多选题不是一个普通分类变量
单选题中每位受访者只属于一个互斥类别；多选题中同一人可以同时选择多个选项。因此，应把问题看成一组相关的二分类变量，而不是把“邮件, 电话”与“电话, 门店”分别当成两个新类别。
常见导出有两种：每个选项一列的多重二分编码，例如 Q5_1、Q5_2、Q5_3；或把多个答案放在同一单元格并用逗号、分号分隔。无论原始编码如何，分析时都应恢复为可复核的选项级选择状态，同时保留一行一个受访者。
- 行：多选题的各个选项；同一受访者可以贡献到多行。
- 列：互斥且独立的分组或 Banner 类别。
- 单元格：该分组中选择某一选项的个案数或加权计数。
- 列基数：该分组中纳入该问题的受访者，而不是答案总数。
基于个案与基于响应回答不同问题
基于个案的百分比 = 选择该选项的受访者数 ÷ 该组纳入的受访者数。它回答“这一组有多少人选择了该项”。例如 A 组 100 人中 70 人选邮件、50 人选电话，则两行分别为 70% 与 50%，总和为 120%；总和超过 100% 不是错误，而是有人选择了多个选项。
基于响应的百分比 = 该选项的选择次数 ÷ 全部选择次数。它回答“所有已记录选择中，该项占多少”。两种分母都可以用于描述，但不能混写。Crosstabs 默认展示基于个案的列百分比，并把个案基数保留在列合计中。
区分跳题、全为 0 与“以上皆非”
在分列编码中，所有选项都为空表示该受访者没有回答该问题，默认从该问题基数中排除；明确作答且所有选项全为 0 的个案仍保留在基数中，只是没有为任何选项增加计数。单列分隔编码中的空白则视为未回答。
如果问卷提供“以上皆非”，应把它保留为明确选项，并检查它是否与其他选项互斥。不能把跳题或系统缺失改写成“以上皆非”，否则会改变分母和实质含义。报告时列出每个 Banner 的有效个案基数、跳题规则和任何过滤条件。
逐选项检验，而不是对整组做一个普通卡方
同一受访者可以出现在多个选项行，因此整张多重响应表不满足普通 Pearson 独立性卡方所需的互斥单元格结构。Crosstabs 把每个选项分别视为选择/未选择的二分类结果，在相互独立的 Banner 列之间运行合并方差的双比例 z 检验；基数小于 30 的列不参与字母检验。
每个选项内部的列对比较使用 Bonferroni 校正，但该校正不会跨所有选项、所有表格或分析者尝试的全部切分。若研究决策把多个选项视为同一推断族，应另行控制完整的多重比较。设计或校准权重下的普通检验是近似结果；复杂抽样需要设计型方差和检验。
可复核的工作流程
导入 CSV 或 XLSX 后，在左侧的“Multi-select questions”区域查看自动识别的问题，将其设为行变量，再选择一个安全的分组变量作为列。先核对选项名称、个案基数、百分比方向和缺失警告，再解释显著性字母。
自动识别为保守启发式：它会优先减少把普通字段误认成多选题的风险。如果问题未出现，请先把数据整理为共享编号词干、编码一致的选项列，或一个使用稳定分隔符和有限重复选项词表的字段。当前界面不会凭猜测强制创建一个未识别的多重响应集。