วิธีการวิเคราะห์คำตอบหลายตัวเลือกใน SPSS: คู่มือฉบับสมบูรณ์พร้อมตัวอย่าง

คำถามแบบหลายคำตอบช่วยให้ผู้ตอบแบบสอบถามสามารถเลือกคำตอบมากกว่าหนึ่งตัวเลือกจากรายการตัวเลือกที่กำหนดให้ การวิเคราะห์คำถามเหล่านี้ใน SPSS ต้องใช้วิธีการเฉพาะเจาะจง เนื่องจากผู้ตอบแต่ละคนสามารถมีการเลือกได้หลายตัวเลือก แตกต่างจากคำถามแบบเลือกตัวเลือกเดียวที่สามารถเลือกได้เพียงคำตอบเดียว

คู่มือนี้จะแสดงให้คุณเห็นวิธีการป้อน เข้ารหัส และวิเคราะห์ข้อมูลแบบหลายคำตอบใน SPSS อย่างถูกต้อง ตั้งแต่การเตรียมข้อมูลเบื้องต้นใน Excel ไปจนถึงการวิเคราะห์ความถี่และตารางไขว้

คำถามแบบหลายคำตอบคืออะไร

คำถามแบบหลายคำตอบ (เรียกอีกอย่างว่า "เลือกทั้งหมดที่ตรงกับคุณ" หรือ "เลือกได้ทั้งหมด") จะนำเสนอรายการตัวเลือกให้กับผู้ตอบ โดยพวกเขาสามารถเลือกคำตอบได้หนึ่งหรือหลายคำตอบ คำถามเหล่านี้พบได้ทั่วไปในแบบสำรวจสำหรับการวัดความชอบ พฤติกรรม หรือลักษณะเฉพาะ

ตัวอย่างคำถามแบบหลายคำตอบ:

"คุณซื้อรองเท้ากีฬายี่ห้อใดบ้างในปีที่ผ่านมา (เลือกได้ทั้งหมด)"

แตกต่างจากคำถามแบบเลือกตัวเลือกเดียวที่ผู้ตอบแต่ละคนเลือกตัวเลือกได้เพียงหนึ่งตัวเลือก คำถามแบบหลายคำตอบจะสร้างข้อมูลที่ซับซ้อนซึ่งผู้ตอบแต่ละคนอาจไม่เลือกเลย เลือกหนึ่งตัวเลือก หรือเลือกหลายตัวเลือกก็ได้

ทำความเข้าใจโครงสร้างข้อมูลแบบหลายคำตอบ

ก่อนที่จะป้อนข้อมูลลงใน SPSS คุณต้องเข้าใจวิธีการจัดโครงสร้างข้อมูลแบบหลายคำตอบ มีสองวิธีการทั่วไป:

การเข้ารหัสแบบไดโคโทมัส (แนะนำ)

แต่ละตัวเลือกคำตอบจะกลายเป็นตัวแปรแยกต่างหากที่เข้ารหัสเป็น:

• 1 = เลือกตัวเลือกนี้
• 0 = ไม่เลือกตัวเลือกนี้

สำหรับตัวอย่างรองเท้ากีฬาของเราที่มี 6 ยี่ห้อ คุณจะต้องสร้าง 6 ตัวแปรแยกกัน (Adidas, Nike, Clarks, Lotto, Fila, Puma) หากผู้ตอบเลือก Adidas และ Nike ข้อมูลของพวกเขาจะเป็น:

วิธีการนี้ได้รับการแนะนำเนื่องจากแสดงสถานะการเลือกของแต่ละตัวเลือกอย่างชัดเจน และทำงานได้อย่างราบรื่นกับการวิเคราะห์คำตอบหลายตัวเลือกใน SPSS

การเข้ารหัสแบบหมวดหมู่ (ทางเลือก)

