多维图示分析技术.docVIP

对应分析模块 1、对应分析概述： “对应分析”在SPSS中位于菜单data reduction里，这个菜单在数据处理中是一个降维或简化数据的过程。 对应分析是通过主成分分析来描述两个或多个分类变量各水平间相关性的分析方法。对应分析的结果主要采用对应分析图来表示，图中的每一个散点代表了某个变量的一个水平，有紧密关系的水平其散点会紧密地靠近在一起。 ★ 需要注意： 如果SPSS中的数据没有按统计分析格式录入，而是按数据表的原始排列方式录入，SPSS则只能通过编程对数据进行分析，而不能通过对话框实现。 如果要直接通过对话框进行该项分析，则需要将数据转换成统计分析格式。 2、对应分析的步骤： —— 数据转换成可供分析的统计分析格式（矩阵形式），定义变量值标签。 —— 数据加权 —— 进行对应分析：选择行变量、列变量；定义行、列两个分类变量的最大 值、最小值 —— 进入model子对话框，该对话框提供的选项功能，非常高级，一般很少 改动，共有4项功能选择。 选择分析结果的维度：可选的最大维度数为行、列变量中的最少分类数减1。 选择距离测量方式：有卡方和欧氏距离两种。分类变量一般用卡方，连续性变量用欧氏。 选择变量标准化方式：这些选项仅在使用欧氏距离时可用，一般不更改。 选择正态化方式：使用默认的对称法即可。 —— 进入statistics子对话框，定义需要输出表的结果。 输出对应分析表（correspondence table）：实际就是两个变量的行×列表（即没有转化的数据表）。 输出行点纵览表（overview of row point）、输出列点纵览表（overview of column point），实际是行列坐标值。 输出行轮廓表（row profiles），输出列轮廓表（column profiles） —— 进入plots子对话框，定义需要输出图的结果。 输出对应分析表（scatter plots）：系统默认选择双变量散点图，也可自行选择输出行点图和列点图。通常情况下选择这种图就足够了。 3、对应分析输出结果的阅读：进行对应分析后一般会输出4个表、1个图。 —— correspondence table：可以从中看到两个变量各种类别的大致对应情 况，也可检查数据录入有无错误。 —— summary：此表为输出表格中最重要的一个，主要用于确定需要用多少个 维度对结果进行解释。 —— overview of row point和overview of column point，这两张表给出 了坐标值。 —— 对应分析图，阅读对应分析图有两个原则： 首先分不同变量分别检查横轴/纵轴方向上的区分情况，如果同一变量不同类别在某个方向上靠得较近，说明这些类别在该维度上区别不大。 比较不同变量各个取值分类间的位置关系，落在从图形中心（0，0）点出发相同方位上大致相同区域内的不同变量的分类点彼此有联系。 4、实例说明数据转换和加权的过程 例：茅台、五粮液、水井坊三个品牌的品牌特点。 1、（原始频数表） 水井坊 茅台 五粮液 年轻的品牌 82 66 41 历史悠久的品牌 60 80 77 专业护肤的品牌 75 60 80 （转换成统计分析的数据表） 变量1 变量2 变量3 行1 1 1 82 行2 1 2 66 行3 1 3 41 行4 2 1 60 行5 2 2 80 行6 2 3 77 行7 3 1 75 行8 3 2 60 行9 3 3 80 2、数据转换完成后，在SPSS中用变量3进行加权。 — 选择data菜单下weight cases命令 — 点击weight cases by的选项，导入变量3，点击OK 3、对应分析 — 点击analyze菜单，选择子菜单data reduction — 选择correspondence analysis命令 — 定义statistics子对话框，其余默认 — 点击OK，输出结果