多元分析，又稱多變量分析，是用于研究多個變量數據之間的關系，包括了多重回歸分析、判別分析、聚類分析、主成分分析、對應分析、因子分析、典型相關分析等。本文主要介紹其中兩種常見的分析方法：聚類分析和權重分析。
1 聚類分析
聚類分析，通俗地講，就是通過計算相關指標，將樣本分為幾類，使得類與類之間的差異很大，同類樣本之間的差異盡可能地小。
（1）聚類分析種類
聚類分析的分類方法有很多，按功能劃分可以分為兩類——樣本聚類（Q型聚類）和變量聚類（R型聚類）。問卷研究中，樣本聚類使用頻率遠高于變量聚類。
按照SPSS軟件的功能進行劃分，聚類分析分為三類，分別是兩步聚類、K-均值聚類和系統聚類(分層聚類)。三種聚類方法各有特點，具體情況如下：
（2）操作步驟
Step1：如果樣本數據度量單位不統一，比如有的題項是以七級量表，而有的題項為五級題項。此時應該進行數據處理，即數據標準化處理。
Step2：由于K-均值聚類法的優點在于速度非常快，因此可以提前進行快速分析，計算不同類別樣本數量進行簡單判斷聚類效果。
Step3：對比另外兩種分析方法時的聚類類別數量情況，綜合判斷找出最優聚類結果。
Step4：分析聚類結果結合不同類別樣本特征情況，對聚類類別進行有效命名。
Step5：聚類類別命名。
具體針對聚類分析，上述步驟可能并不完全適用，如果聚類變量中有分類數據，則不能使用K-均值聚類分析。
（3）指標解讀
SPSSAU默認聚類分析使用K-均值聚類方法進行，以下說明均為K-means聚類分析方法
此表主要用于描述聚類分析的基本情況，描述聚類得出類別情況，每個類別人群數量和比例情況等。例如從上表可以看出：聚類得到3類群體，此3類群體的占比分別是35.0%, 29.7%, 35.3%。整體來看， 3類人群分布較為均勻，整體說明聚類效果較好。
此表主要通過方差分析對比每個類別下各題項的特征，探索各個類別的差異，最終可結合各個類別特征進行類別命名。例如從上表可知：聚類類別群體對于所有研究項均呈現出顯著性(P<0.05),意味著聚類分析得到的3類群體，在研究項上的特征具有明顯的差異性。
2 權重
權重分析，通過計算各個指標或者題項的權重得分，研究各因素或指標相對與整個體系或某一指標的重要程度。
（1）分類
量表類問卷權重研究方法通常情況下可以分為三類：主觀賦權法、客觀賦權法、組合賦權法。
主觀賦權法就是根據決策者（專家）主觀上對各屬性的重視程度來確定屬性權重的方法。
客觀賦權法是根據原始數據之間的關系通過一定的數學方法來確定權重，判斷結果不依賴于人的主觀判斷，有較強的數學理論依據。
組合賦值法是在主觀賦權法（通常是AHP層次分析法）和客觀賦權法（通常是因子分析或者熵值法）的權重結果基礎上，綜合計算出最終權重體系的方法。
用于研究權重的分析方法有很多，這里著重說明幾種較為常用的方法，分別為主成分分析、熵值法。
（2）主成分分析
分析步驟
此表用于基三每個成分得分，計算得分后，結合方差解釋率，最終即得到綜合得分。
（3）熵值法
其他說明：在進行熵值法之前，如果數據方向不一致時，需要進行提前數據處理，通常為正向化或者逆向化兩種處理（統稱為數據歸一化處理）。
以上提到分析方法都可在SPSSAU中進行分析，詳細說明可查看SPSSAU官網，以及可使用SPSSAU上面的案例數據，進行實際的操作分析。
