应用统计学-第九章 对应分析new.ppt

第九章 对应分析Correspondence Analysis 列联表（contingency table）分析 对应分析的基本思路 对应分析的理论推导 对应分析的SPSS实现 一、列联表分析 列联表contingency table 用来描述定类尺度和定序尺度数据的各种状态或是相关关系 两变量列联表的一般形式 频率表： 两变量间相关关系的检验 例：手机消费者产品偏好研究 列联表分析例：收入水平与PDA Cell: 单元格输出内容 Statistics: 列联表分析例：收入水平与PDA 频率表: row 频率表：total 检验：不同收入水平拥有PDA数量上的差异是否来自于纯随机性？ 控制第三变量:受教育水平 受教育水平与PDA:控制收入水平 二、对应分析的基本思路:对行元素与列元素提取主成分 Row Profile Matrix Column Profile Matrix Principal Coordinates Can we put them on the same axes? Principal Correspondence Analysis 一个实例：郑州潜在手机顾客偏好调查 手机潜在用户：7个特征属性 4个年龄特征“18-25岁”、“26-35岁”、“36-45岁”、“46-55岁” 3个文化程度特征“初中以下”、“高中/中专”和“大学及以上”。 手机： 7个特征属性 “待机时间长”、“大显示屏”、“操作简单”、“外观时尚”、“功能强”、“价格合理”和“信号接收好”。 研究人员希望通过对应分析发现不同特征属性的手机潜在顾客对手机属性特征的偏好。 表一 潜在用户调研基础数据：行元素、列元素均为七维空间中的点 计算惯量，确定维度：行、列均简化到二维空间 （1）各类别在行维度上的得分（投影） （2）各类别在列维度上的得分（投影） 对应分析图（定位图）：行、列主成分得分放在一张图中 三、对应分析的理论推导 数据规格化： 行截面：Rp中的n个点 列截面：Rn中的p个点 数据规格化-续 行截面：概率加权坐标向量 样品间欧式距离 加权欧式距离 行截面提取主成分 变换后的行截面矩阵为 Pr的协方差阵为: 列截面提取主成分：与行截面类似有 四、对应分析的SPSS实现 定义变量取值范围 模型： 输出统计量 输出图形 例：收入水平与学历 根据矩阵知识可知，∑r=ZZ’和∑c=Z’Z有完全相同的非零特征根，设为?1≥ ?2≥… ≥ ?p 设?1…?r为对应?1… ?r的∑r的特征向量，则有: 两边左乘Z’: (Z’?j)即为对应?j的∑c的特征向量 这建立了R型因子分析与Q型因子分析的关系，且因∑r和∑c有相同非零特征根，因此提取公因子数和累积方差贡献都相同 analyze→data reduction→correspondence analysis 提取因子数 主要分析行列变量的联系 * Ma Xin, North China Electric Power University * Ma Xin, North China Electric Power University 内容提要 合计 合计 从上表可以得到的信息：不同年龄顾客对公司产品的偏好、所有顾客整体评价、顾客结构、年龄结构与偏好的相关关系 特 性 B 特 性 A 合计 合计 A1 A2 ： Ai ： An B1 B2 … Bj … Bp n11 n12 n1j n1p n21 n22 n2j n2p …… ni1 ni2 nij nip …… nn1 nn2 nnj nnp n.1 n.2 n.j n.p n1. n2. nj. nn. n 频数 特 性 B 特 性 A 合计 合计 A1 A2 ： Ai ： An B1 B2 … Bj … Bp p11 p12 p1j p1p p21 p22 p2j p2p …… pi1 pi2 pij pip …… p