346769_es-ES

liliconcom

Resumir datos de encuestas de respuesta múltiple mediante combinaciones únicas de 2 factores demográficos

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 integrados 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 alcanzarlo. Si alguien tiene el tiempo para mirar esto y encontrar una solución, estaría agradecido. He estado atrapado en él desde hace unos días.

 

La tabla de datos adjunta, llamada "LottSurveyDataForJMP" tiene resultados de una encuesta anónima de profesionales del manejo 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 casilla de verificación. Mi software de encuesta usaba puntos y comas para delinear las respuestas, por lo que cada columna tiene una sola respuesta (p. ej., "silvicultor) o un conjunto de respuestas separadas por punto y coma (p. ej., silvicultor; planificador forestal; investigador).

 

Las primeras 2 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 encuesta diferentes, numeradas de Q1 a Q10. El objetivo de mi análisis es resumir las respuestas a cada una de estas 10 preguntas por combinaciones únicas de Afiliación y Función (por ejemplo, Agencia estatal * Guardabosques u Organización sin fines de lucro * Planificador forestal).

 

Pude descubrir cómo generar resúmenes de un solo factor para las 10 preguntas por Afiliación o Rol usando la plataforma categórica. El script de la tabla de datos llamado "Todas las preguntas, 1 factor, agrupación "cada uno individualmente" produce este resultado. Sin embargo, no he podido descifrar cómo generar resúmenes claros de las respuestas a cada una de las 10 preguntas mediante una interacción única de 2 factores (p. ej., 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, agrupación de "combinaciones"" o "Todas las preguntas, 2 factores, agrupación de "ambos". La única diferencia entre estos dos scripts estaba en el valor que seleccioné para el menú desplegable "tipo de agrupación". Curiosamente, seleccionar "combinaciones" o "ambas" dio como resultado exactamente las mismas tablas. En cada uno de estos casos, se crea la misma tabla de 2 factores con los 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: "silvicultor", " planificador forestal" y "silvicultor; planificador forestal", cuando deben dividirse en solo 2 niveles únicos: "silvicultor" o "planificador forestal", en el caso del encuestado que especificó dos funciones como "silvicultor; planificador forestal". asignarse una vez a cada una de las categorías separadas, en lugar de conservarse como su propio 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" (ejecutar la pestaña "uso de "estructura"..." datos script de tabla para ver este resultado. Esto produjo exactamente el tipo de tabla de doble entrada que estaba buscando, resumiendo todas las combinaciones únicas de 2 entradas 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 de tanteo x individuales. Esta es exactamente la estructura de tabla que busco para resumir los resultados de cada una de las 10 preguntas de la encuesta. Desafortunadamente... cuando ejecute el siguiente script "intentar obtener resultados de afiliación de roles 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 la secuencia de comandos "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.

Fusión y limpieza de datosRe: Resumen de datos de encuestas de respuesta múltiple mediante combinaciones únicas de 2 factores demográficos

Ok, podría tener una forma de que llegues a lo que estás tratando de llegar:

1. Ejecute el análisis estructurado a medida que lo descubramos.
2. Guarde la tabla de contingencia.
3. Use tabular con su pregunta a la izquierda, los otros roles anidados en la parte superior... sí, tiene otra tabla difícil de manejar... pero ahora...
4. Utilice el filtro de datos locales sobre la frecuencia y filtre los conteos bajos (para que pueda hacer esto de forma interactiva para llegar a la tabla de tallas que es útil).

¡¡Espero que ayude!!

 

karen

Re: Resumen de datos de encuestas de respuesta múltiple mediante combinaciones únicas de 2 factores demográficosGracias, @KarenC . Esto funcionó perfectamente. Es increíble lo simple que fue la respuesta. No me había dado cuenta de que podía anidar columnas en la pestaña estructurada. Espero que otras personas que tengan el mismo problema encuentren su solución, o que este detalle se agregue a la plataforma categórica>documentación de respuestas múltiples, porque ahorra MUCHO tiempo. @dale_lehman , gracias por su trabajo en esto también. ¡Experimenté con tipos similares de grabación, lo que me llevó a sentir lo mismo acerca de los datos de respuesta múltiple! Pero una vez más, JMP tiene una solución simple que hace que el análisis de datos de respuesta múltiple sea MUCHO más rápido.

Sobre el problema de la matriz dispersa que @dale_lehman mencionado... Sería increíble si hubiera alguna forma de limitar los resultados de la tabla a combinaciones de factores que tienen un tamaño de muestra mínimo para los casos. Por ejemplo, si pudiera especificar 10 como el número mínimo de casos que me gustaría usar en análisis posteriores, la tabla sería mucho más pequeña y solo incluiría combinaciones de 2 vías de afiliación * rol que tienen un tamaño de muestra para presentación y discusión de resultados. No estoy seguro de cómo se haría esto, pero si alguien tiene alguna idea, por favor etiquétenme. @caseylott con tu respuesta

Gracias nuevamente por su ayuda, comunidad JMP. ¡Ustedes son geniales!Re: Resumen de datos de encuestas de respuesta múltiple mediante combinaciones únicas de 2 factores demográficos

Categorical(
 Structured( :Role * :Affiliation, :Q1 Spatial scales ),
 Share Chart( 0 ),
 Legend( 0 )
);

¿Esto llega a lo que quieres? Usando la pestaña estructurada, puse la pregunta al costado 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. Lo que ha encontrado es que el rol de respuesta múltiple se reconoce en instancias específicas pero no en todas las instancias en JMP. Entonces, el rol de agrupación no reconocía el tipo de columna de respuesta múltiple, pero el elemento estructurado en la plataforma categórica SÍ reconoce el tipo de columna de respuesta múltiple. ¡¡¡Los datos categóricos son complicados!!! Espero que esto te ayude en tu búsqueda de darle sentido a lo que tienes.

karen
karen

Re: Resumen de datos de encuestas de respuesta múltiple mediante combinaciones únicas de 2 factores demográficos

No sé si esto ayuda en absoluto, pero jugué un poco con tus datos.Advertencia: no he usado datos de respuestas múltiples, por lo que no lo abordé de esa manera (y después de ver estos datos, ¡probablemente intentaría evitar los datos de respuestas múltiples en el futuro!).En cualquier caso, me incliné a recodificar los datos.En el archivo adjunto (con el mismo nombre que el que adjuntaste) hay un script final que muestra un diagrama de árbol de una de las respuestas temporales, después de registrar tanto la afiliación como el rol.Es posible que mi recodificación no tenga sentido, ya que debe guiarse 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 como temporales y las dividí en columnas separadas (con valores de indicador).El script guardado 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 o no ser útil para usted.Para mí, visualizar los datos tiene más sentido que estas tablas largas y dispersas.De hecho, creo que la escasez de celdas en sus pantallas será un problema sin importar cómo mire esto.La combinación de tamaño de muestra pequeño y respuestas múltiples parece (al menos para mí) requerir una recodificación extensa de los datos para que tenga algún sentido.Hay demasiadas respuestas dispersas (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 me acercaría a estos datos, pero dado que la recodificación de datos significa perder los detalles 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 usas múltiples respuestas, realmente ayudaría si tuvieran un 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 sobre las carreras que les interesan: si no están en orden de preferencia y cada encuestado puede poner 3 respuestas, entonces una carrera en particular cuenta por igual, ya sea la primera, la segunda o la tercera opción.Facilita el análisis si la primera opción representa la principal.