多选分析

所属分类：问卷分析

这个方法是做什么的

把一道多选题（一个人可以勾多个选项）的作答摊开：每个选项被多少人选中、占多大比例。数据形态是硬要求——每个选项单独一列、取值只能是 0（未选）与 1（已选）；如果原始数据是“选项文本堆在一列”的形式，产品内没有能拆开它的功能——“数据编码”按整格取值查表（“A,B”在表里查不到，整列变成空值），“计算公式”下的“虚拟(哑)变量”则把整格当成一个类别、直接建出名为“A,B,C”的哑列，两者都不按分隔符拆；必须在上传前用 Excel 等工具拆成每选项一列的 0/1 再进来。占比一次给两个口径：普及率（分母是人，各项之和会超过 100%）与响应率（分母是勾选人次，各项之和恰为 100%）。

除了分布，它还给出“各选项受欢迎程度是否真有差别”的检验。因为同一位受访者在所有选项上都作了答，各选项是相关样本，主检验用 Cochran's Q（示例 Q(5)=33.380，p<0.0001），效应量用 Kendall's W，两两比较用 McNemar 精确检验并做 Holm 校正。卡④ 的事后表还给出每一对选项的 φ 相关，区分“倾向一起被选”与“倾向二选一”。卡① 会实算“把勾选人次当独立观测”这一常见做法的不成立程度。

需要准备什么数据

• 放入多选题的各选项列：至少 2 个

数据要求

• 数据表至少 30 行。
• 单列缺失率不超过 20%。
• 不接受取值全都一样的列（零方差列没有可分析的变异）。
• 「放入多选题的各选项列」必须正好是 2 个类别。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

• 问卷里“以下哪些是你购买时会考虑的因素（可多选）”这类题的选项分布与排序
• 想判断排在前面的几个选项是真的更受欢迎，还是只是抽样波动
• 想知道两个选项之间是搭配关系还是替代关系（看 φ 的正负）
• 想确认选项集合是否覆盖了受访者（覆盖率 = 至少选 1 项的人占比）

前提有五条：每列必须恰好只有 0 和 1 两种取值；至少 2 个选项列；任一列不得是常数列（全选或全不选无变异）；同一行必须是同一位受访者的作答；缺失单元格按“未选”记 0 并在概览表中如实计数。数据表的行数下限实测为 30 行——29 行会被拦下并提示补充样本。

什么时候不要用它

• 这道题是单选（一人只能选一个）：一列就够，直接用「频数分析」看各选项的频数与占比。
• 要看多选题在不同人群里的差异（男女选的东西是否不同）：本模块只看一道题自身，跨变量比较用「交叉分析【单选&多选】」（一个分组变量对多个选项）或「交叉分析【多选&单选】」（多个分组变量）。
• 要看两道多选题之间的搭配关系（购买考虑 × 期望改进）：用「交叉分析【多选&多选】」，它把每一对选项还原成受访者层面的 2×2 表逐对检验。
• 目标是“选几个选项能覆盖最多人”（产品线组合、口味上架）：普及率排序并不等于最优组合，因为高普及率的选项可能覆盖的是同一批人，应改用「TURF触达频次分析」。
• 这 k 个 0/1 变量不是同一道多选题的选项（例如同一批人在三个时点是否达标）：结构相同但研究问题不同，用「Cochran's Q 检验」，它会按重复测量的语义组织报告。

容易误读的地方

• 普及率与响应率的分母不同，混用是多选题报告里最高频的错误。 示例中“购买考虑-物流迅速”的普及率是 64.00%、响应率是 19.91%，是同一个选项的两个数：前者答“200 人里有多少人选了它”，后者答“它占全部 643 次勾选的多少”。普及率各项之和是 321.5%（等于人均 3.21 项 ×100%），响应率之和恰好 100%。写结论时必须写清用的是哪一个口径，否则读者无从判断。
• 卡② 并排列着两个检验，只有一个作数。 第二行的卡方拟合优度把“勾选人次”当成独立观测，而卡① 已实算出 643 人次只来自 195 位受访者（平均每人 3.21 次），这个前提在多选题里必然不成立；表注写明它“仅为与旧版报告对照，不作为结论依据”。本例两行方向恰好一致（Q 的 p<0.0001、卡方的 p=0.0125），但一致是巧合——两者的原假设与所用信息都不同。誊写时抄错行，是这张表最现实的风险。
• Q 极显著与 W 很小并不矛盾，而后者才是差距大小。 示例 W=0.0334，模块自己的结论句写着“即便 Q 检验显著，实际差距也不算悬殊”。原因在公式里：W = Q/[N(k−1)]，Q 随样本量线性增长而 W 不会。配合看普及率极差（示例 21.50 个百分点）比只看 p 值可靠得多。
• φ 回答的问题和“谁更受欢迎”完全不同，两列可以不同向。 示例中“购买考虑-物流迅速”与“购买考虑-品牌知名”的 φ=0.124（倾向被同一个人同时选中），而同一行的 McNemar 优势比 b/c=1.025、Holm 校正 p=1.0000，即受欢迎程度几乎没有差别。φ 说的是共现或互斥，b/c 说的是高低，把前者读成“物流比品牌更重要”是错的。
• 缺失被计成“未选”，不是被剔除。 概览表把“缺失单元格数（按未选=0 处理）”单列一行就是为了提醒这件事。一位整道题漏答的受访者会被算成“一项都没选”，同时拉低所有选项的普及率与覆盖率（示例中有 5 人一项未选）。拖进来之前必须确认：数据里的 0 到底是“他看了没勾”，还是“他压根没答这道题”。

报告里有什么

1. 输出结果一：数据概览与前提检验
2. 输出结果二：主结果表（各选项被选概率是否相等）
3. 输出结果三：可视化（普及率与响应率）
4. 输出结果四：效应量与事后分析
5. 输出结果五：结论与学术表述