แต่ละการเลือกจะได้รับหมายเลขตามลำดับในคอลัมน์แยกกัน หากผู้ตอบเลือก Adidas (เข้ารหัสเป็น 1), Nike (เข้ารหัสเป็น 2) และ Fila (เข้ารหัสเป็น 5) ข้อมูลของพวกเขาจะเป็น:

แม้ว่าวิธีการนี้จะประหยัดพื้นที่ แต่มันไม่ชัดเจนและต้องการการเข้ารหัสเพิ่มเติม เราแนะนำวิธีการแบบไดโคโทมัสเพื่อความชัดเจนและง่ายต่อการวิเคราะห์

ขั้นตอนที่ 1: เตรียมข้อมูลใน Excel

การเตรียมข้อมูลที่เหมาะสมใน Excel เป็นสิ่งสำคัญสำหรับการวิเคราะห์ใน SPSS ที่ประสบความสำเร็จ ทำตามขั้นตอนเหล่านี้อย่างระมัดระวัง:

สร้างโครงสร้างข้อมูลของคุณ

1. เปิด Excel spreadsheet ใหม่
2. สร้างหัวคอลัมน์ สำหรับแต่ละตัวเลือกคำตอบโดยใช้ชื่อที่ชัดเจนและเป็นคำอธิบายโดยไม่มีช่องว่าง (ใช้ขีดล่างแทน)
3. เพิ่มคอลัมน์ ID ผู้ตอบ เป็นคอลัมน์แรกสำหรับการติดตาม

ตัวอย่างโครงสร้าง spreadsheet:

เข้ารหัสคำตอบของคุณ

สำหรับผู้ตอบแต่ละคน:

• ป้อน 1 หากพวกเขาเลือกตัวเลือกนั้น
• ป้อน 0 หากพวกเขาไม่ได้เลือกตัวเลือกนั้น
• ใช้ 0 สำหรับทุกตัวเลือกหากผู้ตอบข้ามคำถาม (หรือใช้รหัสค่าที่หายไปหากต้องการ)

กฎการเข้ารหัสที่สำคัญ:

• มีความสอดคล้องกับรูปแบบการเข้ารหัสของคุณ
• หลีกเลี่ยงการปล่อยเซลล์ว่างไว้ (ใช้ 0 หรือรหัสค่าที่หายไป)
• ตรวจสอบความถูกต้องของการป้อนข้อมูลอีกครั้ง
• ให้ชื่อตัวแปรสั้นแต่เป็นคำอธิบาย (สูงสุด 64 ตัวอักษร)

บันทึกไฟล์ของคุณ

1. บันทึกไฟล์ Excel ในตำแหน่งที่คุณสามารถเข้าถึงได้ง่าย
2. ใช้ชื่อไฟล์ที่เป็นคำอธิบาย (เช่น "Survey_MultipleResponse_Brands.xlsx")
3. จำเส้นทางไฟล์สำหรับการนำเข้าสู่ SPSS

ขั้นตอนที่ 2: นำเข้าข้อมูลสู่ SPSS

เมื่อไฟล์ Excel ของคุณถูกจัดรูปแบบอย่างเหมาะสมแล้ว ให้นำเข้าสู่ SPSS:

1. เปิด SPSS
2. ไปที่ File → Import Data → Excel
3. นำทางไปยังไฟล์ Excel ของคุณและคลิก Open
4. ในตัวช่วยนำเข้า:
   • เลือก "Read variable names from the first row of data" หากแถวแรกของคุณมีหัวข้อ
   • ตรวจสอบว่าการแสดงตัวอย่างข้อมูลดูถูกต้อง
   • คลิก OK

ข้อมูลของคุณควรปรากฏใน SPSS Data View พร้อมกับตัวแปรและเคสทั้งหมดที่นำเข้าอย่างถูกต้อง

