分量。
主成分分析有助於分辨出影響因變數的主要因素，也可應用於其他多元分析方法，例如在分辨出主成分之後再對這些主成分進行回歸分析、判別分析和典型相關分析。主成分分析還可以作為因素分析的第一步，向前推進就是因素分析。其缺點是只涉及一組變數之間的相互依賴關系，若要討論兩組變數之間的相互關系則須運用典型相關。 先將較多變數轉化為少數幾個典型變數，再通過其間的典型相關系數來綜合描述兩組多元隨機變數之間關系的統計方法。設x是p元隨機變數,y是q元隨機變數，如何描述它們之間的相關程度?當然可逐一計算x的p個分量和y的q個分量之間的相關系數(p×q個)， 但這樣既繁瑣又不能反映事物的本質。如果運用典型相關分析，其基本程序是，從兩組變數各自的線性函數中各抽取一個組成一對，它們應是相關系數達到最大值的一對，稱為第1對典型變數,類似地還可以求出第2對、第3對、……,這些成對變數之間互不相關,各對典型變數的相關系數稱為典型相關系數。所得到的典型相關系數的數目不超過原兩組變數中任何一組變數的數目。
典型相關分析有助於綜合地描述兩組變數之間的典型的相關關系。其條件是,兩組變數都是連續變數,其資料都必須服從多元正態分布。
以上幾種多元分析方法各有優點和局限性。每一種方法都有它特定的假設、條件和數據要求，例如正態性、線性和同方差等。因此在應用多元分析方法時，應在研究計劃階段確定理論框架，以決定收集何種數據、怎樣收集和如何分析數據資料。

⑸ Spss的基本方法使用步驟

Spss的基本方法使用步驟

由於一次的調研工作，我們的數據分析採用spss的統計分析工具，然後我是一個新人，全都是一步一步從零開始操作的。在學習的過程中簡單記錄了一點筆記，既然寫了，就覺得應該把它保存下來，所以來到了這里，為我的第一次spss操作做個馬克。

因子分析方法：指標非常多，反映相同事情的進行聚合

設置的地方：

描述—— kmo

抽取 —— 主成分，碎石圖

旋轉——最大方差法

得分——保存為變數

選項——大小為變數、刪除最小系數，特徵值為0.6

kmo > 0.6 ——看是否有效，對原始數據的檢驗。

在SPSS軟體統計結果中，不管是回歸分析還是其它分析，都會看到「SIG」，SIG=significance，意為「顯著性」，後面的值就是統計出的P值，如果P值0.01<P<0.05,則為差異顯著，如果P<0.01,則差異極顯著。

公因子方差——提取程度（損失的數據，如果損失低於40%即滿意）

解釋總方差：可以分成幾類，然後提取主成分因子，累積方差貢獻率，累積特徵值大於等於85%（放寬70%）.(損失率低於15%)

碎石圖：類似於解釋總方差，特徵值大於1的就是主成分，對解釋方差的解釋和完善

成分矩陣——一般不考慮，不夠充分，只是中間步驟

旋轉後成分矩陣——成分1，成分2中大於0.6的歸為一類，載荷大於設置的值才會把得分顯示在視圖。

步驟：

分析→度量→可靠性分析→統計量→描述性（如果項已刪除則進行度量）→繼續（模型α）→確定

分析：可靠性統計量：0.7以上有效

可刪除的分析：如果刪除後信度變大，則可以考慮把這個因素刪除

平均數：反應數量的中點

中位數：全體樣本的中點

步驟：

均值：描述性統計分析→描述→導入變數→確定

中位數：比較均值→均值→導入變數→選項→導入中位數即可→確定

步驟：

分析→回歸→線性→因變數→自變數→

統計量：估計→模型擬合度→共線性診斷→DW

繪制：Y：ZRESID, X:ZPRED; 直方圖，正態概率圖

保存：不操作

選項： 默認

→確定

模型匯總表

DW統計量代表自相關

DW = 2不存在為偽回歸

DW < 2 正自相關

DW > 2 負相關

多重響應，多重響應數據本質上屬於分類數據，但由於各選項均是對同一個問題的回答，之間存在一定的相關，將各選項單獨進行分析並不恰當。因此對多選題最常見的分析方法是使用SPSS中的「多重響應」命令，通過定義變數集的方式，對選項進行簡單的頻數分析和交叉分析
作用1：進行簡單的頻數分析：可以直觀明了的比較一道多選題的各個選項被選比例。
作用2：進行交叉分析：可以通過設置分層變數來進行某個選項控制下的分析。

