Hola a todos. He estado luchando con algo durante unos días, así que pensé que podría ser el momento de pedir ayuda a la comunidad. Tenga en cuenta que esta es una descripción bastante larga del problema, ya que conduce paso a paso a través de 5 scripts de análisis que están incrustados en la tabla de datos adjunta. No he podido encontrar una forma más concisa de ilustrar mi objetivo de análisis y los problemas que tengo para cumplirlo. Si alguien tiene tiempo para mirar esto y encontrar una solución, estaría agradecido. He estado atascado en él durante unos días.
La tabla de datos adjunta, llamada "LottSurveyDataForJMP", tiene los resultados de una encuesta anónima de profesionales de la gestión forestal. El campo RespondentID es una identificación única para cada participante donde se usa la marca de tiempo en lugar de su nombre para preservar el anonimato. Las 12 columnas restantes tienen el tipo de datos de respuesta múltiple, ya que cada pregunta permitió a los participantes seleccionar una o más respuestas de casillas de verificación. Mi software de encuestas usaba punto y coma para delinear las respuestas, por lo que cada columna tiene una sola respuesta (p. Ej., "Forestal") o un conjunto de respuestas separadas por punto y coma (p. Ej., Forestal; planificador forestal; investigador).
Las dos primeras columnas de respuesta múltiple, "Afiliación" y "Rol", describen la composición demográfica de los encuestados. Tenga en cuenta que muchos encuestados tenían más de una afiliación y / o más de un rol. Los 10 campos de respuesta múltiple restantes son respuestas a 10 preguntas de encuestas diferentes, numeradas de Q1 a Q10. Mi objetivo de análisis es resumir las respuestas a cada una de estas 10 preguntas mediante combinaciones únicas de afiliación y rol (por ejemplo, agencia estatal * forestal u organización sin fines de lucro * planificador forestal).
He podido descubrir cómo generar resúmenes de un solo factor para las 10 preguntas por Afiliación o Rol utilizando la plataforma categórica. La secuencia de comandos de la tabla de datos llamada "Todas las preguntas, 1 factor", cada "agrupación" individualmente produce este resultado. Sin embargo, no he podido averiguar cómo generar resúmenes claros de las respuestas a cada una de las 10 preguntas mediante una interacción única de 2 factores (por ejemplo, Afiliación * Rol). En cambio, el primer factor se analiza correctamente, pero el segundo factor no. Vea mi intento fallido de hacer esto ejecutando los scripts de la tabla de datos: "Todas las preguntas, 2 factores," combinaciones "agrupamiento" o "Todas las preguntas, 2 factores", ambos "agrupamiento". La única diferencia entre estos dos scripts estaba en el valor que seleccioné para el menú desplegable "tipo de agrupación". Curiosamente, al seleccionar "combinaciones" o "ambos" se obtuvieron exactamente las mismas tablas. En cada uno de estos casos, se crea la misma tabla de 2 factores con niveles de rol anidados dentro de los niveles de afiliación, PERO ... los niveles de rol ya no son únicos (p. Ej., Las afiliaciones de agencias estatales se dividen en 3 niveles: "forestal", " planificador forestal "y" forestal; planificador forestal ", cuando deberían dividirse en solo 2 niveles únicos:" forestal "o" planificador forestal ", en el caso del encuestado que especificó dos funciones como" forestal; planificador forestal " asignarse una vez a cada una de las categorías independientes, en lugar de conservarse como un nivel único.
A continuación, utilicé la pestaña "estructurada" del cuadro de diálogo de la plataforma categórica para asignar "rol" a la posición "superior" y "afiliación" a la posición "lateral" (ejecute la pestaña "uso de" estructura "..." datos script de tabla para ver este resultado. Esto produjo exactamente el tipo de tabla bidireccional que estaba buscando, resumiendo todas las combinaciones bidireccionales únicas de Rol y Afiliación. En este caso, ambos factores demográficos se trataron de la misma manera que la agrupación "cada uno individualmente" se ocupó de los factores individuales x tanteos. Esta es exactamente la estructura de la tabla que estoy buscando para resumir los resultados de cada una de las 10 preguntas de la encuesta. Desafortunadamente ... cuando ejecute el siguiente script "intente obtener resultados de afiliación de rol * únicos para preguntas individuales ..." verá que no pude generar los resúmenes de 2 factores deseados para preguntas individuales.
