通过 2 个人口统计因素的独特组合总结多重响应调查数据大家好。 几天来我一直在为某件事苦苦挣扎，所以我想是时候向社区寻求帮助了。 请注意，这是一个相当长的问题描述，因为它逐步引导了嵌入在附加数据表中的 5 个分析脚本。 我一直无法找到一种更简洁的方法来说明我的分析目标和我遇到的问题。 如果有人有时间看这个并找到解决方案，我将不胜感激。 我已经坚持了几天了。
所附数据表名为“LottSurveyDataForJMP”，其中包含对森林管理专业人员进行的匿名调查的结果。 RespondentID 字段是每个参与者的唯一 ID，其中使用时间戳而不是他们的姓名来保持匿名。 其余 12 列具有多重响应数据类型，因为每个问题都允许参与者选择一个或多个复选框响应。 我的调查软件使用分号来描述响应，因此每一列要么有一个响应（例如，“forester”），要么有一组由分号分隔的响应（例如，forester；forest planner；researcher）。
前 2 个多重响应列“从属关系”和“角色”描述了调查受访者的人口统计构成。 请注意，许多受访者拥有不止一种从属关系和/或不止一种角色。 其余 10 个多重响应字段是对 10 个不同调查问题的回答，编号为 Q1 至 Q10。 我的分析目标是通过隶属关系和角色的独特组合（例如，国家机构 * 林务员或非营利组织 * 森林规划师）总结对这 10 个问题中每一个问题的回答。
我已经能够弄清楚如何使用分类平台按隶属关系或角色为所有 10 个问题生成单因素摘要。 名为“所有问题，1 个因素，“每个单独”分组”的数据表脚本产生了这个结果。 但是，我一直无法弄清楚如何通过独特的 2 因素交互（例如，从属关系 * 角色）生成对 10 个问题中每个问题的答复的清晰摘要。 相反，第一个因素被正确解析，但第二个因素却没有。 通过运行数据表脚本查看我失败的尝试：“所有问题，2 个因素，“组合”分组”或“所有问题，2 个因素，“两者”分组。” 这两个脚本之间的唯一区别在于我为“分组类型”下拉菜单选择的值。 有趣的是，选择“组合”或“两者”都会得到完全相同的表格。 在每一种情况下，都会创建相同的 2 因子表，角色级别嵌套在隶属关系级别中，但是......角色级别不再是唯一的（例如，国家机构隶属关系分为 3 个级别：“林务员”，“ forest planner”和“forester;forest planner”，当他们应该被分成两个独特的级别时：“forester”或“forest planner”，如果受访者将两个角色指定为“forester;forest planner”应该一次分配给每个单独的类别，而不是保留为自己的唯一级别。
接下来，我使用分类平台对话框的“结构化”选项卡将“角色”分配到“顶部”位置，将“从属关系”分配到“侧面”位置（运行“使用“结构”选项卡...”数据表脚本来查看此结果。 这产生了正在寻找的双向表的类型，总结了角色和从属关系的所有唯一双向组合。 在这种情况下，两种人口统计因素的处理方式与“每个人”分组处理单个 x 摸索因素的方式相同。 这正是我正在寻找的表格结构，以便总结 10 个调查问题中每个问题的结果。 不幸的是......当你运行下一个脚本“尝试获得独特的角色*个别问题的隶属关系结果......”你会看到我无法为个别问题生成所需的2因子摘要。
我希望创建一个看起来与我为“使用“结构”选项卡...”脚本得到的输出完全一样的输出，其中有 10 个表，每个问题一个，结果由角色和从属关系的独特组合总结，但我终生无法弄清楚如何让它发挥作用。
数据混合和清理回复：通过 2 个人口统计因素的独特组合总结多重响应调查数据好吧，我可能有办法让你达到你想要达到的目的：
- 按照我们的想法运行结构化分析。
- 保存列联表。
- 在左侧使用 tabulate 处理您的问题，其他角色嵌套在顶部……是的，您还有另一个笨重的表格……但是现在……
