Salut à tous. Je me débat avec quelque chose depuis quelques jours, alors j'ai pensé qu'il serait peut-être temps de demander l'aide de la communauté. Notez qu'il s'agit d'une description assez longue du problème car elle conduit étape par étape à travers 5 scripts d'analyse intégrés dans la table de données jointe. Je n'ai pas été en mesure de trouver une manière plus concise d'illustrer mon objectif d'analyse et les problèmes que j'ai pour l'atteindre. Si quelqu'un a le temps de regarder cela et de trouver une solution, je vous en serais reconnaissant. Je suis coincé dessus depuis quelques jours maintenant.
Le tableau de données ci-joint, appelé «LottSurveyDataForJMP», contient les résultats d'une enquête anonyme auprès des professionnels de la gestion forestière. Le champ ID du répondant est un identifiant unique pour chaque participant où l'horodatage est utilisé à la place de son nom pour préserver l'anonymat. Les 12 colonnes restantes ont le type de données à réponses multiples, car chaque question permettait aux participants de sélectionner une ou plusieurs cases à cocher. Mon logiciel d'enquête utilisait des points-virgules pour la délimitation des réponses, de sorte que chaque colonne a soit une seule réponse (par exemple, «forestier), soit un ensemble de réponses séparées par des points-virgules (par exemple, forestier; planificateur forestier; chercheur).
Les 2 premières colonnes à réponses multiples, «Affiliation» et «Rôle», décrivent la composition démographique des répondants à l'enquête. À noter que de nombreux répondants avaient plus d'une affiliation et / ou plus d'un rôle. Les 10 autres champs de réponses multiples sont des réponses à 10 questions d'enquête différentes, numérotées Q1 à Q10. Mon objectif d'analyse est de résumer les réponses à chacune de ces 10 questions par des combinaisons uniques d'affiliation et de rôle (par exemple, agence d'État * forestier ou organisation à but non lucratif * planificateur forestier).
J'ai été en mesure de trouver comment générer des résumés de facteurs uniques pour les 10 questions par affiliation ou par rôle en utilisant la plate-forme catégorielle. Le script de table de données appelé «Toutes les questions, 1 facteur», chaque «regroupement» produit individuellement ce résultat. Cependant, je n'ai pas été en mesure de trouver comment générer des résumés clairs des réponses à chacune des 10 questions par interaction unique à 2 facteurs (par exemple, Affiliation * Rôle). Au lieu de cela, le premier facteur est analysé correctement, mais le second ne l'est pas. Voir ma tentative infructueuse de faire cela en exécutant les scripts de table de données: "Toutes les questions, 2 facteurs," combinaisons "regroupement" ou "Toutes les questions, 2 facteurs", les deux "regroupement". La seule différence entre ces deux scripts résidait dans la valeur que j'ai sélectionnée pour le menu déroulant "type de regroupement". Il est intéressant de noter que la sélection de «combinaisons» ou de «les deux» a donné exactement les mêmes tableaux. Dans chacun de ces cas, le même tableau à 2 facteurs est créé avec des niveaux de rôle imbriqués dans les niveaux d'affiliation, MAIS ... les niveaux de rôle ne sont plus uniques (par exemple, les affiliations aux agences d'État sont divisées en 3 niveaux: "forestier", " planificateur forestier "et" forestier; planificateur forestier ", alors qu'ils devraient être divisés en seulement 2 niveaux uniques:" forestier "ou" planificateur forestier ", où le cas du répondant qui a spécifié deux rôles comme" forestier; planificateur forestier "devrait être affecté une fois à chacune des catégories distinctes, plutôt que de le conserver comme son propre niveau unique.
Ensuite, j'ai utilisé l'onglet "structuré" de la boîte de dialogue de la plateforme catégorielle pour attribuer un "rôle" à la position "supérieure" et une "affiliation" à la position "latérale" (exécuter les données "utilisation de l'onglet" structure "..." script de table pour voir ce résultat. Cela a produit exactement le type de table bidirectionnelle que l'on recherchait, résumant toutes les combinaisons bidirectionnelles uniques de rôle et d'affiliation. Dans ce cas, les deux facteurs démographiques ont été traités de la même manière que le groupement «chacun individuellement» traitait des facteurs de tâtonnement x simples. C'est exactement la structure de tableau que je recherche pour résumer les résultats de chacune des 10 questions de l'enquête. Malheureusement ... lorsque vous exécutez le script suivant "essayez d'obtenir des résultats d'affiliation de rôle * uniques pour des questions individuelles ..." vous verrez que je n'ai pas pu générer les résumés à 2 facteurs souhaités pour des questions individuelles.