ขั้นตอนที่ 3: กำหนดป้ายค่า

ป้ายค่าทำให้ผลลัพธ์ของคุณอ่านง่ายขึ้นโดยการแสดงข้อความที่มีความหมายแทนตัวเลข

1. เปลี่ยนไปที่ Variable View (คลิกแท็บ "Variable View" ที่ด้านล่าง)
2. ค้นหาคอลัมน์ Values สำหรับตัวแปรคำตอบหลายตัวเลือกตัวแรกของคุณ (เช่น Adidas)
3. คลิกในเซลล์ Values เพื่อเปิดกล่องโต้ตอบ Value Labels
4. เพิ่มป้าย:
   • Value: 0, Label: "ไม่เลือก" (หรือ "ไม่")
   • Value: 1, Label: "เลือก" (หรือ "ใช่")
5. คลิก OK

คัดลอกป้ายไปยังตัวแปรอื่น

แทนที่จะป้อนป้ายด้วยตนเองสำหรับแต่ละตัวแปร ให้คัดลอกพวกเขา:

1. คลิกในเซลล์ Values ของตัวแปรที่คุณเพิ่งป้ายไว้
2. คัดลอก (Ctrl+C หรือ Cmd+C)
3. เลือกเซลล์ Values สำหรับตัวแปรคำตอบหลายตัวเลือกอื่นๆ ทั้งหมด
4. วาง (Ctrl+V หรือ Cmd+V)

สิ่งนี้ประหยัดเวลาและรับประกันความสอดคล้องในทุกตัวแปร

ขั้นตอนที่ 4: กำหนดชุดคำตอบหลายตัวเลือก

SPSS จัดการคำถามแบบหลายคำตอบเป็นชุดของตัวแปรที่เกี่ยวข้อง คุณต้องกำหนดความสัมพันธ์นี้ก่อนการวิเคราะห์

1. ไปที่ Analyze → Multiple Response → Define Variable Sets
2. ในกล่องโต้ตอบ Define Multiple Response Sets:
   • Select variables: เน้นตัวแปรทั้งหมดในชุดคำตอบหลายตัวเลือกของคุณ (เช่น Adidas, Nike, Clarks, Lotto, Fila, Puma) และย้ายไปยังกล่อง "Variables in Set"
   • Variables are coded as: เลือก "Dichotomies" (เนื่องจากเราใช้การเข้ารหัส 1/0)
   • Counted value: ป้อน 1 (สิ่งนี้บอก SPSS ว่า 1 หมายถึง "เลือก")
   • Name: ป้อนชื่อสั้นๆ สำหรับชุดของคุณ (เช่น "$brands" - คำนำหน้า$ เป็นมาตรฐาน)
   • Label: ป้อนป้ายที่เป็นคำอธิบาย (เช่น "ยี่ห้อรองเท้ากีฬาที่ซื้อ")
3. คลิก Add เพื่อสร้างชุด
4. คลิก Close

ชุดคำตอบหลายตัวเลือกของคุณได้รับการกำหนดแล้วและพร้อมสำหรับการวิเคราะห์

ขั้นตอนที่ 5: รันการวิเคราะห์ความถี่

การวิเคราะห์ความถี่แสดงจำนวนผู้ตอบที่เลือกแต่ละตัวเลือกและเปอร์เซ็นต์ของการตอบรวม

1. ไปที่ Analyze → Multiple Response → Frequencies
2. ในกล่องโต้ตอบ Frequencies:
   • ย้ายชุดคำตอบหลายตัวเลือกของคุณ (เช่น $brands) จากกล่องด้านซ้ายไปยังกล่อง "Table(s) for"
   • (ตัวเลือก) ปรับการตั้งค่าการจัดรูปแบบตาราง
3. คลิก OK

การตีความผลลัพธ์ความถี่

ตารางผลลัพธ์แสดงสองคอลัมน์ที่สำคัญ:

• Responses:

  • N: จำนวนครั้งที่แต่ละตัวเลือกถูกเลือก
  • Percent: เปอร์เซ็นต์ของการตอบทั้งหมด (อาจรวมกันเกิน 100% เนื่องจากผู้ตอบสามารถเลือกหลายตัวเลือก)

