2가지 인구통계학적 요인의 고유한 조합으로 다중 응답 설문조사 데이터 요약안녕하세요. 며칠 동안 무언가로 어려움을 겪고 있어서 커뮤니티의 도움을 요청할 때가 아닐까 생각했습니다. 이것은 첨부된 데이터 테이블에 포함된 5개의 분석 스크립트를 단계별로 안내하므로 꽤 긴 문제 설명입니다. 나는 내 분석 목표와 내가 그것을 달성하는 데 겪고 있는 문제를 설명하는 더 간결한 방법을 알아낼 수 없었습니다. 누구든지 이것을보고 해결책을 찾을 시간이 있다면 감사하겠습니다. 나는 지금 며칠 동안 그것에 붙어 있습니다.
"LottSurveyDataForJMP"라는 첨부된 데이터 테이블에는 산림 관리 전문가에 대한 익명의 설문 조사 결과가 있습니다. RespondentID 필드는 익명성을 유지하기 위해 이름 대신 타임스탬프가 사용되는 각 참가자의 고유 ID입니다. 나머지 12개 열에는 각 질문에서 참가자가 하나 이상의 확인란 응답을 선택할 수 있으므로 다중 응답 데이터 유형이 있습니다. 내 조사 소프트웨어는 응답 묘사에 세미콜론을 사용했기 때문에 각 열에는 단일 응답(예: "forester) 또는 세미콜론으로 구분된 일련의 응답(예: Forester, Forest Planner, Researcher)이 있습니다.
처음 2개의 다중 응답 열인 "소속" 및 "역할"은 설문 응답자의 인구통계학적 구성을 설명합니다. 많은 응답자들이 하나 이상의 소속 및/또는 하나 이상의 역할을 가지고 있다는 점에 유의하십시오. 나머지 10개의 다중 응답 필드는 Q1에서 Q10까지 번호가 매겨진 10개의 서로 다른 설문 조사 질문에 대한 답변입니다. 나의 분석 목표는 소속과 역할의 고유한 조합(예: 주정부 기관 * 산림 관리인 또는 비영리 조직 * 산림 계획가)별로 이러한 10가지 질문 각각에 대한 응답을 요약하는 것입니다.
범주형 플랫폼을 사용하여 소속 또는 역할별로 10개 질문 모두에 대한 단일 요소 요약을 생성하는 방법을 알아낼 수 있었습니다. "모든 질문, 1개 요소, "각각 개별적으로" 그룹화"라는 데이터 테이블 스크립트가 이 결과를 생성합니다. 그러나 고유한 2개 요소 상호작용(예: 제휴 * 역할)에 의해 10개 질문 각각에 대한 응답의 명확한 요약을 생성하는 방법을 알아낼 수 없었습니다. 대신 첫 번째 요소는 올바르게 구문 분석되지만 두 번째 요소는 그렇지 않습니다. "모든 질문, 2개 요소, "조합" 그룹화" 또는 "모든 질문, 2개 요소, "둘 다" 그룹화"와 같은 데이터 테이블 스크립트를 실행하여 실패한 시도를 확인하십시오. 이 두 스크립트의 유일한 차이점은 "그룹화 유형" 드롭다운 메뉴에 대해 내가 선택한 값이었습니다. 흥미롭게도 "조합" 또는 "둘 다"를 선택하면 정확히 동일한 테이블이 생성됩니다. 이러한 각각의 경우에 제휴 수준 내에 중첩된 역할 수준으로 동일한 2 요인 테이블이 생성되지만... 역할 수준은 더 이상 고유하지 않습니다(예: State Agency 제휴는 "forester", " 삼림 계획자" 및 "삼림 계획자; 삼림 계획자"는 "산림 관리원" 또는 "산림 계획자"의 2가지 고유한 수준으로만 분할되어야 합니다. 고유한 수준으로 유지되지 않고 개별 범주 각각에 한 번 할당됩니다.