- 在频率上使用本地数据过滤器并过滤掉低计数（因此您可以交互式地执行此操作以获取有用的大小表）。
希望有帮助！
凯伦
回复：通过 2 个人口统计因素的独特组合总结多重响应调查数据谢谢你， @凯伦C . 这非常有效。 令人惊奇的是答案如此简单。 我没想到我可以在结构化选项卡中嵌套列。 我希望遇到相同问题的其他人遇到您的解决方案，或者希望将此详细信息添加到分类平台 > 多响应文档中，因为它可以节省大量时间。 @dale_lehman ，也感谢您为此所做的工作。 我尝试了类似类型的重新编码，这让我对多重响应数据有同样的感觉！ 但再一次，JMP 有一个简单的解决方案，可以更快地分析多响应数据。
关于稀疏矩阵问题@dale_lehman提及... 如果有某种方法可以将表格输出限制为具有最小案例样本量的因素组合，那就太棒了。 例如，如果我能够指定 10 作为我想在后续分析中使用的最小案例数，那么该表将小得多，并且只包括 2 种具有足够体面的从属关系 * 角色组合用于展示和讨论结果的样本量。 我不确定这将如何完成，但如果有人有任何想法，请标记我@caseylott与你的回应。
再次感谢您的帮助，JMP 社区。 你们太棒了！回复：通过 2 个人口统计因素的独特组合总结多重响应调查数据Categorical(
Structured( :Role * :Affiliation, :Q1 Spatial scales ),
Share Chart( 0 ),
Legend( 0 )
);
这是否达到您想要的效果？ 使用结构化选项卡，我将问题放在一边，将嵌套在从属关系中的角色放在顶部。 结果是每个从属关系/角色组合的响应计数表。 您遇到的是多重响应角色在特定实例中被识别，但在 JMP 中并非在所有实例中都被识别。 因此，分组角色无法识别多重响应列类型，但分类平台中的结构化元素确实可以识别多重响应列类型。 分类数据很棘手！！！ 我希望这能帮助你理解你所拥有的东西。
凯伦
凯伦
回复：通过 2 个人口统计因素的独特组合总结多重响应调查数据我不知道这是否有帮助，但我稍微研究了一下您的数据。警告：我没有使用过多重响应数据，所以我根本没有采用这种方式（在查看了这些数据之后，我可能会在未来尝试避免使用多重响应数据！）。无论如何，我倾向于重新编码数据。在附加文件（与您所附文件同名）中，在重新编码从属关系和角色之后，有一个最终脚本显示了其中一个时间响应的树状图。我的重新编码可能没有意义，因为它应该以内容专业知识为指导——但也要以数据中的频率为指导（这就是为什么我试图分离出对从属关系和角色的最常见反应）。
如果这种方法对您有意义，您可以查看我附加的第二个文件。它显示了一个示例 (example.jmp) - 我使用列实用程序获取时间的多重响应并将它们分成单独的列（具有指标值）。保存的脚本在堆叠热图的这些新列后显示了一个示例，显示了这 5 个类别对于不同角色和从属关系的常见程度。
正如我所说，这可能对您有帮助，也可能没有帮助。对我来说，可视化数据比这些冗长而稀疏的表格更有意义。事实上，无论您如何看待，我认为显示器中单元格的稀疏性都会成为一个问题。小样本量和多重响应的结合似乎（至少在我看来）需要对数据进行大量重新编码才能理解它。对于这个小样本来说，有太多稀疏的回答（你的 2 个人口统计变量和特定的多重回答的组合），无法说出任何有意义的事情。重新编码是我处理这些数据的方式——但由于重新编码数据意味着丢失原始数据的细节，因此需要小心进行，以免产生人为模式。
我的另一个想法（当然是事后看来）是，如果您使用多个响应，那么如果它们具有某种自然顺序，那将真的很有帮助。在没有任何排序的情况下，每组特定的响应都需要同等加权。我在其他调查数据中看到过这种情况。一个例子是学生对他们感兴趣的专业的调查——如果他们没有按照偏好排序，并且每个受访者可以做出 3 个回答，那么一个特定的专业无论是第一、第二或第三选择都同样重要。如果第一个选择代表主要选择，它会使分析更容易。