• Cases:

  • N: เหมือนกับ Responses N
  • Percent: เปอร์เซ็นต์ของผู้ตอบทั้งหมดที่เลือกตัวเลือกนี้

ตัวอย่างการตีความ: หากผลลัพธ์ของคุณแสดงว่า Nike ถูกเลือกโดยผู้ตอบ 65 คนจากผู้ตอบทั้งหมด 100 คน "Cases Percent" จะเป็น 65% ซึ่งหมายความว่า 65% ของผู้ตอบซื้อรองเท้า Nike ในปีที่ผ่านมา

ขั้นตอนที่ 6: รันการวิเคราะห์ตารางไขว้

ตารางไขว้ช่วยให้คุณตรวจสอบความสัมพันธ์ระหว่างคำถามแบบหลายคำตอบและตัวแปรเชิงหมวดหมู่อื่นๆ (เช่น การเปรียบเทียบความชอบยี่ห้อตามเพศ กลุ่มอายุ หรือภูมิภาค)

1. ไปที่ Analyze → Multiple Response → Crosstabs
2. ในกล่องโต้ตอบ Crosstabs:
   • Rows: ย้ายชุดคำตอบหลายตัวเลือกของคุณ (เช่น $brands)
   • Columns: ย้ายตัวแปรเชิงหมวดหมู่ของคุณ (เช่น เพศ)
   • (ตัวเลือก) เลือก "Display clustered bar charts" สำหรับการแสดงภาพ
   • (ตัวเลือก) คลิก "Options" เพื่อปรับแต่งเปอร์เซ็นต์ที่แสดง
3. คลิก OK

การตีความผลลัพธ์ตารางไขว้

ตารางไขว้แสดงตัวเลือกคำตอบหลายตัวเลือกของคุณในแถวและหมวดหมู่ตัวแปรเชิงหมวดหมู่ของคุณในคอลัมน์ แต่ละเซลล์แสดง:

• จำนวนผู้ตอบที่เลือกตัวเลือกนั้นภายในหมวดหมู่นั้น
• เปอร์เซ็นต์ (ตามตัวเลือกที่เลือกในกล่องโต้ตอบ "Options")

ตัวอย่างการตีความ: หากตารางไขว้ของคุณแสดงว่าผู้ตอบเพศชาย 40 คนจาก 50 คน (80%) เลือก Nike ในขณะที่ผู้ตอบเพศหญิงเพียง 25 คนจาก 50 คน (50%) เลือก Nike สิ่งนี้บ่งชี้ว่า Nike มีความน่าสนใจมากกว่าในกลุ่มผู้ตอบเพศชายในตัวอย่างของคุณ

ตัวอย่างการปฏิบัติ: ความชอบยี่ห้อรองเท้ากีฬา

มาลองทำตัวอย่างที่สมบูรณ์กับผู้ตอบ 20 คนที่ตอบคำถาม: "คุณซื้อรองเท้ากีฬายี่ห้อใดบ้าง"

ข้อมูลตัวอย่าง

ขั้นตอนการวิเคราะห์

1. นำเข้าข้อมูล จาก Excel สู่ SPSS
2. กำหนดป้ายค่า: 0 = "ไม่เลือก", 1 = "เลือก"
3. กำหนดชุด: สร้างชุด $brands ด้วยตัวแปรยี่ห้อทั้ง 6 ตัว
4. รันความถี่: Analyze → Multiple Response → Frequencies
5. รันตารางไขว้: สร้างตารางไขว้ของยี่ห้อตามตัวแปรข้อมูลประชากร

ผลการค้นพบที่คาดหวัง

การวิเคราะห์ความถี่จะเปิดเผย:

• ยี่ห้อใดเป็นที่นิยมมากที่สุด/น้อยที่สุดโดยรวม
• จำนวนยี่ห้อทั้งหมดที่เลือกต่อผู้ตอบ (โดยเฉลี่ย)
• เปอร์เซ็นต์ของผู้ตอบที่เลือกแต่ละยี่ห้อ