다음으로 범주형 플랫폼 대화 상자의 "구조적" 탭을 사용하여 "역할"을 "상단" 위치에 할당하고 "소속"을 "측면" 위치에 할당했습니다("구조" 탭 사용..." 데이터 실행 이 결과를 보려면 테이블 스크립트를 사용하십시오. 이것은 역할과 제휴의 모든 고유한 양방향 조합을 요약하여 찾고 있던 양방향 테이블 유형을 정확히 생성했습니다. 이 경우 두 인구통계학적 요인은 "각각 개별적으로" 그룹화가 단일 x 모색 요인을 처리하는 것과 동일한 방식으로 처리되었습니다. 이것이 바로 10개의 설문 조사 질문 각각에 대한 결과를 요약하기 위해 찾고 있는 표 구조입니다. 불행히도... 다음 스크립트 "개별 질문에 대한 고유한 역할 * 소속 결과를 가져오려고 시도합니다..."를 실행하면 개별 질문에 대해 원하는 2개 요소 요약을 생성할 수 없음을 알 수 있습니다.
각 질문에 하나씩 10개의 테이블이 있고 역할과 소속의 고유한 조합으로 결과가 요약되는 ""구조" 탭 사용..." 스크립트에 대해 얻은 것과 정확히 같은 출력을 만들고 싶습니다. , 하지만 나는 평생 이것을 작동시키는 방법을 알아낼 수 없습니다.
데이터 혼합 및 정리Re: 2가지 인구통계학적 요인의 고유한 조합으로 다중 응답 설문조사 데이터 요약좋아, 나는 당신이 도달하려는 것에 도달할 수 있는 방법이 있을 수 있습니다.
- 파악한 대로 구조화된 분석을 실행합니다.
- 우발 상황 테이블을 저장합니다.
- 왼쪽에 질문과 함께 표를 사용하고 다른 역할은 상단에 중첩됩니다....예, 다루기 힘든 또 다른 테이블이 있습니다...하지만 지금은...
- 빈도에 대한 로컬 데이터 필터를 사용하고 낮은 카운트를 필터링합니다(이를 대화식으로 수행하여 유용한 크기 표를 얻을 수 있음).
도움이 되길 바랍니다!!
여자 이름
Re: 2가지 인구통계학적 요인의 고유한 조합으로 다중 응답 설문조사 데이터 요약감사합니다, @KarenC . 이것은 완벽하게 작동했습니다. 대답이 얼마나 간단했는지 놀랍습니다. 구조화된 탭에 열을 중첩할 수 있다는 사실을 몰랐습니다. 동일한 문제를 겪고 있는 다른 사람들이 귀하의 솔루션에 뛰어들거나 이 세부 정보가 범주형 플랫폼>다중 응답 문서에 추가되기를 바랍니다. 시간을 많이 절약할 수 있기 때문입니다. @dale_lehman , 이것에 대한 귀하의 작업에도 감사드립니다. 비슷한 유형의 재부호화를 실험했는데 다중 응답 데이터에 대해서도 같은 느낌을 받았습니다! 그러나 다시 한 번 말하지만 JMP에는 다중 응답 데이터를 훨씬 빠르게 분석할 수 있는 간단한 솔루션이 있습니다.
희소 행렬 문제에 대해 @dale_lehman 말하는... 사례에 대한 최소 샘플 크기를 갖는 요인 조합으로 테이블 출력을 제한하는 방법이 있다면 정말 멋질 것입니다. 예를 들어, 후속 분석에서 사용하려는 최소 사례 수로 10을 지정할 수 있다면 테이블은 훨씬 더 작아지고 충분히 괜찮은 소속 * 역할의 양방향 조합만 포함하게 됩니다. 발표 및 결과 논의를 위한 샘플 크기. 어떻게 될지 모르겠지만 아이디어가 있는 사람이 있으면 저를 태그해 주세요. @caseylott 당신의 응답으로.
