Słownik metodologiczny · Statystyka opisowa

Analiza pytań wielokrotnego wyboru – jak kodować i liczyć odsetki?

Pytanie „zaznacz wszystkie” daje kilka zmiennych 0/1, a nie jedną. Pokazujemy kodowanie, różnicę między odsetkiem respondentów i odsetkiem odpowiedzi oraz gotowy opis do pracy.

Strona główna / Słownik / Pytania wielokrotnego wyboru
W skrócie: Pytanie wielokrotnego wyboru koduje się jako osobną zmienną 0/1 dla każdej opcji. W pracy podawaj odsetek respondentów, który wybrał daną opcję – suma takich odsetków przekracza 100%, i to jest poprawne.

Co to jest analiza pytań wielokrotnego wyboru?

Analiza pytań wielokrotnego wyboru (ang. multiple-response questions, check-all-that-apply) to opracowanie pytań, w których respondent może zaznaczyć kilka odpowiedzi z kafeterii, np. „Skąd czerpiesz wiedzę o zdrowiu psychicznym? (zaznacz wszystkie)”. Taka odpowiedź nie jest jedną zmienną, tylko zestawem decyzji: wybrał tę opcję albo nie.

Jak kodować odpowiedzi

Każdą opcję zapisz jako osobną zmienną 0/1 (1 = zaznaczono). Google Forms zapisuje wszystkie wybory w jednej komórce, rozdzielone przecinkami. Trzeba je rozbić na kolumny przed analizą (zob. dane z Google Forms do SPSS i R), a w książce kodowej opisać każdą kolumnę. Osobno oznacz osoby, które nie zaznaczyły nic. Pusta odpowiedź może oznaczać „żadne” albo pominięcie pytania, dlatego warto dodać opcję „żadne z powyższych”.

Przykład: dwa rodzaje odsetków

Na pytanie o źródła wiedzy odpowiedziało 150 osób, które zaznaczyły łącznie 297 opcji, średnio 1.98 na osobę (dane symulowane). Dziesięć osób nie zaznaczyło nic.

Liczba wyborów, odsetek respondentów i odsetek odpowiedzi dla pięciu źródeł wiedzy
Źródłon% respondentów% odpowiedzi
Internet11979.340.1
Znajomi6946.023.2
Podcasty4228.014.1
Psycholog3523.311.8
Książki3221.310.8

Odsetek respondentów (mianownik: 150 osób) mówi, jaka część badanych wybrała daną opcję. Suma przekracza 100% (tu 197.9%), co jest poprawne. Odsetek odpowiedzi (mianownik: 297 zaznaczeń) sumuje się do 100%, ale opisuje strukturę wyborów, a nie osoby. W pracy podawaj zwykle odsetek respondentów. Najlepiej pokaże go wykres słupkowy, bo wykres kołowy sugeruje całość równą 100%.

Jak opisać w pracy

Badani mogli wskazać dowolną liczbę źródeł wiedzy (M = 1.98 na osobę). Najczęściej wskazywali internet (79.3% respondentów) i znajomych (46.0%), a najrzadziej książki (21.3%). Odsetki nie sumują się do 100%, ponieważ można było wybrać więcej niż jedną odpowiedź.

Na co uważać

  • Jeden test χ² na wszystkich zaznaczeniach. Odpowiedzi tej samej osoby są zależne. Gdy obie zmienne pochodzą z pytań wielokrotnego wyboru, zwykły test Pearsona jest niepoprawny (Bilder i Loughin, 2004). Grupy porównuj osobno dla każdej opcji, testem chi-kwadrat 2 × 2, a opcje między sobą – testem Q Cochrana.
  • Format pytania zmienia wyniki. Gdy przy każdej opcji trzeba odpowiedzieć tak lub nie, respondenci zaznaczają wyraźnie więcej opcji niż przy „zaznacz wszystkie”, choć kolejność opcji według popularności zostaje ta sama (Callegaro i in., 2015). Nie porównuj więc wyników z badań, w których zadano pytanie w różnych formatach.

Miejsce takich pytań w całej analizie pokazuje wpis analiza ankiety.

Przykład reprodukowalny

Pytanie wielokrotnego wyboru w R

Kod rozbija odpowiedzi zapisane w jednej komórce na zmienne 0/1 i liczy oba rodzaje odsetków.

