一、问题的提出
假定消费者在购买电视的时候，经常会考虑很多因素，比如价格、质量、品牌、样式、颜色、型号、功能等，假如有90%的消费者对“价格”敏感，50%的消费者要考虑质量，我们会不会得出这样的结论：消费者在购买彩电的过程中，价格因素重于质量因素。不一定，因为我们并不知道人们“先”考虑什么，也不知道人们在价格和质量之间考虑的权重大小，更无法将所有因素对比在同一个平面维度上，因为有几个因素，就说明人们在考虑同一个问题的时候有多少维空间。就像在对比顺位的题型中，假定消费者甲认为价格比质量重要，品牌比价格重要，我们不能直接运用形式逻辑的规则得出品牌比质量重要一样。因为每两个因素的对比都是在一个独立的语义空间下的，跨语义空间的对比在社会生活中没有绝对的含义，只有相对的含义，这就是为什么形式逻辑的推理在社会生活中不能随便运用的原因。
从理论上讲，排序题就是将不同语义空间下的概念放置于一个对比空间中进行的分析。有些学者认为对各个因素分别进行重要性的评价，就可以将人们考虑问题的顺序排列出来。我认为这种思路是错误的。比如我们设计的题型是：
例1：如下购买彩电的因素，您认为它们的重要程度是：
| 很重要 | 比较重要 | 一般 | 不太重要 | 不重要 | |
| 价格 | 1 | 2 | 3 | 4 | 5 |
| 质量 | 1 | 2 | 3 | 4 | 5 |
| 品牌 | 1 | 2 | 3 | 4 | 5 |
| 样式 | 1 | 2 | 3 | 4 | 5 |
| 颜色 | 1 | 2 | 3 | 4 | 5 |
| 型号 | 1 | 2 | 3 | 4 | 5 |
| 功能 | 1 | 2 | 3 | 4 | 5 |
在这种设计的基础上得到的数据，不能直接进行顺序排列，因为这是在7个语义空间下进行的，概念之间的对比没有任何实际意义，同一个人可以将几个概念同时列为“很重要”，我们不能断定其对比意义，用平均人的概念对整体答案取均值更无法产生顺序。因为由部分（个人）可以推及总体（整体），但是产生的整体却无法再还原为部分的时候增加内容（顺序）。顺序只是在同一语境下才能产生出来。不能用整体指标的扩展来推断部分的意义顺序，即不能用没有个体顺序意义的问题结果来推断个体的行为顺序。也就是说，假定上述问题调查结果的均值分别为：
价格1.2、质量1.3、品牌1.25、样式3.1、颜色2.9、型号1.57、功能1.6。
我们不能得到人们在购买彩电时考虑的因素的顺序是：价格、品牌、质量、型号、功能、颜色、样式。如果这样就会得到错误的结论。
二、顺序问题的设计
在“关于问卷的题型设计”一文中，笔者总结了六种与顺序有关的题型，在实际应用过程中，“排序题”和“重要程度顺位排序”两种题型最重要，也对顺序问题最有效。还是应用上面的例子，排序题的设计是：
例2：如下因素，在购买彩电时，您认为：
（1）价格；（2）质量；（3）品牌；（4）样式；（5）颜色；（6）型号；（7）功能。
A.最重要的因素是：（）
B.第二重要的因素是：（）
C.第三重要的因素是：（）
应用重要程度顺位排序方法进行的设计是：
例3：如下因素，在购买彩电时，您认为：
（1）价格；（2）质量；（3）品牌；（4）样式；（5）颜色；（6）型号；（7）功能。
A.最重要的因素是：（）
B.比较重要的因素是：（）（）（限选两项）
C.不太重要的因素是：（）（）（限选两项）
D.最不重要的因素是：（）
这两种设计在方法上都是在个体同一个语义空间下收集的资料，在对个体调查的过程中，让个体考虑了顺序的问题，因此得到的资料在整体化（统计分析）后，可以推断个体考虑的总顺序，具有“整体”还原“部分”行为顺序的性质。
三、顺序问题的分析方法
有关顺序问题的分析方法在原理上非常简单，就是采用加权的方法进行分析，对于排序题，权重已经基本达成共识，就是对最重要的因素取“3”作为权重，第二重要的取“2”作为权重，第三重要的取“1”作为权重。如上例，假定人们认为价格最重要的比例为25%，认为第二重要的为20%，认为第三重要的为10%，那么价格因素的重要程度及顺序指数为：
（25%*3+20%*2+10%*1）/（3+2+1）
这个顺序指数的取值范围在三项排序中介于0-0.5之间，五项排序介于0~0.33之间。
由于人们在分析问题时不习惯于对0~0.5之间的数值进行分析，同时又由于在此类顺序问题中不可能将同一个答案同时放在多个顺序中（对于一个被访者来说，不能将价格同时放在第一、第二、第三重要3个变量或者两个变量上），所以可以用最大权重值作为分母，这就使得顺序指数介于0~1之间了。所以，笔者推荐这种加权方式。如上例，价格因素的顺序指数就可以变为：
（25%*3+20%*2+10%*1）/3
对于重要程度顺位排序题的处理，由于这种题型一直以来受到技术分析困难的困扰，所以没有一个对权重的共识。经过多年对此类问题处理的经验，我认为对最重要的因素取“2”，对比较重要的因素取“1”，对不太重要的因素取“-1”，对最不重要的因素取“-2”，这个权重系列简单、明确。还是如上例，假定人们认为价格最重要的比例为25%，认为比较重要的为20%，认为不太重要的为10%，最不重要的为5%，那么价格因素的重要程度及顺序指数为：25%*2+20%*1-10%*2-5%*1
这个顺序指数的取值范围由于不存在分母，所以这个指数的取值范围介于“-2”~“2”之间，以“0”为中间值。
四、顺序问题分析的困难和在SPSS等统计软件下的处理方法
顺序问题的分析在原理上很简单，但是由于无论排序题，还是重要程度顺位填空题都是依据最后计算出来的比例再进行加工处理的，一般情况下在原始数据文件中都不能计算，所以在实际应用过程中，有些人只能计算总体的顺序，而不可能计算各种人群的顺序，比如不同年龄、不同性别、不同职业、不同收入的顺序等。更有一些人只依据最重要的因素进行交互分析，从而损失了许多信息。
笔者通过两年的研究，找到了一种在统计软件的原始数据状态进行直接处理的方法，其主要思想就是通过多重数据转换来生成新变量。
这种转换的方法首先就是要理解“0”、“1”编码的性质，如果变量是通过“0”、“1”编码进行的录入，那么这个变量的均值乘以100就是人们选择“1”答案的比例。
同时我们还要理解，一个变量值只有“2”和“0”两个答案时，其均值等于2乘以同样排列“0”、“1”变量的均值，同理，“3”“0”、“4”“0”、“5”“0”变量等都具有同样性质。
所以，在对顺序问题进行转换时，首先要将变量转换成“0”“1”变量。如“例2”的设计，假定10个样本的答案分别是：
| V1 | V2 | V3（原始变量名） |
| 2 | 5 | 1（原始答案数值） |
| 2 | 4 | 7（原始答案数值） |
| 2 | 6 | 5（原始答案数值） |
| 7 | 6 | 2（原始答案数值） |
| 5 | 2 | 3（原始答案数值） |
| 1 | 3 | 5（原始答案数值） |
| 3 | 4 | 5（原始答案数值） |
| 1 | 6 | 4（原始答案数值） |
| 5 | 1 | 6（原始答案数值） |
| 6 | 5 | 7（原始答案数值） |
|
