docs's People
docs's Issues
Relate 功能分析
Relate 功能分析
Relate 提供了两个变量之间的联合分析能力。
Matrix Categories 与 Matrix Numbers 不直接参与 Relate 分析,而是由其子变量以 Categories 及 Numbers 类型参与分析。
元信息变量内部 Relate
元信息之间无法进行 Relate 分析
元信息与题目变量进行 Relate
- 收集器/渠道
2. 耗时(暂未完成)
3. 提交时间(暂未完成)
题目变量内部 Relate
从题目看 Analysis 功能
Analysis
数据分析系统基于变量进行分析,但为了用户方便理解,本文从题目角度尝试进行分析。
先附上变量类型示例图,或可参考 #1 从变量角度进行理解。
概述
- 对元信息的分析,均围绕 样本数量 进行。
- 对题目的分析,主要可围绕 基于类别的样本数量 及 数值分析 两部分进行。
- 若结果基于类别,则大多数情况下也可利用选项编号转为数值分析。
- 反之,若结果为数值分析,也可能根据数值将其转换为基于类别后,进行样本数量分析。
Describe
元信息变量
基于四类元信息变量,可得到围绕样本数量进行的统计结果。
单选类型变量
可根据变量类型不同,得到不同的统计结果
- (Categories)基于各个类别,围绕样本数量进行的统计结果。
- (Numbers)基于选项编号(暂定),给出数值分析结果:
- 样本总数、平均数、中位数、最小值、最大值、方差
- 常规 percentiles 数值
- 分值分布柱状图
多选类型变量
- 基于题目(Checkboxes)可得到基于选项,围绕样本数量进行的统计结果
- 基于选项(Categories)可得到基于对应选项的选中状态,围绕样本数量进行的统计结果。
级连下菜单题选项变量
同 多选类型变量 的基于选项分析。
矩阵题选项变量
同 多选类型变量 的基于选项分析。
分值类型选项变量
可根据变量类型不同,得到不同的统计结果
- (Numbers)得到数值分析结果,同上。
- (Categories)基于各结果的可能性,给出围绕样本数量进行的统计结果。
排序题选项变量
(Numbers)可得到数值分析结果,同上。
排序题题目变量
可根据变量类型不同,得到不同的统计结果:
- (Matrix Numbers)基于各选项的数值分析
- (Matrix Categories)基于各选项及排序结果的交叉结果(计数及百分比)
Relate
- 排序题目变量不参与 Relate,若选中排序题目变量,则自动展开为各个排序题选项变量与目标变量 Relate。
- 元信息变量内部不进行 Relate。
- 元信息变量中,仅 收集器 与 渠道 可与 题目变量 进行 Relate。
- 题目变量 可自身两两进行 Relate,结果由各自变量类型决定。
数据分析 Analysis 功能描述
数据分析(Analysis) 功能描述
概述
在问卷数据收集后(或收集中),用户往往有对数据进行简单分析的需求,所以我们提供了该功能,使用户可以在不借助专业工具的前提下,非常方便的对已有数据进行简要分析。
该系统基于变量进行数据分析。问卷相关元信息,及问卷题目均会转换为相关的分析变量后,进行 个体分析(Describe) 或 关联分析(Relate)。
分析结果类型
分析结果大体分为两类:围绕样本数量产生的基于类别的分析,以及围绕数值产生的数字分析。
-
基于类别的样本数量的分析(下文称为数量分析)
绝大多数分析基于此类型分析,可得到基于类别的数量、百分比等信息。 -
基于数值的数字分析(下文称为数值分析)
与数值相关的变量分析,会针对一组数值得到诸如平均数,中位数,方差,最大值,最小值,percentiles,数值分布柱状图等分析结果。
另外,当进行 关联分析(Relate)时,还可以得到相应的关联结果(例如,P值等,未实现)。
变量描述
系统内变量可分为两大部分:元信息变量 及 题目变量。
元信息变量
如图所示,基于此四类变量,可以进行相应的数量分析
题目变量
问卷内的题目(或选项)可以转换为对应的变量类型后,进行对应的分析。
- 选择题、独立菜单题(非级联)、图标题、图片选择题、图片热点题。
-
为单选时
- 题目可对应 Categories 或 Numbers 变量,进行数量分析或数值分析。(数值分析暂采用对应的选项编号作为具体数值参与统计)
-
为多选时
- 题目对应 Checkboxes 变量,进行数量分析;
- 选项对应 Categories,针对单一选项是否选中进行数量分析。
-
打分题、权重题、演示评价题
选项可对应 Categories 或 Numbers 变量,进行数量分析或数值分析。(数量分析基于结果中出现的可能分值进行分析,例如 打了x分的有多少人 等) -
排序题
-
题目对应 Matrix Numbers 或 Matrix Categories 变量,可对所有选项进行数量分析或数值分析。
-
选项根据题目变量类型,对应 Numbers 或 Categories 变量,分析类型同 打分题。
-
矩阵题
选项对应 Categories 变量,可基于选中与否,进行数量分析。 -
菜单题(级联下)
级联菜单题无对应变量,但级联下的菜单题同多选题:
- 题目对应 Checkboxes 变量,进行数量分析;
- 选项对应 Categories,针对单一选项是否选中进行数量分析。
Describe
Relate
Analysis 变量类型
Analysis 变量类型
数据分析系统基于变量实现,所以在此对变量进行描述。
变量分为元信息变量及题目变量两大类。
元信息变量
包含渠道、收集器、耗时以及提交时间四个类型,属于特殊类型变量。
问卷题目变量
共有 Categories、Checkboxes、Numbers、Matrix Numbers 及 Matrix Categories 共五大类型,其题型归属如下:
题目归类
- 选择题
选择题、菜单题(非级联)、图表题、图片选择题、图片热点题。- 打分题
打分题、权重题、演示评价题- 其余类型题目各自成类(矩阵题、级联菜单题、排序题)
Categories
- 选择题(题目,单选)
- 选择题(选项,类别为选中及未选中)
- 打分题 (选项,类别为具体分值)
- 矩阵题(选项)
- 菜单题(选项,级联下)
- 排序题(选项,类别为具体排位)
Checkboxes
- 选择题(题目,多选)
- 菜单题(题目,级联下)
Numbers
- 打分题(选项)
- 排序题(选项)
Matrix Numbers
- 排序题(题目)
Matrix Categories
- 排序题(题目)
Describe 功能分析
Describe 分析
每种变量,均可以进行 Describe 分析。
元信息变量(均不可导出)
题目变量(可导出)
- Categories
- 样本总数、类别数
- 各类别数量柱状图、数量、百分比、百分比累计值
- Checkboxes
- 样本总数,选项计数,选项百分比,数量柱状图
- Numbers
- 样本总数、平均数、中位数、最小值、最大值、方差
- 常规 percentiles 数值
- 分值分布柱状图
- Matrix Categories
- 针对各子变量的类别的计数
- Matrix Numbers
- 针对各子变量的计数,平均数,中位数,及各子变量的分值分布柱状图
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.