การวิเคราะห์ตารางไขว้จะแสดง:

• ความชอบยี่ห้อตามเพศ อายุ ระดับรายได้
• รูปแบบในการเลือกหลายยี่ห้อ
• กลุ่มประชากรที่มีความภักดีต่อยี่ห้อสูงสุด

ปัญหาทั่วไปและวิธีแก้ไข

ปัญหา: ข้อผิดพลาด "Variables must be coded as dichotomies"

สาเหตุ: ตัวแปรของคุณมีค่าอื่นนอกเหนือจาก 0 และ 1 หรือ SPSS ไม่รู้จักรูปแบบการเข้ารหัสของคุณ

วิธีแก้ไข:

• ตรวจสอบว่าเซลล์ทั้งหมดมีเพียง 0 หรือ 1 (ไม่มีเซลล์ว่าง ข้อความ หรือตัวเลขอื่น)
• ใน Define Multiple Response Sets ยืนยันว่าคุณเลือก "Dichotomies" และป้อน "1" เป็นค่าที่นับ
• ตรวจสอบข้อผิดพลาดในการป้อนข้อมูลใน Variable View

ปัญหา: เปอร์เซ็นต์รวมกันมากกว่า 100%

คำอธิบาย: นี่เป็นเรื่องปกติสำหรับการวิเคราะห์คำตอบหลายตัวเลือก! เนื่องจากผู้ตอบสามารถเลือกหลายตัวเลือก ผลรวมของเปอร์เซ็นต์ในทุกตัวเลือกมักเกิน 100%

ตัวอย่าง: หากผู้ตอบ 80% เลือก Nike และ 70% เลือก Adidas ผลรวมคือ 150% สิ่งนี้หมายความว่าผู้ตอบจำนวนมากเลือกทั้งสองยี่ห้อ

ปัญหา: ค่าที่หายไปส่งผลต่อผลลัพธ์

สาเหตุ: เซลล์ว่างหรือรหัสค่าที่หายไปที่ไม่สอดคล้องกันบิดเบือนการนับความถี่

วิธีแก้ไข:

• แทนที่เซลล์ว่างทั้งหมดด้วย 0 (หากไม่มีการเลือก) หรือรหัสค่าที่หายไปที่สอดคล้อง (เช่น 999)
• ใน SPSS Variable View กำหนดค่าที่หายไปหากใช้รหัสเฉพาะ
• ตรวจสอบการเตรียมข้อมูลอีกครั้งใน Excel ก่อนนำเข้า

ปัญหา: ชื่อตัวแปรปรากฏแทนป้าย

สาเหตุ: ป้ายค่าไม่ได้รับการกำหนดหรือคัดลอกอย่างถูกต้อง

วิธีแก้ไข:

• กลับไปที่ Variable View
• ตรวจสอบว่าแต่ละตัวแปรมีป้ายค่า (0 = "ไม่เลือก", 1 = "เลือก")
• หากป้ายหายไป ให้เพิ่มและคัดลอกไปยังตัวแปรทั้งหมด
• ตรวจสอบให้แน่ใจว่า "Display value labels" เปิดใช้งานในการตั้งค่า SPSS

เทคนิคขั้นสูง

การสร้างตัวแปรสรุป

คุณสามารถสร้างตัวแปรใหม่ที่นับการเลือกทั้งหมดต่อผู้ตอบ:

1. ไปที่ Transform → Compute Variable
2. Target Variable: ป้อนชื่อ (เช่น "Total_Brands")
3. Numeric Expression: ป้อน: Adidas + Nike + Clarks + Lotto + Fila + Puma
4. คลิก OK

สิ่งนี้จะสร้างตัวแปรที่แสดงจำนวนยี่ห้อทั้งหมดที่ผู้ตอบแต่ละคนเลือก (ช่วง: 0-6 ในตัวอย่างของเรา)

