對(duì)應(yīng)分析spss例析

1、對(duì)應(yīng)分析spss例析在現(xiàn)實(shí)研究中，研究人員很多情況下所關(guān)心的除行和列本身變量之間關(guān)系外，更想了解行列變量之間的相互關(guān)系；將R和Q型分析合二為一；對(duì)應(yīng)分析應(yīng)運(yùn)而生。對(duì)應(yīng)分析(Correspondence analysis)也稱關(guān)聯(lián)分析、R-Q型因子分析，是近年新發(fā)展起來的一種多元相依變量統(tǒng)計(jì)分析技術(shù)，通過分析由定性變量構(gòu)成的交互匯總表來揭示變量間的聯(lián)系。可以揭示同一變量的各個(gè)類別之間的差異，以及不同變量各個(gè)類別之間的對(duì)應(yīng)關(guān)系。 主要應(yīng)用在市場(chǎng)細(xì)分、產(chǎn)品定位、地質(zhì)研究以及計(jì)算機(jī)工程等領(lǐng)域中。原因在于，它是一種視覺化的數(shù)據(jù)分析方法，它能夠?qū)捉M看不出任何聯(lián)系的數(shù)據(jù)，通過視覺上可以接受的定位圖展現(xiàn)出來

2、。 對(duì)應(yīng)分析的基本思想是將一個(gè)聯(lián)列表的行和列中各元素的比例結(jié)構(gòu)以點(diǎn)的形式在較低維的空間中表示出來。 它最大特點(diǎn)是能把眾多的樣品和眾多的變量同時(shí)作到同一張圖解上，將樣品的大類及其屬性在圖上直觀而又明了地表示出來，具有直觀性。另外，它還省去了因子選擇和因子軸旋轉(zhuǎn)等復(fù)雜的數(shù)學(xué)運(yùn)算及中間過程，可以從因子載荷圖上對(duì)樣品進(jìn)行直觀的分類，而且能夠指示分類的主要參數(shù)（主因子）以及分類的依據(jù)，是一種直觀、簡(jiǎn)單、方便的多元統(tǒng)計(jì)方法。 對(duì)應(yīng)分析法整個(gè)處理過程由兩部分組成：表格和關(guān)聯(lián)圖。對(duì)應(yīng)分析法中的表格是一個(gè)二維的表格，由行和列組成。每一行代表事物的一個(gè)屬性，依次排開。列則代表不同的事物本身，它由樣本集合構(gòu)成，排列

3、順序并沒有特別的要求。在關(guān)聯(lián)圖上，各個(gè)樣本都濃縮為一個(gè)點(diǎn)集合，而樣本的屬性變量在圖上同樣也是以點(diǎn)集合的形式顯示出來。例：在對(duì)218名受訪人員進(jìn)行收入水平和品牌選擇關(guān)系的調(diào)查研究中，得到如下調(diào)查數(shù)據(jù)，對(duì)其進(jìn)行對(duì)應(yīng)分析。SPSS需要的數(shù)據(jù)格式如下DATA -weight casesAnalyze-data reduction-correspondence analysisModel對(duì)話框中Dimensions in solution 2,解的維度；即將樣本和指標(biāo)在二維空間中對(duì)應(yīng)的進(jìn)行分類。Distance measure：距離測(cè)度上采用默認(rèn)的Chi square,標(biāo)準(zhǔn)對(duì)應(yīng)分析要求使用此測(cè)度。Sta

4、ndardization method正規(guī)化方法選擇上，由于上面選擇的是卡方距離，所以這里只能用row and column means are removed(即同時(shí)對(duì)行和列進(jìn)行中心化處理)Statistic 對(duì)話框中Correspondence table現(xiàn)實(shí)原始數(shù)據(jù)，還包括行列的邊際和及總和；可以用來核對(duì)輸入的數(shù)據(jù)的準(zhǔn)確性。Overview of row/column points:此項(xiàng)必須選擇，行列變量在各個(gè)維度上的分量。Plot 對(duì)話框：Bioplot雙維圖法，輸出行列變量坐標(biāo)的二維圖。下面兩個(gè)選項(xiàng)是本圖的分列。Correspondence Table品牌收入水平低 中 高 Acti

5、ve MarginA 271625B 497359C 452332D 449558E 152522F 171422Active Margin757766218核對(duì)輸入數(shù)據(jù)的正確性Row Profiles品牌收入水平低 中 高 Active MarginA .080.280.6401.000B .831.119.0511.000C .125.156.7191.000D .069.845.0861.000E .682.091.2271.000F .045.318.6361.000Mass.344.353.303行歸一化處理表：行和為分母進(jìn)行歸一化處理的結(jié)果，mass為列的邊際概率，即各列和占總和比

6、例。SummaryDimensionSingular ValueInertiaChi SquareSig.Proportion of InertiaConfidence Singular ValueAccounted forCumulativeStandard DeviationCorrelation21.729.531.608.608.047.1652.586.343.3921.000.058Total.874190.534.000a1.0001.000a. 10 degrees of freedominertia英音：in:i美音：n 慣性;慣量;惰性；就是常說的特征根；說明各個(gè)維度對(duì)原來

7、列聯(lián)表的解釋程度 。 Contribution Of Point to Inertia of Dimension給出的是占總方差的百分比及累計(jì)百分比；可以看出前兩個(gè)維度解釋了總信息量的100%；因此二維圖形完全可以表示兩個(gè)變量間的信息。第三第四列是列聯(lián)表的卡方檢驗(yàn)結(jié)果，P0.05，表明列聯(lián)表行列變量之間存在較強(qiáng)的相關(guān)性；這就為研究行列變量的相互關(guān)系提供了依據(jù)，可以進(jìn)行對(duì)應(yīng)分析。品牌坐標(biāo)Overview Row Pointsa品牌MassScore in DimensionInertiaContribution12Of Point to Inertia of DimensionOf Dimens

8、ion to Inertia of Point1212TotalA .115.620-.731.068.061.105.472.5281.000B .271-85.530.011.987.0131.000C .147.496-1.047.120.049.275.218.7821.000D .266.7251.074.282.192.524.362.6381.000E .101-.843-.215.055.098.008.950.0501.000F .101.708-.672.064.069.078.580.4201.000Active Total1.000.8741.00

9、01.000a. Symmetrical normalizationscore in Dimension:在兩個(gè)維度上的的分值，也就是在平面直角坐標(biāo)系中的坐標(biāo)；收入坐標(biāo)Overview Column Pointsa收入水平MassScore in DimensionInertiaContribution12Of Point to Inertia of DimensionOf Dimension to Inertia of Point1212Total低 .344-1.177.051.348.654.002.999.0011.000中 .353.664.847.262.214.433.433.5671.000高 .303.563-1.046.264.132.566.26