第8章 列联表的对应分析.pptVIP

第八章 对应分析 对应分析的思想 根据独立性检验的原理，当卡方值较大时认为两个属性变量之间不相互独立； 皮尔逊据此提出了度量属性变量相关程度的φ系数， ；该系数实质上是对pearson相关系数的估计，即 对应分析中，把I称为总惯量(Inertia)。 根据总惯量的大小，我们可以知道属性之间相关程度的大小。 对应分析的思想 在知道相关程度大小基础上，我们还想进一步了解属性A的哪几个类别与属性B的哪几个类别相关性强，它们相互对应。这就是对应分析。 基本思想：对应分析是把总惯量I分解为几个部分，这几部分中有的对属性A与B相关程度的度量值大，有的小，将它们按主次顺序排列，然后取其前两个部分，并计算属性A的r个类别和属性B的c个类别在其中的得分，把它们表现在平面图上。它们的距离越近，表示有差不多的得分，从而认为它们相互对应。 二维列联表的对应分析 主要步骤： 行属性分析 首先根据R型因子分析法，把总惯量I分解： 其中， ,T为观察向量矩阵的协差阵； 然后，一般取前两个主成分，使它们的贡献率80%以上；并计算各类别在I的两个组成部分中的得分，形成横坐标和纵坐标； 列属性分析 根据Q型因子分析法，按照与行分析类似的步骤计算出横坐标和纵坐标； 二维列联表的对应分析 最后，把以上坐标点在对应分析图上。 在对应分析图上，点 与点 距离越近，就认为属性A的第i个类别Ai，与属性B的第j个类别Bj相对应。 需要指出的是，对应分析中对于一个实际问题来说，不能说对应分析与样本量n没有任何关系。 很显然，尽管是利用概率列联表进行的对应分析，但概率还是要以观测频数为依据来估计的。 高维列联表的对应分析 三维以上的列联表对应分析称为多重对应分析。 就三维列联表而言，对应分析与二维表有所不同。二维表讨论的是两个属性的类别间的对应关系，三维表则是讨论某个属性与另外两个属性的对应关系。 三维列联表对应分析的解决办法是：通过构造一个二维列联表，对二维表进行对应分析。 对三维以上的列联表的对应分析，可以与三维表类似，通过构造二维表的方式来进行对应分析。