346769_fr-FR

liliconcom

Résumer les données d'enquête à réponses multiples par des combinaisons uniques de 2 facteurs démographiques

Salut tout le monde. J'ai du mal 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 puisqu'elle mène étape par étape à travers 5 scripts d'analyse qui sont intégrés dans le tableau de données joint. 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 lui en serais reconnaissant. Je suis bloqué dessus depuis quelques jours.

 

Le tableau de données ci-joint, intitulé "LottSurveyDataForJMP", contient les résultats d'une enquête anonyme auprès de professionnels de la gestion forestière. Le champ RespondentID est un identifiant unique pour chaque participant où l'horodatage est utilisé à la place de leur nom pour préserver l'anonymat. Les 12 colonnes restantes ont le type de données à réponses multiples, puisque chaque question permettait aux participants de sélectionner une ou plusieurs cases à cocher. Mon logiciel d'enquête utilisait des points-virgules pour délimiter les réponses, de sorte que chaque colonne comporte 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 de réponses multiples, « Affiliation » et « Rôle », décrivent la composition démographique des répondants à l'enquête. Notez que de nombreux répondants avaient plus d'une affiliation et/ou plus d'un rôle. Les 10 champs de réponses multiples restants sont des réponses à 10 questions d'enquête différentes, numérotées de 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 pu comprendre comment générer des résumés à facteur unique pour les 10 questions par affiliation ou par rôle à l'aide de la plate-forme catégorielle. Le script de table de données appelé "Toutes les questions, 1 facteur, groupement "chacun individuellement"" produit ce résultat. Cependant, je n'ai pas été en mesure de comprendre comment générer des résumés clairs des réponses à chacune des 10 questions par une interaction unique à 2 facteurs (par exemple, Affiliation * Rôle). Au lieu de cela, le premier facteur est analysé correctement, mais pas le second facteur. Voir ma tentative infructueuse de le faire en exécutant les scripts de table de données : "Toutes les questions, 2 facteurs, groupement "combinaisons"" ou "Toutes les questions, 2 facteurs, groupement "les deux". La seule différence entre ces deux scripts était dans la valeur que j'ai sélectionnée pour le menu déroulant "type de regroupement". Fait intéressant, 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", " forestier » et « forestier ; planificateur forestier », alors qu'ils ne devraient être divisés qu'en 2 niveaux uniques : « forestier » ou « planificateur forestier », où le cas du répondant qui a spécifié deux rôles comme « forestier ; planificateur forestier » devrait être attribué une fois à chacune des catégories distinctes, plutôt que d'être retenu comme son propre niveau unique.  

 

Ensuite, j'ai utilisé l'onglet "structuré" de la boîte de dialogue de la plate-forme catégorielle pour attribuer le "rôle" à la position "haut" et "l'affiliation" à la position "latérale" (exécutez l'onglet "utilisation de l'onglet "structure"..." data script de table pour voir ce résultat. Cela a produit exactement le type de tableau bidirectionnel recherché, résumant toutes les combinaisons uniques à 2 voies de rôle et d'affiliation. Dans ce cas, les deux facteurs démographiques ont été traités de la même manière que le groupement « chaque individuellement » traitait des facteurs de tâtonnement x uniques. C'est exactement la structure de tableau que je recherche afin de résumer les résultats pour chacune des 10 questions de l'enquête. Malheureusement... lorsque vous exécutez le script suivant "essayez d'obtenir des résultats uniques de rôle * d'affiliation pour des questions individuelles...", vous verrez que je n'ai pas été en mesure de 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.

Fusion et nettoyage des donnéesObjet : Résumer les données d'enquête à réponses multiples par des combinaisons uniques de 2 facteurs démographiques

Ok, j'ai peut-être un moyen pour vous d'accéder à ce que vous essayez d'atteindre:

1. Exécutez l'analyse structurée au fur et à mesure que nous le découvrons.
2. Enregistrez le tableau de contingence.
3. Utilisez le tableau avec votre question à gauche, les autres rôles imbriqués en haut... oui, vous avez une autre table peu maniable... mais maintenant...
4. Utilisez le filtre de données local sur la fréquence et filtrez les nombres faibles (afin que vous puissiez le faire de manière interactive pour accéder à la table des tailles qui est utile).

J'espère que cela pourra aider!!

 

Karine

Objet : Résumer les données d'enquête à réponses multiples par des combinaisons uniques de 2 facteurs démographiquesMerci, @KarenC . Cela a parfaitement fonctionné. C'est incroyable comme la réponse était simple. Je n'avais pas compris que je pouvais imbriquer des colonnes dans l'onglet structuré. J'espère que d'autres personnes ayant le même problème rencontreront votre solution, ou que ce détail sera ajouté à la plate-forme catégorique> documentation à réponses multiples, car cela fait gagner une tonne de temps. @dale_lehman , merci aussi pour votre travail là-dessus. J'ai expérimenté des types de recodage similaires, ce qui m'a amené à ressentir la même chose à propos des données à réponses multiples ! Mais encore une fois, JMP propose une solution simple qui accélère BEAUCOUP plus rapidement l'analyse des données à réponses multiples.

À propos du problème de matrice creuse qui @dale_lehman mentionné... Ce serait génial s'il y avait un moyen de limiter les sorties de table à des combinaisons de facteurs qui ont une taille d'échantillon minimale pour les cas. Par exemple, si je pouvais spécifier 10 comme nombre minimum de cas que j'aimerais utiliser dans les analyses ultérieures, le tableau serait beaucoup plus petit et n'inclurait que des combinaisons à 2 voies d'affiliation * rôle qui ont un assez décent taille de l'échantillon pour la présentation et la discussion des résultats. Je ne sais pas comment cela serait fait, mais si quelqu'un a des idées, merci de me taguer @caseylott avec votre réponse.

Merci encore pour votre aide, communauté JMP. Vous êtes super !Objet : Résumer les données d'enquête à réponses multiples par des combinaisons uniques de 2 facteurs démographiques

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

Cela vous amène-t-il à 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 comptage 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 dans JMP. Ainsi, le rôle de regroupement ne reconnaissait pas le type de colonne à réponses multiples, mais l'élément structuré de la plate-forme catégorique reconnaît le type de colonne à réponses multiples. Les données catégorielles sont délicates !!! J'espère que cela vous aidera dans votre quête pour donner un sens à ce que vous avez.

Karine
Karine

Objet : Résumer les données d'enquête à réponses multiples par des combinaisons uniques de 2 facteurs démographiques

Je ne sais pas si cela aide du tout, mais j'ai joué un peu avec vos données.Mise en garde : 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 à 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 d'une des réponses temporelles, après recodage à la fois de l'affiliation et du 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 le temps 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 courantes 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 tableaux longs et clairsemés.En fait, je pense que la rareté des cellules dans 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 (pour moi, du moins) nécessiter un recodage approfondi des données pour leur donner un sens.Il y a tout simplement trop de réponses clairsemées (combinaisons de vos 2 variables démographiques et de réponses multiples particulières) pour ce petit échantillon pour dire quoi que ce soit de sensé.Le recodage est la façon dont j'aborderais ces données - mais puisque le recodage des données signifie perdre le détail des données d'origine, cela 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 plusieurs réponses, 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 enquêtes auprès des étudiants sur les majeures qui les intéressent - si elles ne sont pas classées par ordre de préférence et que chaque répondant peut mettre 3 réponses, alors une majeure particulière compte de manière égale, qu'il s'agisse du premier, du deuxième ou du troisième choix.Cela facilite l'analyse si le premier choix représente le premier.