《对应分析spss例析》由会员分享，可在线阅读，更多相关《对应分析spss例析（8页珍藏版）》请在金锄头文库上搜索。
1、对应分析spss例析在现实研究中，研究人员很多情况下所关心的除行和列本身变量之间关系外，更想了解行列变量之间的相互关系； 将R和Q型分析合二为一；对 应分析应运而生。对应分析(Correspondence analysis)也称关联分析、R-Q型因子分析，是 近年新发展起来的一种多元相依变量统计分析技术，通过分析由定性变量 构成的交互汇总表来揭示变量间的联系。可以揭示同一变量的各个类别之 间的差异，以及不同变量各个类别之间的对应 关系。主要应用在市场细分、产品定位、地质研究以及计算机 工程等领域中。原因在于，它是一种视觉化的数据分析方法，它能够将几组看不出任何联系的数据，通 过视觉上可以接受的
2、定位图展现 出来。对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。它最大特点是能把众多的样品和众多的变量同时作到同一张图解上，将样品的大类 及其属性在图上直观而又明了地表示出来，具有直观性。另外，它还省去了因子选择和因子轴旋转等复杂的数学运算及中间过程，可以从因子载荷图上对样品进行直观的分类，而且能够指示分类的主要参数(主因子)以及分类的依据，是一种直观、简单、方便的多元统计方法。对应分析法整 个处理过程由两部分组成：表格和关联图。对应分析法中的表格是一个二维的表格，由行和列组成。每 一行代表事物的一个属性， 依次排开。列则代表不同的事物本身，它由
3、样 本集合构成，排列顺序并没 有特别的要求。在关联图上，各个样本都浓缩 为一个点集合，而样本的属 性变量在图上同样也是以点集合的形式显示出来。Analyze-。data reduction-3correspondence analysisCorrespondence Analysis: ModelI寇Model对话框中Dimensions in solution 2,解的维度；即将样本和指标在二维空间中对应的进 行分类。一Distance measure：距离测度上采用默认的Chi square,标准对应分析要求使用 此测度。Standardization method正规化方法选择上，由于上
4、面选择的是卡方距离，所 以这里只能用row and column means are removed（即同时对行和列进行中心化 处理）Correspondence Analysis:顷itsr云一I vjrrespon dene e table 回拿枣旧而 of roW p哩of Column poinis回 PermutafiohEof the crre|oondence tableMaximum dimension for permutationa: 1回 Row proxies回 Column profileConfidonce Statistics farRow points： 0 C
5、olum.: pointsContinueCancelHelpStatistic对话框中Correspondence table现实原始数据，还包括行列的边际和及总和；可以用来 核对输入的数据的准确性。Overview of row/column points:此项必须选择，行列变量在各个维度上的分量。Plot对话框：Bioplot双维图法，输出行列变量坐标的二维图。下面两个选项是本图的分列。Correspondence Table收入水平品牌低中高Active MarginL42157516231466255932582222218核对输入数据的正确性Row Profiles 收入水平品牌低
6、中高ActiveA.080.280.640B.831.119.051C.125.156.719D.069.845.086E.682.091.227F.045.318.636Mass.344.353.303行归一化处理表：行和为分母进行归一化处理的结果， 各列和占总和比例。Margin1.0001.0001.0001.0001.0001.000mass为列的边际概率，即SummaryDimens ionSingular ValueInertiaChi SquareSig.Proportion of InertiaConfidence Singular ValueAccounted forCumu
7、lativeStandardDeviationCorrelation212Total.729.586.531.343.874190.534.000a.608.3921.000.6081.0001.000.047.058.165a. 10 degrees of freedominertia英音：in9：fi9美音：inyfs惯性;惯量;惰性；就是常说的特征根；说明各个维度对原来列联表的解释程度。Contribution Of Point to Inertia of Dimension给出的是占总方差的百分比及累计百分比；可以看出前两个维度解释了总信息量的100% ；因此二维图形完全可以表示两个
8、变量间的信息。第三第四列是列联表的卡方检验结果，P0.05,表明列联表行列变量之间存在较 强的相关性；这就为研究行列变量的相互关系提供了依据，可以进行对应分析。品牌坐标 Overview Row Points3品牌MassScore in DimensionInertiaContribution12Of Point to Inertia ofDimensionOf Dimension to Inertia of Point1212TotalA.115.620-.731.068.061.105.472.5281.000B.271-1.194.153.285.530.011.987.0131.00
9、0C.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 Total1.000.8741.0001.000a. Symmetrical normalizationscore in Dimension:在两个维度上的的分值，也就是在平面直角坐标系中的坐标;收入坐标 Overview Column Points3收入水平Mass
10、Score in DimensionInertiaContribution12Of Point to Inertia ofDimensionOf 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.303.563-1.046.264.132.566.265.7351.000Active Total1.000.8741.0001.000a. Symmetrical normalizationRow and Column PointsUndefined error #602 Normalization。品牌O业入水TDiinension 1品牌类别和收入类别的坐标值组成的对应分析点图。从图中看出，低收入人群倾向于选 择品牌B和E；中收入水平倾向于选择品牌D；高收入水平倾向于品牌A C和F。
