实验十对应分析.docVIP

实验十 对应分析 对应分析是研究两个或多个品质型变量之间的相关关系。 对应分析是一种基于图形分析的直观有效的多元统计分析方法。 对应分析以两变量的交叉列联表为研究对象，利用“降维”的方法，通过图形的方式，直观揭示变量不同类别之间的联系，特别适合于多分类品质型变量的研究。 基本思想： 首先编制两品质型变量的交叉列联表，将交叉列联表中的每个数据单元看成两变量在相应类别上的对应点； 然后对应分析将变量及变量之间的联系同时反映在一张二维或三维的散点图，即对应分布图上，并使联系密切的类别点较集中，联系疏远的类别点较分散； 最后通过观察对应分布图就能直观地把握变量类别之间的联系。 注意事项： 如果因素A和因素B独立，则没有必要进行对应分析；如果因素A和因素B不独立，才可以进一步通过对应分析考察两因素各个水平之间的相关关系。 对应分析能够有效分析两个变量各类别间及两变量各类别间的联系，但如果同时分析三个变量及三个以上变量各类别间的关系，则需采用SPSS中最优尺度分析（Optimal Scaling）中的同质性分析（Homogeneity HOMALS）。 对应分析步骤 准备工作： 原始数据：将待分析的两组原始数据组织成两个SPSS变量的形式； 交叉分组下的频数数据：按频数数据组织方式设置SPSS变量并指定权数变量。 选择：分析Analyze == 数据降维Data Reduction ==相关分析Correspondence Analysis; 1、步骤 1、选择Analyze==Data Reduction ==Correspondence Analysis; 2、将行变量选择到Row框中，将列变量选择到Column框中，并分别单击Define Range 按钮指定行列变量的分类值范围； 在Minimum value框后输入分类最小值，在Maximum框后输入分类最大值，并单击Update按钮，于是各分类值会依次显示在窗口下方的框中； Categories Constraints框中：None表示不再对分类值重新分组；Categories must be equal 表示指定将哪些分类值合并为一类；Categories is supplemental表示指定某些分类值不参与分析； 3、单击Model按钮进行模型参数设置。（影响到分类点的坐标值） 在Dimensions in solution框后输入行列变量分类最终提取的因子个数，该数可根据累计方差贡献率给定，或指定为2（默认）以便于将各分类点表示在二维平面上； 在Distance Measure框中指定分类点间距离的定义方式，对品质型变量通常选卡方（Chi Square）即可； 在Normalization Method框中指定数据标准化的方式，其中 1）当希望重点分析行列变量各类别之间的联系，而非每个变量各类别之间的差异时选Symmetrical项； 2）当希望重点分析行变量各类别之间的差异时选Row principal项； 3)当希望重点分析列变量各类别之间的差异时选Column principal项； 4）当希望同时分析行列变量各类别之间的差异时选principal项。 4、单击Statistics按钮指定输出哪些统计量； Correspondence table 框：表示输出行列变量的交叉列联表； Overview of row points表示输出行变量分类的因子载荷以及方差贡献等； Overview of Column points表示输出列变量分类的因子载荷以及方差贡献等； row profiles表示输出频数的行百分比； Column profiles表示输出频数的列百分比； 5、单击Plots按钮指定输出哪些图形。 Scatterplots框中为各种散点图：其中Biplot为行列变量的对应分布图；Row points为行变量各类别在第一因子和第二因子上的载荷图；Column points为列变量各类别在第一因子和第二因子上的载荷图； ID label width for 框后指定散点图中数据点标签的长度； Line plots框中为各种线图，其中Transformed row categories为行变量各分类的因子载荷线图；Transformed column categories为列变量各分类的因子载荷线图； 案例1：现收集到购买商品房的客户背景资料和房屋购买情况的数据。根据这些数据分析不同客户对户型购买的偏好。 提示:首先研究家庭年收入与户型选择方面的关系，力图发现家庭年收入对户型选择的影响及倾向；这里涉及家庭年收入和购买户型两个变量。其中家庭年收入为行变量，分类值在1～6之间，购买户型为列变量，分类值在1～11之间。指定提取2个因子，并输出相关