spss课件25.ppt

9．“变量”按钮 单击“变量”按钮，弹出图25-19所示的“MAC：变量图”对话框。 2．结果解读 （1）图25-21所示为版权信息和处理摘要输出；图25-22所示罗列了原始数据的基本使用情况，包括缺失值观测数、补充案例数等。图25-23所示给出的是性别变量的编码和统计信息；图25-24所示给出了最后一次迭代的次数、方差、方差增值的信息，表格下方还说明了迭代终止的原因。图25-25所示给出了两个维度的方差总计（特征值）及其惯量信息。 （2）图25-26和图25-27所示是“部位”变量的质心坐标及其图形。这样的单个图形可以判断在二维空间里，其各个类别取值的区分程度。其他变量皆与此相同。 （3）图25-28与图28-29所示中类别点联合图和简单对应分析中二维分析图类似；区分度量图形主要用于判断重点变量在其相关性较大的维度上的特征，可见症状在维度2上值得较大关注，年龄在两个维度都需要关注，性别在维度1上加重关注； （4）最终得出的结果比较直观的是：60岁年龄段的患者容易出现丘脑和脑桥的损伤；40岁年龄段的男性患者容易出现尾状核的损伤，出现构音障碍的症状；50岁年龄段的女性患者容易出现震颤的症状；根据年龄段分析，40岁年龄段的患者容易出现小脑、壳核、尾状核的损伤；50岁年龄段的患者容易出现苍白球的损伤；60岁年龄段的患者容易出现脑桥、丘脑、中脑的损伤。 25.3数值变量对应分析 对应分析的分类可以分为分类变量和数值变量，分类变量可以用上两节讲述的简单对应分析和多重对应分析来解决问题，而若变量均为数值，则采用数值变量的对应分析。 例25-3：31个高一同学的期末考试成绩，比较各个同学的考试情况。详见25-3.sav。 1．对应分析 单击“分析”|“降维”|“对应分析”命令，弹出对应分析对话框，如图25-1所示。分别将变量选入行变量与列变量。本例中将“语文”放入“行”，“数学”放入“列”。 2．“定义范围”按钮 单击“定义范围”按钮，弹出图25-2所示的“定义范围”对话框，此对话框是用于对行、列进行范围和条件的约束。 3．“模型”按钮 单击“模型”按钮，弹出图25-3所示的“模型”对话框，用于设置模型类型。具体设置简单对应分析，这里重点描述的是我们在数值变量的对应分析中使用的“距离度量”是Euclidean法。正如前文所提到的，“Euclidean”表示欧几里德距离测度，即使用行对和列队之间平方差之和的平方根进行测度。这里我们重点考虑的是我们要使用什么标准化方法： 4．“粘贴”按钮 单击“粘贴”按钮，弹出图25-30所示的语法编辑器，进行程序的修改和编写。 2．结果分析 （1）图25-33所示为维度的汇总表，可见前两个维度共携带了总信息量的69.8%，而前三个维度共携带了88.0%的信息量，因此我们需要把“模型”中“解的维度”改为“3”，进行分析，结果如图25-25所示。 （2）图25-34所示为最终的对应分析图，本例结果不是非常清晰，但从某种程度第二象限的同学数学较好，第三象限同学理化生较好，第四象限英语和语文较好。 THE END IBM-SPSS 第25章 对应分析 对应分析又称为相应分析，是指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。它是于1970年由法国统计学家J. P. Beozecri提出来的，是在R型和Q型因子分析基础上发展起来的一种多元统计方法。 25.1 简单对应分析 简单对应分析是分析某一研究事件两个分类变量间的关系，其基本思想以点的形式在较低维的空间中表示联列表的行与列中各元素的比例结构，可以在二维空间更加直观的通过空间距离反映两个分类变量间的关系。属于分类变量的典型相关分析。 实例详解 例25.1：大脑疾病可能会出现壳核、尾状核、苍白球、丘脑、中脑、脑桥、小脑七个部位的损伤，并且可能会出现构音障害、动作迟缓、震颤、肌张力障碍等症状，寻找这些症状具体与哪个部位损伤关联最大，具体见例25-1.sav。 模块说明 1．对应分析 单击“分析”|“降维”|“对应分析”命令，弹出对应分析对话框，如图25-1所示。分别将需分析的行变量与列变量选入。本例中将“部位”放入“行”，“症状”放入“列”。 2．“定义范围”按钮 单击“定义范围”按钮，弹出图25-2所示的“定义范围”对话框，此对话框是用于对行、列进行范围和条件的约束。 3．“模型”按钮 单击“模型”按钮，弹出图25-3所示的“模型”对话框，用于设置模型类型。 4．“统计量”按钮 单击“统计量”按钮，弹出图25-4所示的“统计量”对话框，此对话框一般不需要改动。 5．“绘制”按钮 单击“绘制”按钮，弹出图25-5所示的“图”对话框，用于对输出图形进行设置。 2．结果解读 （1）图25-7所示为对