企業建立在數字之上。 這就是為什麼他們進行如此多的調查以收集從市場研究到員工滿意度的所有方面的數據。 但是，如果不進行適當的分析，調查結果就毫無意義。 交叉製表是最流行的數據分析方法之一，用於讀取調查結果中變量之間的關係。 當然，這聽起來很古怪，但是一旦您知道如何使用它，它就會非常酷。 到本文結束時，您將確切了解交叉製表是什麼、它是如何工作的，以及如何使用這種技術來改進您對調查數據的解釋。
什麼是交叉製表？ 交叉製表用於分析數據表中的類別，並確認兩個或多個類別變量之間是否存在聯繫。 用一個例子更容易解釋。
下面的交叉表或列聯表詳細說明了雇主的調查結果，該雇主想了解員工是否更願意遠程工作、在辦公室工作，或者切換到混合模式。 結果顯示在二維數據表中，使用年齡和工作地點偏好。
（圖片來源：谷歌表格） 但是這些結果意味著什麼？ 年齡和工作場所之間的聯繫是巧合，還是這些類別變量之間存在隱藏的關係？
從他們的觀察來看，最年輕的員工似乎不像他們 25-35 歲的同事那樣熱衷於遠程工作。 同樣，似乎 35 至 55 歲的人最不可能支持重返辦公室。 但是我們怎麼知道這些觀察結果是否站得住腳呢？
交叉製表計算兩個（或更多）類別之間鏈接的概率，因此您可以就下一步做什麼做出明智的決定。 您的概率分數將為戰略業務決策提供支持，並幫助您從數據中找到最大價值。
何時使用交叉製表當您擁有可以劃分為類別或子組（例如年齡、性別、產品類型或地區）的信息時，交叉製表分析很有用。
例如，您可能想要分析：
按年齡劃分的時事通訊註冊性別偏好各地區銷售額按教育程度劃分的工作資歷按付款方式分類的產品類別但有幾條規則需要牢記。
規則 1：交叉製表不適用於數值數據的統計工具，例如，如果您想對身高或體重列表進行排序。 您需要將這些數字數據分組，以便交叉製表有效。
規則 2：您的樣本量必須有足夠的數據才能獲得準確的交叉表報告。 經驗法則是數據表中的每個條目的值至少應為 5。
不確定如何在您的業務中使用交叉表？ 如果您正在尋找一點靈感，這裡有一些流行的方法可以將交叉表（也稱為列聯表分析）付諸實踐。
1. 員工敬業度調查向員工分發脈搏調查可以幫助您跟踪員工敬業度和滿意度水平，然後將結果過濾到類別中。 例如，您可以根據部門、工作角色、工作地點、性別或補償率對響應進行排序。
結果的交叉製表分析可以及早發現任何問題並提醒負責的管理人員，以便他們可以將潛在的衝突消滅在萌芽狀態。 使用交叉表來發現現場和遠程工作人員參與度之間的任何差異，或者特定團隊的工作滿意度是否不同。
2.退出面試調查在離職面談過程中使用調查來揭示員工離開公司的原因並可能減少未來的流失。
退出和補償之間是否存在相關性？ 還是不滿意的評級和缺乏培訓？ 這些有影響力的見解將幫助您制定行動計劃，讓最有才華的員工站在您這邊。
3.學生評價調查教師評估調查收集學生的反饋，以解讀不同群體對他們學習經歷的感受。 這包括評估全日製或非全日制學習者、首選課程科目和課程長度之間是否存在差異。
4.產品研究測試您的目標受眾對新產品或服務的接受程度。 您可能想了解男性和女性之間，或者熟悉您品牌的人和不熟悉您品牌的人之間的反應是否存在差異。
交叉製表有什麼好處？ 交叉表不僅有助於理解您的數據。 當您知道如何使用這個有用的工具時，您可以享受到大量的商業利益。
1.減少錯誤大型數據集可能令人望而生畏，但將它們分組為具有代表性的子組以進行交叉表分析會使這項任務變得更容易接受。 獎金？ 您將更好地處理數字，減少報告中出現的錯誤。
2.快速比較關係如果您使用數據透視表來分析數據，則創建交叉表報告是一個相對快速的過程。 數據透視表在 Excel 或 Google 表格等電子表格工具中可用，它們使交叉表分析變得輕鬆。 他們甚至會為您計算，因此您唯一的職責就是解釋關係並獲得可操作的見解。
3. 獲得更細緻的洞察調查的總體結果可以讓您全面了解正在發生的事情。 但他們不會細化細節。 在企業中，這可能是您需要更多關注的員工子群，或者是未達到目標市場目標的產品和服務。
交叉製表將為您的數據提供新的視角，幫助您做出有關未來關注重點的戰略決策。
4. 適用於多種調查問題類型在交叉製表方面，多功能性是遊戲的名稱。 只要您可以將答案分成不同的類別或子組，此分析工具就可以處理各種問題類型。 這包括：
多項選擇：受訪者從預先確定的選項列表中回答。 李克特量表：受訪者按照從同意到不同意的等級對某件事進行評分，或者為您的服務或產品選擇 1 到 5 星評級。 封閉式問題：例如是/否、對/錯或同意/不同意。 旁注：交叉表不太適合開放式問題，在這種情況下，您鼓勵受訪者提供有關他們觀點的更多信息。 這些響應更情緒化且更難分類，因此它們不適合交叉表分析。