步驟：

分析→多重響應→定義變數集（把多選題變成一個變數）→設置定義把多選題的選項放進集合中的變數→將變數編碼設置為二分法，計數值為1→名稱標簽→添加 、

交叉表

行、列→定義范圍→確定

⑹ 在spss多選項分析中，多選項二分法和多選項分類法有何區別

二分法 是你的每個選項 一般都是錄的兩個數，這個數沒特別意義，無非是用來表示是否選擇該項
分類法 是裡面每個數字 都對應多選題的一個選項
兩種方法不同，數據的錄入和處理略有差別，但是結果是一樣的

⑺ 在spss中對多選題可以做什麼分析

「在線SPSS」SPSSAU中的多選題功能，可一鍵得到多選題分析結果，及智能結果解讀。

還有其他關於多選題的分析技巧，可以參考資料：多選題的6種分析技巧-SPSSAU

⑻ 調研問卷中多選題的分析方法探討

調研問卷中多選題的分析方法探討

使用調研問卷的定量研究中，為了更全面地了解研究內容、更廣泛地收集信息，經常會用到多選題，但由於多選題多指向性的特點，除了頻數表和交叉表（只能與單選題做交叉），較少用到其他的分析方法，損失了很多有用的信息。其實，如果調研時能善用多選題，並在分析時選取適當的方法，就能夠充分利用多選題包含的信息，得到更有價值的結論。

前兩篇文章分別談到調研問卷中帶有分類性質的多選題、帶有求和性質的多選題如何進行分析，本文將側重說一下帶有遞進邏輯的多選題如何進行深入分析。

帶有遞進邏輯的多選題

問卷調研中，常會通過多選題考察用戶在某個方面不同層次的情況，如對某個賣家產品各功能的使用情況（經常使用的功能）、使用的滿意情況（滿意的功能）、需要改進的情況（亟需改進的功能）等，題目與題目之間是同一個問題的不同層次，存在遞進的邏輯關系，即使用頻率高低與是否滿意、是否亟需等，三者之間分別存在邏輯關系。

此時，這種存在遞進邏輯的多選題，可以首先考察不同題目相同選項之間的相關性；其次，能夠衍生出新的題目，進行深入分析，挖掘表面背後的原因。

其實，這種帶有遞進邏輯的多選題，可以採用量表的形式進行考察，而量表題涉及到N級量表，相當於每個項目（選項）都是一個題目，具有遞進邏輯的項目之間，進行相關分析、衍生變數分析，更能深入挖掘用戶在某一方面的綜合情況。只是為了節約用戶的填答成本，常用多選題代替。

另外，衍生出的新題目，也是可以通過直接詢問的方式獲得的，但通常題目帶有遞進邏輯時，需要用戶深入全面思考，耗費的精力較大，也容易造成理解上的偏差，給研究結論帶來較大的非抽樣誤差。因此，通過多個簡單的題目，計算出帶有遞進邏輯的結果，更易行更有效。

帶有遞進邏輯的多選題一般具備以下幾個特徵：

1、題目與題目之間的遞進邏輯存在分析價值，如對某個賣家產品各功能的考察中，賣家對產品功能是否滿意與是否亟需改進之間的遞進關系，對於產品改進的方向、改進的優先順序等有較大的參考價值。如果是滿意但亟需改進，表明該功能可能需要創新；若不滿意但沒有亟需改進，則說明該功能的改進優先順序可以適當靠後。

2、相關題目之間的選項相同，選項若不對應，或部分對應，會造成遞進邏輯關系不緊密，容易引起結果出現偏差。
會有特殊情況，如某產品經常使用的功能選項，除主要功能外，還有一個互斥的選項「不常用以上功能」；亟需改進的功能選項，除主要功能外，也有一個互斥的選項「均不需要改進」。這類情況中，題目多出來的互斥選項只是為了解決題目設置為必選時，滿足某種特殊情況，主要功能仍然是一一對應的，不對應的互斥選項，後續不進入遞進關系的分析。