Od eksportu z formularza do tabeli odsetków

Dane wejściowe: odpowiedzi 150 osób zapisane jako tekst z opcjami rozdzielonymi średnikami (dane symulowane, set.seed(132)).

Co odczytać: liczbę wyborów każdej opcji, odsetek respondentów i odsetek odpowiedzi, sumę odsetków respondentów i średnią liczbę zaznaczeń na osobę.

R
set.seed(132)
opcje <- c("internet", "znajomi", "psycholog", "ksiazki", "podcasty")
p_wyb <- c(.80, .50, .25, .20, .30)                 # prawdopodobieństwa zaznaczenia opcji w symulacji
n <- 150                                             # pytanie: „Skąd czerpiesz wiedzę o zdrowiu psychicznym? (zaznacz wszystkie)”
surowe <- sapply(1:n, function(i) paste(opcje[runif(5) < p_wyb], collapse = ";"))  # eksport z formularza
head(surowe, 3)
d <- sapply(opcje, function(o) as.integer(grepl(o, surowe)))   # jedna zmienna 0/1 na opcję
tab <- data.frame(n = colSums(d))
tab$proc_respondentow <- round(100 * tab$n / n, 1)   # mianownik: liczba osób
tab$proc_odpowiedzi <- round(100 * tab$n / sum(d), 1) # mianownik: liczba zaznaczeń
tab[order(-tab$n), ]
c(suma_proc_respondentow = sum(tab$proc_respondentow), zaznaczen_na_osobe = round(mean(rowSums(d)), 2))
Wynik w R
[1] "internet"                    "internet;psycholog"         
[3] "internet;psycholog;podcasty"
            n proc_respondentow proc_odpowiedzi
internet  119              79.3            40.1
znajomi    69              46.0            23.2
podcasty   42              28.0            14.1
psycholog  35              23.3            11.8
ksiazki    32              21.3            10.8
suma_proc_respondentow     zaznaczen_na_osobe 
                197.90                   1.98 

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje pakietów base i stats).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/

Najczęstsze pytania

Dlaczego odsetki w pytaniu wielokrotnego wyboru dają więcej niż 100%?

Bo jedna osoba może wybrać kilka opcji, a odsetek liczysz względem liczby respondentów. Suma powyżej 100% jest poprawna; dopisz pod tabelą, że można było wskazać więcej niż jedną odpowiedź.

Jak wpisać pytanie wielokrotnego wyboru do SPSS?

Utwórz osobną zmienną dla każdej opcji z wartościami 1 (zaznaczono) i 0 (nie zaznaczono). W SPSS możesz je potem połączyć w zestaw wielokrotnych odpowiedzi, ale analiza i tak opiera się na tych zmiennych 0/1.

Czy można porównać kobiety i mężczyzn w pytaniu wielokrotnego wyboru?

Tak, ale osobno dla każdej opcji, np. testem chi-kwadrat 2 × 2 z korektą na liczbę porównań. Jeden test na tabeli wszystkich zaznaczeń jest błędny, bo liczy te same osoby kilka razy.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Bilder, C. R., & Loughin, T. M. (2004). Testing for marginal independence between two categorical variables with multiple responses. Biometrics, 60(1), 241–248. https://doi.org/10.1111/j.0006-341x.2004.00147.x
  2. Callegaro, M., Murakami, M. H., Tepman, Z., & Henderson, V. (2015). Yes–no answers versus check-all in self-administered modes: A systematic review and analyses. International Journal of Market Research, 57(2), 203–224. https://doi.org/10.2501/ijmr-2015-014a

Cytowania BibTeX

@article{bilder2004testing, author={Bilder, Christopher R. and Loughin, Thomas M.}, title={{Testing for marginal independence between two categorical variables with multiple responses}}, journal={Biometrics}, year={2004}, volume={60}, number={1}, pages={241--248}, doi={10.1111/j.0006-341x.2004.00147.x}}
@article{callegaro2015yes, author={Callegaro, Mario and Murakami, Michael H. and Tepman, Ziv and Henderson, Vani}, title={{Yes–no answers versus check-all in self-administered modes: A systematic review and analyses}}, journal={International Journal of Market Research}, year={2015}, volume={57}, number={2}, pages={203--224}, doi={10.2501/ijmr-2015-014a}}
R