도움을 주신 JMP 커뮤니티에 다시 한 번 감사드립니다. 너희들은 대단해!Re: 2가지 인구통계학적 요인의 고유한 조합으로 다중 응답 설문조사 데이터 요약Categorical(
Structured( :Role * :Affiliation, :Q1 Spatial scales ),
Share Chart( 0 ),
Legend( 0 )
);
이것이 당신이 원하는 것을 얻습니까? 구조화된 탭을 사용하여 측면에 질문을 배치하고 소속 내에 중첩된 역할을 상단에 배치했습니다. 결과는 각 소속/역할 조합에 대한 응답 개수 표입니다. 당신이 겪은 것은 JMP의 모든 인스턴스가 아니라 특정 인스턴스에서 다중 응답 역할이 인식된다는 것입니다. 따라서 그룹화 역할은 다중 응답 열 유형을 인식하지 못하지만 범주형 플랫폼 DOES의 구조화된 요소는 다중 응답 열 유형을 인식합니다. 범주형 데이터는 까다롭습니다!!! 이것이 당신이 가진 것을 이해하는 데 도움이 되기를 바랍니다.
여자 이름
여자 이름
Re: 2가지 인구통계학적 요인의 고유한 조합으로 다중 응답 설문조사 데이터 요약이것이 전혀 도움이 되는지 모르겠지만 귀하의 데이터를 약간 가지고 놀았습니다.주의: 저는 다중 응답 데이터를 사용하지 않았기 때문에 전혀 그런 식으로 접근하지 않았습니다(그리고 이 데이터를 본 후에는 아마도 다중 응답 데이터를 피하려고 할 것입니다!).어쨌든 나는 데이터를 다시 코딩하는 경향이 있었습니다.첨부된 파일(첨부한 것과 동일한 이름)에는 소속과 역할을 모두 다시 코딩한 후 임시 응답 중 하나의 트리맵을 보여주는 최종 스크립트가 있습니다.콘텐츠 전문 지식뿐만 아니라 데이터의 빈도(이것이 내가 제휴 및 역할에 대한 가장 일반적인 응답을 분리하려고 시도한 이유)에 따라 결정되어야 하므로 내 코딩이 이치에 맞지 않을 수 있습니다.
이 접근 방식이 이해가 되시면 제가 첨부한 두 번째 파일을 보실 수 있습니다.한 가지 예(example.jmp)를 보여줍니다. 열 유틸리티를 사용하여 시간에 대한 여러 응답을 가져와 별도의 열(지표 값 포함)로 나눴습니다.저장된 스크립트는 이러한 5가지 범주가 다양한 역할 및 소속에 대해 얼마나 일반적인지를 보여주는 히트맵의 새 열을 쌓은 후 한 가지 예를 보여줍니다.
내가 말했듯이 이것은 당신에게 도움이 될 수도 있고 그렇지 않을 수도 있습니다.나에게는 데이터를 시각화하는 것이 이렇게 길고 희소한 테이블보다 더 의미가 있습니다.사실, 디스플레이에 있는 셀의 희소성은 어떻게 보든 문제가 될 것이라고 생각합니다.작은 샘플 크기와 여러 응답의 조합은 (적어도 나에게는) 데이터를 이해하기 위해 광범위한 데이터 코딩이 필요한 것 같습니다.이 작은 표본이 합리적인 답변을 하기에는 응답이 너무 희박합니다(2개의 인구통계학적 변수와 특정 다중 응답의 조합).재부호화는 제가 이 데이터에 접근하는 방식입니다. 하지만 데이터 재부호화는 원본 데이터의 세부 사항을 잃는 것을 의미하므로 인위적인 패턴이 생성되지 않도록 신중하게 수행해야 합니다.
내가 가진 또 다른 생각은(물론 돌이켜보면) 다중 응답을 사용하는 경우 응답에 자연스러운 순서가 있으면 정말 도움이 될 것이라는 것입니다.순서를 지정하지 않고 각각의 특정 응답 집합에 동일한 가중치를 부여해야 합니다.다른 설문 조사 데이터에서 이런 일이 발생하는 것을 보았습니다.예를 들어 학생들이 관심 있는 전공에 대한 설문조사를 들 수 있습니다. 선호도가 없고 각 응답자가 3개의 응답을 할 수 있는 경우 특정 전공은 첫 번째, 두 번째 또는 세 번째 선택 여부에 관계없이 동일하게 계산됩니다.첫 번째 선택이 기본 선택을 나타내면 분석이 더 쉬워집니다.