Espero crear un resultado que se vea exactamente como el que obtuve para el script "uso de la pestaña" estructura "..." donde hay 10 tablas, una para cada pregunta, con resultados resumidos por combinaciones únicas de rol y afiliación , pero no puedo por mi vida averiguar cómo hacer que esto funcione.
No sé si esto ayuda en absoluto, pero jugué un poco con tus datos.Advertencia: no he usado datos de respuesta múltiple, por lo que no lo abordé de esa manera en absoluto (y después de mirar estos datos, ¡probablemente trataría de evitar datos de respuesta múltiple en el futuro!).En cualquier caso, me incliné a recodificar los datos.En el archivo adjunto (con el mismo nombre que el adjunto) hay un script final que muestra un mapa de árbol de una de las respuestas temporales, después de recodificar tanto la afiliación como el rol.Es posible que mi recodificación no tenga sentido, ya que debería estar guiada por la experiencia en el contenido, pero también por la frecuencia en los datos (por eso traté de aislar las respuestas más comunes a la afiliación y el rol).
Si este enfoque tiene algún sentido para usted, puede mirar el segundo archivo que adjunto.Muestra un ejemplo (example.jmp): utilicé la utilidad de columna para tomar las respuestas múltiples para temporal y las dividí en columnas separadas (con valores de indicador).La secuencia de comandos guardada muestra un ejemplo después de apilar estas nuevas columnas de un mapa de calor que muestra qué tan comunes son esas 5 categorías para varios roles y afiliaciones.
Como dije, esto puede serle útil o no.Para mí, visualizar los datos tiene más sentido que estas tablas extensas y escasas.De hecho, creo que la escasez de celdas en sus pantallas será un problema, sin importar cómo se mire esto.La combinación de un tamaño de muestra pequeño y respuestas múltiples parece (para mí, al menos) requerir una recodificación extensa de los datos para que tengan algún sentido.Hay demasiadas respuestas escasas (combinaciones de sus 2 variables demográficas y respuestas múltiples particulares) para que esta pequeña muestra diga algo sensato.La recodificación es la forma en que abordaría estos datos, pero dado que recodificar datos significa perder el detalle de los datos originales, debe hacerse con cuidado para no producir patrones artificiales.
El otro pensamiento que tengo (en retrospectiva, por supuesto) es que si usa múltiples respuestas, realmente ayudaría si tuvieran algún orden natural.Sin ningún orden, cada conjunto particular de respuestas debe ponderarse por igual.He visto que esto sucede con otros datos de encuestas.Un ejemplo son las encuestas de estudiantes de las especialidades en las que están interesados: si no están en orden de preferencia y cada encuestado puede poner 3 respuestas, entonces una especialidad en particular cuenta igualmente si es la primera, segunda o tercera opción.Facilita el análisis si la primera opción representa la principal.
Categorical(
Structured( :Role * :Affiliation, :Q1 Spatial scales ),
Share Chart( 0 ),
Legend( 0 )
);
¿Llega esto a lo que quieres? Usando la pestaña estructurada, puse la pregunta a un lado y el rol anidado dentro de la afiliación en la parte superior. El resultado es una tabla de conteos de las respuestas para cada combinación de afiliación / rol. Con lo que se ha encontrado es que el rol de respuesta múltiple se reconoce en instancias específicas, pero no en todas las instancias en JMP. Por lo tanto, la función de agrupación no reconoció el tipo de columna de respuesta múltiple, pero el elemento estructurado en la plataforma categórica SI reconoce el tipo de columna de respuesta múltiple. ¡Los datos categóricos son complicados! Espero que esto te ayude en tu búsqueda de dar sentido a lo que tienes.
Karen
Karen
