问卷中多选题如何分析?

news2024/11/17 1:37:10

一、案例与问卷

本研究选取大学生作为研究对象,旨在通过理财认知、理财现状、理财偏好三个方面,对大学生理财产品了解情况、使用需求进行调查。本次问卷共分为四个部分:第一部分共5道题,为基本信息题;第二部分共3道题,主要了解大学生对于理财的认知情况,如是否有每月支出计划、对理财知识有多少了解、对理财信息有多少关注等;第三部分共3道题,主要了解大学生理财现状,比如理财产品的选择等;第四部分共8道题,主要讨论大学生理财的态度偏好。

目前想要对问卷中的多选题进行分析,分析大家选择理财产品是否有差异,以及不同专业选择理财产品是否有不同,并且得到有效信息,最后提出建议。问卷题目展示如下:

二、分析问题

进行问卷的多选题分析,可以从最基础的多重响应进行分析(响应率和普及率)同时还可以利用Cochran Q 检验检验多个相关样本是否为来自多个总体的分布显著性差异,由于想要分析不同专业选择理财产品是否有不同,可以和单选题进行交叉分析,得到有效结论。同时还可以用对应分析进行查看,在分析前,首先进行多选题的录入。

三、多选题录入

案例中由于是整个问卷,所以上传数据上传问卷数据即可,如果是搜集的多选题需要进行上传,需要整理正确的数据格式进行上传,多选题的数据格式和其它不一样,多选题的数据格式一个选项为一列,如下:

所举例子多选题有4个选项,那么其数据中就会有4列,分别代表4个选项。而且使用数字1表示选中,数字0表示没有选中。接下来进行多重响应分析。

四、多重响应分析

多重响应用于多选题分析,分析多选题各项的选择比例情况等;共涉及到两个名词,分别是响应率和普及率,响应率用于对比各个选项的相对选择比例情况,普及率用于某项的选择普及情况,问卷中第10题为多选题,并且一共有六个选项,直接将六个选项拖拽到SPSSAU问卷研究中的多选题进行分析。接下来进行说明。

1.响应率和普及率

首先对响应率和普及率进行说明。结果如下:

首先观察响应率(各个选项的相对选择比例情况),再观察普及率(指选择某选项人数占总人数的百分比。)最后分析选择不同选项是否有差异。针对响应率,有效数据共有318个,其中选择储蓄的人更多(127个样本)约占所有样本的39.94%,其次为股票投资越占所有样本的16.67%,针对普及率可以看到样本一共为208个,其中储蓄的普及率最大(样本量选择最多)为61.06%,其次是股票约为25.48%。并且发现拟合优度的卡方值为141.132,p值小于0.05所以可以判断选择的比例存在差异。具体可以查看图形更加直观。

2.图示化

除此之外,还可以使用柱形图、条形图、帕累托图等进行直观展示。本例子使用柱状图展示普及率,条形图展示响应率以及用帕累托图展示相关累积比率。

  1. 普及率


从柱状图可以直观的看出‘储蓄’普及率最高,其次是‘股票’,可以看出总体选择也是有差异的。

  1. 响应率


从条形图可以看出‘储蓄’响应率占比最高,其次是‘股票’,并且可以看出总体的响应率也是由差别的。接着进行进一步分析。

  1. 帕累托图

从帕累托图可以看出“储蓄”、“股票”、“基金”的累计比率在80%以内,所以如果深入研究,“储蓄”、“股票”、“基金”在分析中占有至关重要的地位,一般占比80%-100%,不太重要。

五、进一步分析

多选题除了可以分析响应率与普及率之外还可以进行Cochran Q检验(用于研究多相关样本数据是否呈现出显著性差异的一种研究方法),和单选题进行交叉分析并且通过对应分析(通过分析由定性变量构成的交互汇总表来揭示变量间的联系)得到更多结论等。接下来进行说明。

1.Cochran Q检验

Cochran Q检验目的是检验多个相关样本是否为来自对个总体的分布无显著性差异,它适合对二分类数据的推断分析,通过对多个相关样本的分析,推断样本来自的对个总体的分布是否存在显著差异。因为多选题处理方式为一个选项为一个变量,并且选项只有两个取值分别为0和1。所以通过Cochran Q检验推断的是诸个相关样本是否可能来自同一个总体的检验。

从结果可以看出,统计量值为209.328,p值小于0.05,也即说明不同样本选择理财方式不同,有明显差异,也照应前面所分析的普及率和响应率。

2.单选题多选题交叉分析

由于想要分析不同专业选择理财产品是否有不同,所以进行单选题和多选题的交叉分析,结果如下:

从上表中可以看出调查者中文科类的学生最多,其次是理工类,通过交叉分析发现,对于理财方式选择把钱存起来的同学最多,约为61.06%,其次是股票约为25.48%。并且发现卡方值为28.896,p值为0.017小于0.05所以说明不同专业的同学选择理财的方式不同。具体差异也可以查看交叉汇总图:

因为数据之前存在关系,所以接下来利用对应分析进行查看具体关系。

3.对应分析

对应分析法整个处理过程由两部分组成:表格和对应图(也称关联图)。表格即为交叉表格,首先需要查看两个或多个定类数据之间是否真的具有关系(即具有差异性),确认定类数据具有关系之后,接着才需要查看对应图进一步分析关系情况。

对应分析的数据格式比较特殊一般不能直接将单选题和多选题拖拽到分析框内,可以根据单选题和多选题交叉分析结果中提供的对应分析数据格式,进行整理并上传数据进而分析。

操作如下:

最后得到对应图如下:

从图片中可以看到,“理工类”“股票”和“其它”理财方式为一个维度,也即说明调查中,理工类学生更喜欢理财方式为股票和其它方式理财,艺术生更偏向与买外汇或者黄金,文科类同学更喜欢基金,体育类同学更喜欢储蓄。

六、总结

通过对多选题的分析,发现大家喜欢存钱的比较多,其次是买股票,通过单选题和多选题的交叉分析,发现不同专业的同学倾向程度不同,比如理工类同学相对喜欢买股票,体育类同学相对喜欢存钱,通过对应分析的对应图可以看到,理工类学生更喜欢理财方式为股票和其它方式理财,艺术生更偏向与买外汇或者黄金,文科类同学更喜欢基金,体育类同学更喜欢储蓄。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/463794.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

换肤实现及LayoutInflater原理

文章目录 背景实现换肤步骤解析插件 apk 的包信息获取插件 apk 的 Resources 对象替换资源 简单的插件化换肤实现和存在的问题换肤如何动态刷新?控件换肤刷新的性能考虑如何降低 xml 布局中 View 的替换成本LayoutInflater 原理LayoutInflater.Factory2 替换 View 小…

antDesignPro6: 如何设置环境变量,取值自动根据不同环境,动态修改(3步)。

官网文档:环境变量 - Ant Design Pro Pro 脚手架默认使用 Umi 作为底层框架,在 Umi 内可通过指定 UMI_ENV 环境变量来区分不同环境的配置文件,UMI_ENV 需要在 package.json 内配置。当 UMI_ENV 为 test 时,则必须在 config 目录下…

二十、线索关联市场活动(二):关联

功能需求 用户在线索明细页面,点击"关联市场活动"按钮,弹出线索关联市场活动的模态窗口; 用户在线索关联市场活动的模态窗口,输入搜索条件,每次键盘弹起,根据名称模糊查询市场活动,把所有符合条件的市场活动显示到列表中; 用户选择要关联的市场活动,点击"关联…

电销CRM客户关系管理系统开发12大核心功能

电销CRM管理系统软件是一款专门针对电销行业开发的客户关系管理软件,它能够帮助企业实现对顾客信息的可视化,智能化,自动化管理,提高电销效率和客户满意度。电销行业在传统互联网营销,新媒体营销,短视频营销…

PINNs与DeepXDE:加速物理计算模型

《AIScience系列(一):飞桨加速CFD(计算流体力学)原理与实践》 https://baijiahao.baidu.com/s?id1728002499252273827&wfrspider&forpc 前言 AIScience专栏由百度飞桨科学计算团队出品,给大家带来…

dubbogo中将kubernetes作为注册中心 -- 阅读官方文档

Kubernetes服务发现模型 为了明确 K8s 在服务接入管理提供的解决方案,我们以 kube-apiserver 提供的 API(HTTPS) 服务为例。K8s 集群为该服务分配了一个集群内有效的 ClusterIP ,并通过 CoreDNS 为其分配了唯一的域名 kubernetes 。如果集群内的 Pod 需…

不用先存盘直接显示附件内容

大家好,才是真的好。 有些需求总是很小众,但是还是被人需要。 Notes从来可以满足这种需求。 其实使用Notes客户机可以直接打开嵌入到文档中的附件,例如Txt文本、Word或PDF附件等。 不过有人提出,能否直接从Notes文档中的附件读…

CDGP|数据监管越来越严,数据治理发展何去何从?