3、相關題目的選項盡可能覆蓋全面，選項盡量能夠覆蓋考察的主要細節點，以免用戶過多地選擇「其他」選項，削弱了分析遞進關系的可能性。

4、相關題目的選項個數最好超過3個，如果選項只有3個或更少，將多選題改為量表題，用戶的填答成本不太大，獲得的信息會更多，後續利用遞進關系進行分析時，可以更加深入。

5、相關題目設置限選時需考慮遞進邏輯，若同時限選，限選的個數最好相同；由於遞進關系通常是由弱到強，有時可以設置遞進關系較弱的題目不限選，較強的題目限選，如滿意的功能不限選，亟需改進的功能限選，可以分析遞進關系中的強度。但如果遞進關系較弱的題目限選，而遞進關系較強的題目不限選，則容易造成解讀上的偏差，帶來不必要的麻煩。

6、數據為0/1格式，即每個選項一個變數，選中為1，未選中為0，多選題轉換成此種格式，宜於做深入分析。

當調研問卷中設置了帶有遞進邏輯的多選題，就可以採用下文介紹的方法進行深入分析。

本文中的例子，採用年初時自主發起的《賣家旺鋪選擇研究》，研究中涉及兩套遞進關系的題目：
您目前已經在用的旺鋪功能有哪些？（可多選）
您目前最需要的旺鋪功能有哪些？（可多選，最多9項）
您目前使用旺鋪主要解決了哪些問題？（可多選）
您最希望通過旺鋪幫您解決哪些問題？（可多選，最多6項）

相關分析

本文的案例主要研究旺鋪，根據版本分析更有價值。以使用拓展版旺鋪的用戶為例，分別計算已經在用的功能和最需要的功能，再對每一個功能在用的和最需要的變數做相關分析，能夠得到如下結論（詳見下圖，數字略）：

1、已經在用的高比例，同時最需要的也是高比例的功能，對於拓展版旺鋪而言，是需要維持的功能。

2、需要維持的功能中，個性化店招、數據分析工具、寶貝30天銷售量累積顯示、自定義頁面布局等功能，在用的與最需要的之間存在顯著相關（圖中已星號標注，*代表顯著相關，**代表非常顯著相關），從一個側面表明，已經在用的用戶尤為需要這些功能；而其中沒有顯著相關的功能，則不能得出這樣的結論。

3、已經在用的比例不高，而最需要的比例較高的功能，對於拓展版旺鋪而言，是需要加強的功能。

4、需要加強的功能中，營銷工具組合、不限類型的旺鋪裝修模板等功能，在用的與最需要的之間存在顯著相關，從一個側面表明，已經在用的用戶對這兩個功能的期望較高，也特別需要這兩個功能。

5、另外，從具體數據上可以看出，雖然拓展版用戶已經在用高級發貨、進銷存管理、客戶關系管理等功能的比例不高，但最需要這三個功能的比例遠超過在用的比例，表明部分拓展版用戶對這三個功能的需求很旺盛。而這三個功能是旗艦版的功能，反映了這部分用戶應該選擇更高版本的旺鋪。

註：雖然高級版本的旺鋪中包含一些特有的功能，但這些功能附屬的工具可以單獨購買，所以，會出現使用低版本旺鋪的用戶，已經在用某些高版本的功能。情況相對復雜，分析時需要注意，下文雷同，不再贅述。

衍生變數分析

以使用扶植版旺鋪的用戶為例，因為「目前使用旺鋪解決了的問題」與「最希望通過旺鋪幫助解決的問題」存在遞進邏輯關系，可以衍生出兩個比較關鍵的變數，即已經解決了且希望解決的問題、尚未解決但希望解決的問題。

有了這兩個變數，可以更加深入地分析，希望解決的問題具體情況是怎樣的，最終分析結論如下（詳見下圖，數字略）：

1、提升店鋪的流量、增加店鋪的可信度、增加店鋪的專業程度等，是使用扶植版旺鋪的用戶非常關注的問題，不論目前是否解決，都非常希望通過旺鋪解決，表明這三方面是需要維持的利益點，也是宣傳扶植版旺鋪的重點。

2、裝修更便利、店鋪更美觀等，是目前解決了，但仍希望通過旺鋪解決的問題，表明這部分使用扶植版旺鋪的用戶，對裝修的便利性、裝修效果等更重視，希望能做到更好，可以對他們做相應的培訓，或直接向他們推薦裝修更靈活、呈現更多樣的高版本旺鋪。（之所以得到這樣的結論，主要是因為最希望通過旺鋪解決的問題是多選限選，可以根據以往研究經驗，假設需求強度不大，已經解決了，就不會再選了。）

