Ciao a tutti. Ho lottato con qualcosa per alcuni giorni, quindi ho pensato che potesse essere il momento di chiedere l'aiuto della comunità. Nota, questa è una descrizione del problema piuttosto lunga poiché conduce passo dopo passo attraverso 5 script di analisi incorporati nella tabella dati allegata. Non sono stato in grado di trovare un modo più conciso per illustrare il mio obiettivo di analisi e i problemi che sto incontrando. Se qualcuno ha il tempo di esaminare questo e trovare una soluzione, gliene sarei grato. Ci sono rimasto bloccato per alcuni giorni.
La tabella dati allegata, denominata "LottSurveyDataForJMP", contiene i risultati di un sondaggio anonimo di professionisti della gestione forestale. Il campo RespondentID è un ID univoco per ogni partecipante in cui viene utilizzato il timestamp invece del loro nome per preservare l'anonimato. Le restanti 12 colonne hanno il tipo di dati a risposta multipla, poiché ciascuna domanda consentiva ai partecipanti di selezionare una o più risposte della casella di controllo. Il mio software di rilevamento utilizzava i punti e virgola per delineare le risposte, quindi ogni colonna ha una singola risposta (ad esempio, "guardaboschi") o una serie di risposte separate da punti e virgola (ad esempio, guardia forestale; pianificatore forestale; ricercatore).
Le prime 2 colonne a risposta multipla, "Affiliazione" e "Ruolo", descrivono la composizione demografica degli intervistati. Tieni presente che molti intervistati avevano più di un'affiliazione e / o più di un ruolo. I restanti 10 campi a risposta multipla sono risposte a 10 diverse domande del sondaggio, numerate da Q1 a Q10. Il mio obiettivo di analisi è riassumere le risposte a ciascuna di queste 10 domande in base a combinazioni uniche di Affiliazione e Ruolo (ad es. Agenzia statale * Forester o Organizzazione no-profit * Forest Planner).
Sono stato in grado di capire come generare riepiloghi di un singolo fattore per tutte e 10 le domande per Affiliazione o Ruolo utilizzando la piattaforma categoriale. Lo script della tabella dati chiamato "Tutte le domande, 1 fattore", ogni singolo "raggruppamento" produce questo risultato. Tuttavia, non sono stato in grado di capire come generare riepiloghi puliti delle risposte a ciascuna delle 10 domande mediante un'interazione unica a 2 fattori (ad esempio, Affiliazione * Ruolo). Invece, il primo fattore viene analizzato correttamente, ma il secondo non lo è. Vedi il mio tentativo fallito di farlo eseguendo gli script della tabella dati: "Tutte le domande, 2 fattori", combinazioni "raggruppamento" o "Tutte le domande, 2 fattori", entrambi "raggruppamento". L'unica differenza tra questi due script era nel valore che ho selezionato per il menu a discesa "tipo di raggruppamento". È interessante notare che la selezione di "combinazioni" o "entrambe" ha prodotto le stesse tabelle esatte. In ciascuno di questi casi, viene creata la stessa tabella a 2 fattori con i livelli di ruolo nidificati all'interno dei livelli di affiliazione, MA ... i livelli di ruolo non sono più unici (ad esempio, le affiliazioni di agenzie statali sono suddivise in 3 livelli: "forestale", " pianificatore forestale "e" forestale; pianificatore forestale ", quando dovrebbero essere suddivisi in soli 2 livelli univoci:" guardaboschi "o" pianificatore forestale ", dove dovrebbe essere il caso dell'intervistato che ha specificato due ruoli come" forestale; pianificatore forestale " essere assegnato una volta a ciascuna delle categorie separate, anziché essere mantenuto come livello univoco.
Successivamente, ho utilizzato la scheda "strutturata" della finestra di dialogo della piattaforma categoriale per assegnare "ruolo" alla posizione "superiore" e "affiliazione" alla posizione "laterale" (eseguire la scheda "uso della" struttura "..." dati script table per vedere questo risultato. Ciò ha prodotto esattamente il tipo di tabella a due vie che si stava cercando, riassumendo tutte le combinazioni uniche a 2 vie di Ruolo e Affiliazione. In questo caso, entrambi i fattori demografici sono stati trattati allo stesso modo in cui il raggruppamento "ogni individualmente" trattava i singoli fattori x tentoni. Questa è esattamente la struttura della tabella che cerco per riassumere i risultati per ciascuna delle 10 domande del sondaggio. Sfortunatamente ... quando esegui il prossimo script "tenta di ottenere risultati di affiliazione di ruolo * univoci per singole domande ..." vedrai che non sono stato in grado di generare i riepiloghi a 2 fattori desiderati per le singole domande.