尽管数据监管越来越严格,但仍然存在许多机会。事实上,数据监管的加强可能会促进金融科技行业更好地运用数据,激发金融科技行业更多的创新和合作,创造更多的价值和机会。 推动金融机构重视数据安全和隐私保护 促使他们采取更严格的安全措施&a…

尚硅谷大数据技术Spark教程-笔记05【SparkCore(核心编程,累加器、广播变量)】

视频地址:尚硅谷大数据Spark教程从入门到精通_哔哩哔哩_bilibili 尚硅谷大数据技术Spark教程-笔记01【SparkCore(概述、快速上手、运行环境、运行架构)】尚硅谷大数据技术Spark教程-笔记02【SparkCore(核心编程,RDD-核…

系统日志管理审核

系统日志管理 系统日志记录协议 (syslog) 旨在标准化网络设备用于与日志服务器通信的消息格式。网络上的路由器、交换机、防火墙和 Unix/Linux 服务器等许多设备都支持它,从而更轻松地管理这些设备生成的日志。系统日志监控和管理对于每个组…

基于GPT-4的 IDEA 神仙插件,无需魔法,亲测好用!

近日,Intellij IDEA的插件商店,悄然上线了一个新的插件——Bito,据说可以基于GPT-4和ChatGPT来写代码。短短几天,已经有50多K的下载量了。 我帮大家试用了一下,亲测好用! 根据插件介绍显示,Bito…

《面向基于人工智能的学习健康系统,使用心电图进行人群水平的死亡率预测》阅读笔记

目录 一、摘要 二、十个问题 Q1论文试图解决什么问题? Q2这是否是一个新的问题? Q3这篇文章要验证一个什么科学假设? Q4有哪些相关研究?如何归类?谁是这一课题在领域内值得关注的研究员? Q5论文中提到…

Zynq-7000、国产zynq-7000的GPIO控制(三)

本文主要对在Linux下使用zynq-7000或者FMQL45T900控制MIO/EMIO 首先内核配置项 如下,这个不用太多关注,一般都是默认打开的 CONFIG_GPIO_SYSFSy CONFIG_SYSVIPCy CONFIG_GPIO_ZYNQy两者的控制都是流程都是一样的,在细节上又区别 首先都在…

第一章 安装Unity

使用Unity开发游戏的话,首先要安装Unity Hub和Unity Editor两个软件。大家可以去官方地址下载:https://unity.cn/releases/full/2020 (这里我们选择的是2020版本) Unity Hub 是安装 Unity Editor、创建项目、管理帐户和许可证的主…

mall-swarm微服务商城系统

mall-swarm是一套微服务商城系统,采用了 Spring Cloud 2021 & Alibaba、Spring Boot 2.7、Oauth2、MyBatis、Docker、Elasticsearch、Kubernetes等核心技术,同时提供了基于Vue的管理后台方便快速搭建系统。mall-swarm在电商业务的基础集成了注册中心…

陆游和辛弃疾都是南宋主战爱国的大才子,而且生活在同一个时代,有没有交集?

辛弃疾和陆游,都是宋朝著名的爱国诗人。但是这两位都没怎么做过正儿八经的大官,按照现代人的说法,他们总是在基层打嘴炮,对于朝廷的决策,他们是无能为力的。 这两位大诗人可以说生活在同一个年代,他们究竟…

【数据结构】算法的时间复杂度和空间复杂度详解

文章目录 一、算法的效率1.1 如何衡量一个算法的好坏1.2 算法的复杂度的概念 二、大O的渐进表示法三、时间复杂度2.1 时间复杂度的概念2.2常见时间复杂度计算举例 四、空间复杂度2.1 空间复杂度的概念2.2常见空间复杂度计算举例五、解决问题的思路LeetCode-exercise 总结 一、算…

Html5惯性小鸟游戏制作与分享(经典游戏)

当年电子词典中的经典游戏,后来出了无数变种的玩法。这里还原了最初的玩法与操作。实现了这一款有点难度“的怀旧经典游戏。 玩法也很简单,不用碰到任何东西、持续下去。。。 可以进行试玩,手机玩起来效果会更好些。 点击试玩 还有很多变种…

Python小姿势 - 知识点:

知识点: Python的字符串格式化 标题: Python字符串格式化实例解析 顺便介绍一下我的另一篇专栏, 《100天精通Python - 快速入门到黑科技》专栏,是由 CSDN 内容合伙人丨全站排名 Top 4 的硬核博主 不吃西红柿 倾力打造。 基础知识…

ASO优化之竞品研究与分析

我们的应用要有绝对优势和不同的营销策略才能在应用商城里脱颖而出,来获取用户的注意力。我们可以通过对自己家应用与竞争对手在相似的功能和后期用户评价方面,提取出有助于提升应用排名的因素,从而确定自己家应用的优化领域。 竞品分析的主…