現在形成更好的生活。 開始
如何在 Google 表格中進行交叉表分析Google 表格通過填充提供全面細分結果的數據透視表，可以輕鬆分析複雜的表單數據。
下面的交叉製表示例顯示了全球銷售會議的 RSVP 列表。 在屏幕截圖中，這些列告訴我們銷售代表的姓名、地區，以及他們對會議邀請的回復是“是”還是“否”。
（圖片來源：谷歌表格） 要更仔細地閱讀這些回复，您需要一個數據透視表。 打開 Google 表格，導航到頂部菜單欄，然後點擊插入 > 數據透視表。
突出顯示要包含的數據范圍，然後決定是在新工作表中還是在現有工作表中創建表格。 請記住將列標題包含在您的數據范圍內。
（圖片來源：谷歌表格） 這將生成一個空白數據透視表，您可以從這裡決定分析的重點。 在我們的示例中，我們想要了解每個地區有多少銷售代表將參加銷售會議。 為此，請單擊“行”按鈕，選擇要分析的“區域”類別，然後對“出勤”的“列”按鈕重複上述操作。 選擇要顯示的值（作為數值或行和列百分比），數據透視表將填充。
交叉表數據透視表準確顯示每個地區有多少銷售代表將參加銷售會議。 這將以更易於管理的形式呈現數據，並允許您為進一步的統計分析做出假設，或檢驗備選假設。
（圖片來源：谷歌表格） 如何使用卡方檢驗檢查統計顯著性假設您有一種預感，即您的調查響應中的兩個或多個數據類別之間存在關係。 您可以使用 Pearson 卡方檢驗來毫無疑問地證實或否定您的理論。 按照以下五個步驟計算鏈接存在的概率。
第 1 步：創建統計假設在您注意到因素之間的潛在相關性之後，第一步是陳述您的假設。 例如：
性別和產品偏好是自變量（意味著它們沒有關聯） 性別和產品偏好是因變量（意味著它們是相關的） 第 2 步：設置您的 p 值卡方分析取決於“p 值”或您正在檢查的單個變量彼此獨立的概率。您可以隨意設置 p 值，但最常見的是 0.05，即 5% .
但是，這是什麼意思？ 分析您的卡方統計量後，如果 p 值大於 0.05，則生成原假設，確認您跟踪的變量之間不存在關聯。 您正在尋找的模式可能只是巧合。
另一方面，如果 p 值小於 0.05%，則確認您的變量是相關聯的。 你可以繼續調查更多的人，結果可能會不斷產生類似的結果，證明這兩個類別之間存在獨特的聯繫。
如果您想更加確定您的兩個分類變量不相關，您可以選擇 0.01 或 1% 的 p 值。 但一般而言，低於 5% 的 p 值被認為具有統計顯著性。
第 3 步。計算您的預期值和實際值使用卡方計算來確定特定類別的 p 值，並根據上面的基準 p 值進行檢查。
在此示例中，該表顯示男性和女性更喜歡某個品牌產品系列中的產品 X 還是 Y。 數據按以下產品偏好分組。 這些是實際值，也稱為觀察值。
（圖片來源：谷歌表格） 要確定您的 p 值，您首先要使用數據的實際（觀察到的）值，您可以通過將表中的每一行和每一列相加來實現。
（圖片來源：谷歌表格） 下一步是計算每個條目的預期值。 您可以通過將每行總計乘以每列總計然後除以總計來做到這一點。
（圖片來源：谷歌表格） 這變成：
（圖片來源：谷歌表格） 現在，從觀察值中減去期望值，平方，然後除以期望值。
（圖片來源：谷歌表格） 這變成：
（圖片來源：谷歌表格） 現在，將所有這些值相加得到卡方值 14.92+20.45+13.19+18.08，即 66.64。
現在拍拍自己的背——這是很多數學。
第 4 步。計算您的自由度要確定自由度，或可以自由更改的獨立值的最大數量，請使用以下公式。
自由度 = (行 − 1) × (列 − 1)
此示例表格格式中有 2 行和 2 列，因此 (2-1) x (2-1) = 1。因此，您的自由度 = 1。
第 5 步。使用 p 值計算器最後一步是從步驟 3 中獲取卡方值 66.64，並從步驟 4 中獲取自由度值 1。
將這些輸入可靠的卡方分佈 p 值計算器，然後將 p 值輸出與您的假設進行比較，以檢驗它是否正確。
使用 Paperform 集成開始您的交叉表分析交叉製表是調查統計數據分析的重要組成部分。 它可以幫助您解開一堆數字和信息，從而在變量之間建立有意義的聯繫。
如果您已經收集了數據，為什麼不採用分析方法並讓數字講述它們的故事呢？ 您甚至可能會發現您的競爭對手仍然需要弄清楚的情報寶藏。
Paperform 是彌合表單數據和交叉表分析之間差距的完美工具。 我們的數字瑞士軍刀集成了 2,000 多個其他流行的應用程序，包括 Google 表格。 您還可以隨時將所有表單結果導出到 CSV 文件，並將其導入到您選擇的電子表格中以開始交叉製表。
立即開始使用 Paperform 的 14 天免費試用版收集您的調查數據，並開始交叉製表。