站長資訊平臺

調研問卷中多選題的分析方法探討（1）

2019-04-03 來源：淘寶UED

引子

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，但由于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，并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。

本篇主要探討帶有分類性質的多選題，如何進行深入分析，得出分類相關的結論，也可以對各類別進行排序。

帶有分類性質的多選題

一般而言，在設置多選題時，并沒有想到分類，只是想了解各種情況的排序情況。其實，某些多選題，已經隱含了分類的信息，透過這種潛在的分類信息，能夠更深入地了解用戶的內在想法、心理特征，甚至推測他們的行為習慣，與其他行為題目相互照應。

帶有分類價值的多選題一般具備以下幾個特征：

1、題干本身包含分類的含義，如最常遇到的障礙、最亟待解決的問題、最需要的功能、最常用的工具等，或直接詢問：哪些服務最適合劃分為一類。

2、選項涵蓋內容較分散，如果選項都是集中某一個細節(jié)層面，那就沒有分類的必要；只有當選項內容包含多個方面的細節(jié)點，且每個方面不止一個細節(jié)點，才有分類的必要。此時的方面、細節(jié)需根據業(yè)務辯證地看，主要取決于選項是否有分類的意義。

3、選項一般超過10個，選項太少沒有分類的必要，只有超過一定數量，分類才有價值，分類的目的是為了通過細節(jié)概括出看問題的維度，更深入地解讀用戶心理或行為。

4、限選，這不是必須的，主要根據經驗判斷，用戶在做選擇時，是否會傾向于全選，跟題干的問法有關。無法做出準確判斷，且需要對選項做出優(yōu)先級排序時，通常采用限選的方式，可以根據研究目的，限定全部選項數量的一半，或1/3。

5、數據為0/1格式，即每個選項一個變量，選中為1，未選中為0，多選題轉換成此種格式，宜于做深入分析。

當有了帶有分類價值的多選題，就可以采用下文介紹的方法進行深入分析。

本文中的例子是半年前做過的一次定量調研，帶有分類價值的多選題，主要考察：淘寶賣家在經營店鋪時，最需要的功能。

聚類分析

首先，采用譜系聚類（Hierarchical cluster）的分析方法，為了使得變量的分類趨于均勻，選擇Ward’s法，二分類變量（Binary）歐式平方距離（Squared Euclidean distance）測距方法，查看相應的統(tǒng)計量（略），并結合業(yè)務，找出分類數。譜系聚類的樹狀圖查看分類結果比較清楚，也比較方便，建議多用。

綜合分析可知，本例的賣家功能劃分五類或七類比較合適，但個別分類不易解釋，且出現(xiàn)單個類別中只有一個功能，后續(xù)應用的價值有限。

因子分析

聚類分析結果不理想，也可以采用因子分析的方法。

經多次嘗試，17個變量中去掉“直通車關鍵字檢索”，單獨成為一類。剩余變量利用主成分分析法（Principal components），方差最大正交旋轉（Varimax）進行運算，得到KMO值為0.545，Bartlett 球形檢驗的值為1041.324（df=120）達到顯著，表明可以做因子分析。最終萃取出7個公因子，累積方差貢獻率為55.1%（詳見下表），解釋效果尚可。

結合業(yè)務來看，這些分類能夠很好地被解釋，從而反映出賣家的心理特征和需求方向。

注：由于本例是多選題，并非量表打分題，且側重考查的不是變量間的建構效度，僅借用了因子分析的方法進行分類，因此KMO檢驗和累積方差貢獻率的具體值，并沒有真正的因子分析那么重要，但必須要查看，甚至需要做信度檢驗，也要查看重構的相關矩陣殘差值，做到心中有數，知其然也要知其所以然。本例中，重構的相關矩陣中，有超過半數殘差值大于0.05，如果按照真正的因子分析模型來判斷，擬合效果并不好。

相關分析

還有一種簡單易行的方法，就是相關分析。經統(tǒng)計學家研究表明，0/1變量同樣適用于皮爾遜相關系數（Pearson Correlation）。

本例將17個功能做相關分析，得到簡化的相關矩陣如下表：

根據研究目的，此表只需看正向、且相關非常顯著的選項即可，但17*17個表格中127個有關聯(lián)，如何做深入分析呢？根據選項間的關系強弱、是否顯著等，可以畫出圖形，如此，就可以清晰地看出各選項之間的關系，進行分類。

本例中，此種方式的分類結果（如下圖），易于解釋，且分類數量恰當，便于后續(xù)應用。

三種方法所得結果的對比

以上提到的三種方法，所得結果如下表：

可以看出，聚類分析的結果容易出現(xiàn)不易解釋的分類，因子分析的結果劃分得更細化，相關分析的結果可以根據需要，在一定范圍內進行調節(jié)，得出適當的分類數量。

不同的案例，應該多嘗試不同方法，即便相關分析的結果最可靠，其他方法的結果也能起到補充的作用，以獲得更加有價值的研究結論。

進一步的應用

得到合理的分類后，還可以結合選項的頻率，給每一個類別賦值，得到類別的優(yōu)先級排序。

如果最終選定了因子分析的分類結果，單個類別中每個選項的權重可以由因子載荷計算而來；當然，也可以跟聚類分析、相關分析的結果一樣，采用算數平均、或加權平均的方法，計算每個類別的平均值。