3、提升寶貝的轉化率/成交量、增加寶貝的點擊率、增加買家在店鋪的停留時長等，是目前尚未解決，但希望能夠通過旺鋪解決的問題，表明這部分扶植版旺鋪的用戶比較直接、實際，非常看重流量和銷量，可以對他們做相應的指導，也可推薦引流量的工具或服務。

利用衍生變數深入分析

本研究中在詢問功能和解決的問題時，將多個版本的內容融合在一起，後續分析時，可以分析出目前使用某個版本的用戶，目前是否適合當前版本，如果不適合，如何引導他們使用更適合的版本；如果適合，是否已經用得足夠好，用得不好，如何幫助他們。這些疑問，可以利用衍生變數進行深入分析，從而得到答案。

以使用標准版旺鋪的用戶為例，首先要明確四個前提步驟：

Step1、由於功能和解決的問題是多個版本融合在一起，需要分清哪些功能是當前版本的，哪些是更高版本才有的，旺鋪的高版本兼具低版本的功能。

Step2、分析中需要結合旺鋪版本，衍生出一個變數，叫做「更適合的功能點」，即目前未使用，但最需要的功能，且這個功能又是更高版本的旺鋪功能；
還需要衍生出另一個變數，叫做「未用好的功能點」，即目前未使用，但最需要的功能，且這個功能是當前版本具備的旺鋪功能。

Step3、以往的定性調研表明，一個使用低版本旺鋪的用戶之所以選擇更高版本，往往是看上了高版本的其中一個功能，如寶貝30天銷量累積顯示。
本例在判斷部分使用當前版本的用戶，實際上適合更高版本旺鋪時，採用了保守的方式，找出前提2中排名前三位的「更適合的功能點」，取平均值，把它當做更適合高版本旺鋪的當前版本用戶的比例。主要基於假設，這些功能對他們相當重要，理想狀態下，後續他們會因為這些功能轉用高版本旺鋪。
同樣，適合但未用好當前版本的用戶，也採用了類似的方式計算比例，此不贅述。

Step4、若判定部分當前版本用戶適合更高版本旺鋪，還需要有促使他們轉換的利益點，這些利益點也可以由衍生變數得到，即目前使用旺鋪未解決但最希望通過旺鋪解決的問題。

也可以找出適合當前版本但未用好的比例，摸清哪些功能點他們沒有用好，能夠更有針對性地培訓，使其充分發揮旺鋪的功能。

小結

綜上所述，帶有遞進邏輯的多選題，分析的流程如下：

1、確定在設計問卷時，是否包含遞進邏輯的多選題，並確保題目的遞進關系存在解讀價值、應用價值；

2、根據題目的特點，衍生出新的變數；

3、根據衍生變數的統計量，深入分析樣本的相關情況；

4、可以根據其他關鍵變數（如旺鋪版本、星級等）對衍生變數做進一步分析，從而得出更深入的研究結論。

以上是小編為大家分享的關於調研問卷中多選題的分析方法探討的相關內容，更多信息可以關注環球青藤分享更多干貨

⑼ 多元統計分析方法的作用是什麼

多元統計分析方法的作用使實際工作者利用多元統計分析方法解決實際問題更簡單方便。

如果每個個體有多個觀測數據，或者從數學上說，如果個體的觀測數據能表為P維歐幾里得空間的點，那麼這樣的數據叫做多元數據，而分析多元數據的統計方法就叫做多元統計分析，它是數理統計學中的一個重要的分支學科。

典型相關分析

它是尋求兩組變數各自的線性函數中相關系數達到最大值的一對，這稱為第一對典型變數，還可以求第二對，第三對，等等，這些成對的變數，彼此是不相關的。各對的相關系數稱為典型相關系數。通過這些典型變數所代表的實際含意，可以找到這兩組變數間的一些內在聯系。典型相關分析雖然30年代已經出現，但至今未能廣泛應用。

⑽ 我用統計寫論文：多項選擇題如何用SPSS進行分析

1、打開對應的窗口，直接在菜單欄那裡選擇圖形並點擊舊對話框中的條形圖。