机器学习数学基础:45.多重响应分析

多重响应分析超详细教程:手把手教你分析多选题数据

一、深入理解多重响应分析的背景

问卷调查中,问题分为单选题与多选题:

  • 单选题:如"你的性别?1.男 2.女",答题者仅选一个选项,分析时直接统计选项选择人数。
  • 多选题 :如"你喜欢吃哪些水果?1.苹果 2.葡萄 3.香蕉 4.哈密瓜",答题者可多选。因多选题存在"一人多选"特性,单选题分析方法(简单计数)不再适用,需通过多重响应分析处理数据,精准挖掘信息。

二、多重响应分析核心指标详解

1. 响应个案数

  • 定义:某个选项被选择的具体人数,直接反映选项"人气"。
  • 示例:水果调查中,"苹果"响应个案数为80,即80人选苹果;若所有选项总计响应个案数为360,代表所有选项共被选360次。

2. 应答人数

  • 定义:实际回答问题的有效人数(问卷有效样本量)。
  • 单 vs 多选对比
    • 单选题:应答人数 \ = 响应个案数。如100人答性别题,选"男""女"各50人,应答与响应个案数均为100。
    • 多选题:应答人数 < 响应个案数。如100人答水果题,每人选2种,应答人数100,响应个案数200。

3. 响应百分比(响应率)

  • 定义:某选项响应个案数占所有选项总计响应个案数的比例。
  • 公式
    响应百分比 = 某选项响应个案数 所有选项总计响应个案数 × 100 % \text{响应百分比} \ = \frac{\text{某选项响应个案数}}{\text{所有选项总计响应个案数}} \times 100\% 响应百分比 =所有选项总计响应个案数某选项响应个案数×100%
  • 示例 :"葡萄"响应个案数90,总计响应个案数300,则:
    响应百分比 = 90 300 × 100 % = 30 % \text{响应百分比} \ = \frac{90}{300} \times 100\% \ = 30\% 响应百分比 =30090×100% =30%
  • 意义:展示选项在总选择中的比重,数值越大越受欢迎,所有选项响应百分比总和为100%。

4. 响应个案百分比(普及率)

  • 定义:所有选项总计响应个案数占应答人数的比例。
  • 公式
    响应个案百分比 = 所有选项总计响应个案数 应答人数 × 100 % \text{响应个案百分比} \ = \frac{\text{所有选项总计响应个案数}}{\text{应答人数}} \times 100\% 响应个案百分比 =应答人数所有选项总计响应个案数×100%
  • 示例 :应答人数120,总计响应个案数360,则:
    响应个案百分比 = 360 120 × 100 % = 300 % \text{响应个案百分比} \ = \frac{360}{120} \times 100\% \ = 300\% 响应个案百分比 =120360×100% =300%
    表示平均每人选3个选项(300% ÷ 100 \ = 3)。
  • 延伸:某选项响应个案百分比40%,即平均每人选该选项0.4次(40% ÷ 100 \ = 0.4)。

三、响应百分比与响应个案百分比的深度区别

对比维度 响应百分比(响应率) 响应个案百分比(普及率)
计算核心 基于"所有选项的被选择次数" 基于"应答人数"
公式重点 某选项响应次数 ÷ 总响应次数 总响应次数 ÷ 应答人数
数值特点 所有选项的响应百分比总和为100% 结果一定大于100%(因一人多选)
分析意义 看单个选项在总选择中的占比 看整体选择行为的"强度"(平均选多少选项)

四、多重响应分析实战流程

步骤1:整理数据

收集多选题回答,统计每个选项的响应个案数,记录应答人数。

步骤2:计算指标

  • 响应百分比:分析选项受欢迎程度。
  • 响应个案百分比:了解平均选择数量。

步骤3:解读结果

  • 若某水果响应百分比最高,说明最受喜爱。
  • 若响应个案百分比为250%,表示平均每人选2.5种水果。

通过以上步骤,即可系统完成多选题的多重响应分析,为调研结论提供数据支撑!

相关推荐
刘一说26 分钟前
AI科技热点日报 | 2026年07月09日
人工智能·科技
LYFlied27 分钟前
Anthropic Agent隔离架构解读:比权限弹窗更可靠的是限制爆炸半径
人工智能·架构·软件工程·claude·安全架构·ai agent
敲代码的嘎仔1 小时前
实习日志day6--实习日志day6--title命名规范化&businessType纠正&补充缺失的@Log注解&报警与通信模块补充&产出阶段总结文档
java·开发语言·人工智能·git·python·实习·大二
ZZZMMM.zip1 小时前
基于鸿蒙HarmonyOS NEXT开发AI英语口语应用:智能口语练习新体验与鸿蒙Flutter框架跨端实
人工智能·flutter·华为·harmonyos·鸿蒙·鸿蒙系统
程序喵大人1 小时前
【AI专栏】图解Transformer - 第05章:LLM 推理工程
人工智能·深度学习·llm·transformer
甲维斯1 小时前
差距太大了!GPT5.6Sol 正面战 Fable5,啥也不是!
人工智能·ai编程
Eloudy1 小时前
LLM 公司提供的 token api 服务输出内容的特点
人工智能
DeepAgent1 小时前
AI Agent 工程实践(03):Memory 设计——Agent 到底应该记住什么?
人工智能
懂懂笔记2 小时前
老龄化加速下的中国答案:东软用AI思维重构“人生下半场”
人工智能·智慧养老
GitCode官方2 小时前
基于《人工智能 智能体互联》国标的 AIP 开源项目在 AtomGit 正式开源
人工智能·开源·atomgit