Spero di creare un output che assomigli esattamente a quello che ho ottenuto per lo script "use of" structure "tab ..." dove ci sono 10 tabelle, una per ogni domanda, con risultati riassunti da combinazioni uniche di ruolo e affiliazione , ma non riesco a capire come farlo funzionare.
Non so se questo aiuta affatto, ma ho giocato un po 'con i tuoi dati.Avvertenza: non ho utilizzato dati a risposta multipla, quindi non mi sono affatto avvicinato in questo modo (e dopo aver esaminato questi dati, probabilmente in futuro cercherò di evitare dati a risposta multipla!).In ogni caso, ero propenso a ricodificare i dati.Nel file allegato (con lo stesso nome di quello che hai allegato) c'è uno script finale che mostra una mappa ad albero di una delle risposte temporali, dopo aver ricodificato sia l'affiliazione che il ruolo.La mia ricodifica potrebbe non avere senso, in quanto dovrebbe essere guidata dalla competenza sui contenuti, ma anche dalla frequenza nei dati (motivo per cui ho cercato di isolare le risposte più comuni all'affiliazione e al ruolo).
Se questo approccio ha senso per te, puoi guardare il secondo file che ho allegato.Mostra un esempio (example.jmp): ho usato l'utilità di colonna per prendere le risposte multiple per il tempo e le ho suddivise in colonne separate (con valori dell'indicatore).Lo script salvato mostra un esempio dopo aver impilato queste nuove colonne di una mappa termica che mostra quanto siano comuni queste 5 categorie per vari ruoli e affiliazioni.
Come ho detto, questo può o non può esserti utile.Per me, visualizzare i dati ha più senso di queste tabelle lunghe e sparse.In effetti, penso che la scarsità delle celle nei tuoi display sarà un problema, non importa come lo guardi.La combinazione di piccole dimensioni del campione e risposte multiple sembra (almeno per me) richiedere un'ampia ricodifica dei dati per dargli un senso.Ci sono troppe risposte scarse (combinazioni delle tue 2 variabili demografiche e particolari risposte multiple) perché questo piccolo campione possa dire qualcosa di sensato.La ricodifica è il modo in cui mi avvicinerei a questi dati, ma poiché ricodificare i dati significa perdere i dettagli dai dati originali, deve essere eseguita con attenzione in modo da non produrre schemi artificiali.
L'altro pensiero che ho (col senno di poi, ovviamente) è che se usi più risposte, sarebbe davvero d'aiuto se avessero un ordine naturale.Senza alcun ordine, ogni particolare serie di risposte deve essere ponderata allo stesso modo.L'ho visto accadere con altri dati di sondaggi.Un esempio sono i sondaggi degli studenti delle major a cui sono interessati: se non sono in ordine di preferenza e ogni intervistato può dare 3 risposte, allora un particolare importante conta allo stesso modo se è la prima, la seconda o la terza scelta.Rende più facile l'analisi se la prima scelta rappresenta quella primaria.
Categorical(
Structured( :Role * :Affiliation, :Q1 Spatial scales ),
Share Chart( 0 ),
Legend( 0 )
);
Questo arriva a quello che vuoi? Utilizzando la scheda strutturata metto la domanda a lato e il ruolo annidato all'interno dell'affiliazione in alto. Il risultato è una tabella dei conteggi delle risposte per ciascuna combinazione di affiliazione / ruolo. Quello che hai riscontrato è che il ruolo di risposta multipla viene riconosciuto in istanze specifiche ma non in tutte le istanze in JMP. Quindi il ruolo di raggruppamento non riconosceva il tipo di colonna a risposta multipla, ma l'elemento strutturato nella piattaforma categoriale riconosce il tipo di colonna a risposta multipla. I dati categoriali sono complicati !!! Spero che questo ti aiuti nella tua ricerca di dare un senso a ciò che hai.
Karen
Karen
