目录
在问卷调查中，“请勾选所有适用的选项”这样的多选题（Multiple Response）非常常见。
例如：
“您在进行网购时会使用哪些平台？（可多选）”
→ Coupang、Naver Shopping、11街、SSG 等均可同时选择。
由于一个受访者可能选择多个平台，
如果简单将选择次数相加，整体比例出现 超过 100% 的情况很正常。
如果不了解多选结构，
就可能误解结果或错误呈现比率。
1️⃣ 理解多选题的数据结构
多选题本质上是“一个问题拆成多列”来存储。
在 SPSS 中，每一个选项都会成为一个独立变量。
例如：
Q1_1：Coupang（1 = 选择，0 = 未选择）
Q1_2：Naver Shopping（1 = 选择，0 = 未选择）
Q1_3：11街（1 = 选择，0 = 未选择）
只有按这种方式编码，统计计算才会准确。
2️⃣ 比例解读有两种基准
呈现多选题结果时必须先明确“百分比是基于什么算的”。
① 基于受访者比例（Respondent-based）
→ 在全部受访者中，有多少 % 选择了该选项？
例如：200人中有120人选择 Coupang → 60%
② 基于总回答比例（Response-based）
→ 在所有被选择的总次数中，该选项占多少 %？
例如：200人共勾选了400次，其中120次为 Coupang → 30%
这两种百分比意义完全不同。
必须根据报告目的选择适合的指标，避免误读。
3️⃣ 可视化技巧
多选结果最适合用 横向条形图（horizontal bar chart） 表示。
尤其当选项较多时，可采用：
按选择率排序
聚焦呈现 TOP 3～5 项
能够让读者快速抓住重点。
4️⃣ The Brain 的多选题专业处理流程
我们基于 SPSS，为研究者提供标准化、专业化的多选题处理方法：
自动生成 Multiple Response Set
同时输出“受访者基准比率 / 回答基准比率”
AI 优化排序的图表可视化
按 APA 7th 格式生成表格
过滤无效或不诚实回答，确保数据可信度
这些步骤能让研究者轻松解读复杂的多选结构。
多选题不仅在于“哪个选项被选得最多”，
更关键在于识别受访者的选择模式。
The Brain 通过精细的数据清洗、结构化分析与可视化，
帮助研究者获得无误差、可解释、可用于决策的可靠结果。