J'espère créer une sortie qui ressemble exactement à celle que j'ai obtenue pour le script "utilisation de l'onglet" structure "..." où il y a 10 tables, une pour chaque question, avec des résultats résumés par des combinaisons uniques de rôle et d'affiliation , mais je ne peux pas pour la vie de moi comprendre comment faire fonctionner cela.
Je ne sais pas si cela aide du tout, mais j'ai un peu joué avec vos données.Attention: je n'ai pas utilisé de données à réponses multiples, donc je ne l'ai pas du tout abordé de cette façon (et après avoir examiné ces données, j'essaierais probablement d'éviter les données de réponses multiples à l'avenir!).En tout cas, j'étais enclin à recoder les données.Dans le fichier joint (avec le même nom que celui que vous avez joint), il y a un script final montrant un treemap de l'une des réponses temporelles, après avoir recodé à la fois l'affiliation et le rôle.Mon recodage n'a peut-être pas de sens, car il devrait être guidé par l'expertise du contenu - mais aussi par la fréquence dans les données (c'est pourquoi j'ai essayé d'isoler les réponses les plus courantes à l'affiliation et au rôle).
Si cette approche a du sens pour vous, vous pouvez consulter le deuxième fichier que j'ai joint.Il montre un exemple (example.jmp) - J'ai utilisé l'utilitaire de colonne pour prendre les réponses multiples pour temporelles et les diviser en colonnes séparées (avec des valeurs d'indicateur).Le script enregistré montre un exemple après avoir empilé ces nouvelles colonnes d'une carte thermique montrant à quel point ces 5 catégories sont communes pour divers rôles et affiliations.
Comme je l'ai dit, cela peut vous être utile ou non.Pour moi, visualiser les données a plus de sens que ces tables longues et rares.En fait, je pense que la rareté des cellules de vos écrans sera un problème, peu importe comment vous regardez cela.La combinaison de la petite taille de l'échantillon et des réponses multiples semble (du moins pour moi) exiger un recodage approfondi des données pour en donner un sens.Il y a tout simplement trop de réponses éparses (combinaisons de vos 2 variables démographiques et réponses multiples particulières) pour que ce petit échantillon dise quoi que ce soit de sensé.Le recodage est la façon dont j'aborderais ces données - mais comme recoder des données signifie perdre le détail des données d'origine, il doit être fait avec soin afin de ne pas produire de modèles artificiels.
L'autre pensée que j'ai (avec le recul, bien sûr) est que si vous utilisez des réponses multiples, cela aiderait vraiment si elles avaient un ordre naturel.Sans aucun ordre, chaque ensemble particulier de réponses doit être pondéré de manière égale.J'ai vu cela se produire avec d'autres données d'enquête.Un exemple est les sondages auprès des étudiants des majeures qui les intéressent - s'ils ne sont pas classés par ordre de préférence et que chaque répondant peut inscrire 3 réponses, alors une majeure particulière compte également, qu'il s'agisse du premier, du deuxième ou du troisième choix.Cela facilite l'analyse si le premier choix représente le premier.
Categorical(
Structured( :Role * :Affiliation, :Q1 Spatial scales ),
Share Chart( 0 ),
Legend( 0 )
);
Cela vous permet-il d'obtenir ce que vous voulez? En utilisant l'onglet structuré j'ai mis la question sur le côté et le rôle imbriqué dans l'affiliation en haut. Le résultat est un tableau de décompte des réponses pour chaque combinaison affiliation / rôle. Ce que vous avez rencontré, c'est que le rôle de réponse multiple est reconnu dans des instances spécifiques mais pas dans toutes les instances de JMP. Le rôle de regroupement ne reconnaissait donc pas le type de colonne à réponses multiples, mais l'élément structuré de la plateforme catégorielle reconnaissait le type de colonne à réponses multiples. Les données catégoriques sont délicates !!! J'espère que cela vous aidera dans votre quête pour donner un sens à ce que vous avez.
Karen
Karen