การกรองข้อมูลสำหรับคำตอบเฉพาะ

เพื่อวิเคราะห์เฉพาะผู้ตอบที่เลือกตัวเลือกเฉพาะ:

1. ไปที่ Data → Select Cases
2. เลือก "If condition is satisfied" และคลิก If
3. ป้อนเงื่อนไขของคุณ (เช่น Nike = 1 สำหรับผู้ตอบที่เลือก Nike)
4. คลิก Continue จากนั้น OK

การวิเคราะห์ที่ตามมาของคุณจะรวมเฉพาะผู้ตอบที่ตรงตามเงื่อนไขนี้

การเปรียบเทียบชุดคำตอบหลายตัวเลือก

หากคุณมีชุดคำถามแบบหลายคำตอบหลายชุด (เช่น ยี่ห้อที่ซื้อเทียบกับยี่ห้อที่พิจารณา) คุณสามารถเปรียบเทียบได้:

1. กำหนดชุดคำตอบหลายตัวเลือกแยกกันสำหรับแต่ละคำถาม
2. รันตารางไขว้ด้วยชุดหนึ่งในแถวและอีกชุดในคอลัมน์
3. วิเคราะห์ความซ้อนทับระหว่างสองชุด

แนวปฏิบัติที่ดีสำหรับการวิเคราะห์คำตอบหลายตัวเลือก

การเตรียมข้อมูล

• ใช้การเข้ารหัสที่สอดคล้อง: ใช้ 1 สำหรับเลือกและ 0 สำหรับไม่เลือกเสมอ
• สร้างชื่อตัวแปรที่ชัดเจน: ใช้ชื่อที่เป็นคำอธิบายโดยไม่มีช่องว่าง (เช่น Brand_Adidas)
• รวมตัวเลือกทั้งหมด: แม้แต่ตัวเลือกที่เลือกน้อยควรมีตัวแปรของตัวเอง
• บันทึกรูปแบบการเข้ารหัสของคุณ: เก็บบันทึกว่าแต่ละตัวแปรแทนอะไร

กลยุทธ์การวิเคราะห์

• เริ่มด้วยความถี่: ทำความเข้าใจรูปแบบการตอบโดยรวมก่อนตารางไขว้
• ตรวจสอบขนาดตัวอย่าง: ตรวจสอบให้แน่ใจว่ามีผู้ตอบเพียงพอต่อหมวดหมู่สำหรับการเปรียบเทียบที่มีความหมาย
• พิจารณาอัตราการตอบ: อัตราการเลือกต่ำ (< 5%) อาจบ่งชี้ถึงตัวเลือกที่ไม่ชัดเจนหรือปัญหาการออกแบบแบบสำรวจ
• ตรวจสอบรูปแบบ: ใช้เทคนิคการวิเคราะห์หลายอย่างเพื่อยืนยันผลการค้นพบ

การรายงานผลลัพธ์

• ชี้แจงประเภทเปอร์เซ็นต์: ระบุเสมอว่าเปอร์เซ็นต์ขึ้นอยู่กับการตอบหรือเคส
• รายงานขนาดตัวอย่าง: รวมผู้ตอบทั้งหมดและการเลือกทั้งหมด
• ใช้การแสดงภาพ: แผนภูมิแท่งและแผนภูมิแท่งแบบกลุ่มทำให้รูปแบบง่ายต่อการระบุ
• ให้บริบท: อธิบายว่าทำไมเปอร์เซ็นต์อาจเกิน 100% สำหรับผู้อ่านที่ไม่คุ้นเคยกับข้อมูลคำตอบหลายตัวเลือก

ข้อจำกัดของการวิเคราะห์คำตอบหลายตัวเลือกใน SPSS

แม้ว่า SPSS จะจัดการข้อมูลคำตอบหลายตัวเลือกได้อย่างมีประสิทธิภาพ แต่ก็มีข้อจำกัดที่สำคัญ:

การทดสอบทางสถิติไม่พร้อมใช้งาน

SPSS ไม่รองรับสถิติเชิงอนุมาน (chi-square, t-tests ฯลฯ) โดยตรงบนชุดคำตอบหลายตัวเลือก คุณสามารถทำได้เพียง:

• การวิเคราะห์ความถี่
• การวิเคราะห์ตารางไขว้

สำหรับการทดสอบทางสถิติ คุณต้องวิเคราะห์ตัวแปรไดโคโทมัสแต่ละตัวแยกกันหรือใช้ขั้นตอนพิเศษ

ตารางไขว้ที่ซับซ้อนถูกจำกัด

คุณไม่สามารถรวมชุดคำตอบหลายตัวเลือกในตารางไขว้สามทางหรือมิติที่สูงกว่าภายในโมดูล Multiple Response สำหรับการวิเคราะห์ที่ซับซ้อน พิจารณา:

• แบ่งออกเป็นตารางไขว้สองทางหลายตาราง
• ใช้ตารางกำหนดเอง (Analyze → Tables → Custom Tables) หากมี
• วิเคราะห์ตัวแปรแต่ละตัวแยกกัน

การจัดการข้อมูลที่หายไป

SPSS จัดการค่าที่หายไปในชุดคำตอบหลายตัวเลือกแตกต่างจากตัวแปรมาตรฐาน วางแผนอย่างระมัดระวังถึงวิธีการจัดการ:

• ผู้ตอบที่ข้ามคำถามทั้งหมด
• คำตอบบางส่วน (หากใช้การเข้ารหัสแบบหมวดหมู่)
• คำตอบ "ไม่มีข้อใดข้อหนึ่งข้างต้น" หรือ "ไม่เกี่ยวข้อง"

สรุป

การป้อนและวิเคราะห์คำถามแบบหลายคำตอบใน SPSS ต้องการการเตรียมข้อมูลที่เหมาะสมและความเข้าใจในโมดูล multiple response ด้วยการปฏิบัติตามวิธีการเข้ารหัสแบบไดโคโทมัส (1 สำหรับเลือก, 0 สำหรับไม่เลือก) การกำหนดชุดคำตอบอย่างถูกต้อง และการใช้การวิเคราะห์ความถี่และตารางไขว์ คุณสามารถตรวจสอบรูปแบบในข้อมูลที่ผู้ตอบเลือกหลายตัวเลือกได้อย่างมีประสิทธิภาพ

จำไว้ว่าเปอร์เซ็นต์ที่เกิน 100% เป็นเรื่องปกติในการวิเคราะห์คำตอบหลายตัวเลือกเพราะผู้ตอบสามารถเลือกหลายตัวเลือก เตรียมข้อมูลของคุณอย่างระมัดระวังใน Excel ก่อนนำเข้าสู่ SPSS กำหนดป้ายค่าที่ชัดเจนเพื่อความสามารถในการอ่าน และบันทึกรูปแบบการเข้ารหัสของคุณเพื่อการอ้างอิง

แม้ว่า SPSS จะจำกัดคุณให้วิเคราะห์เชิงพรรณนา (ความถี่และตารางไขว์) สำหรับชุดคำตอบหลายตัวเลือก เครื่องมือเหล่านี้ให้ข้อมูลเชิงลึกที่มีพลังเกี่ยวกับรูปแบบการตอบ ความนิยมของตัวเลือก และความสัมพันธ์กับตัวแปรด้านประชากรหรือพฤติกรรม

เอกสารอ้างอิง

• IBM SPSS Statistics. (2024). Multiple Response Analysis. IBM Documentation.
• Field, A. (2024). Discovering Statistics Using IBM SPSS Statistics (6th ed.). SAGE Publications.
• Pallant, J. (2023). SPSS Survival Manual (7th ed.). Routledge.