第八课 相应分析.pptVIP

2. 从左侧变量列表中选择两个变量作为相应分析的两个维度。这里我们选择pres92作为行维度，点击Row左侧的三角箭头就可以看到在Row项下出现了pres92(? ?)，这时用鼠标选中该变量，其下方的Define Range子对话框激活，点击后出现变量水平设置窗口（图8.2）。分为上下两个部分：Category range for row variable: pres92和Category Constraints。 这里要分析所有的三位总统候选人和选民的学历水平的关系，所以在Minimum value中填入1，在Maximum value中填入3，之后点击Update按钮。就可以在下方的Category Constraints栏中看到，后续分析中的行变量仅包含3个类目，分别是1、2和3。 图8.2 Define Row Range子对话框 在右侧还有三个单选项：None表示没有任何约束；Categories must be equal可用于指定某些类目的得分必须相同，最多可以设置有效类目的个数减1个得分相等的类目，如本例中最多可以设置2个类目得分相等；Category is supplemental表示某些类目不参加相应分析但是会在图形中标示。这里我们不对分类进行任何约束，点击Continue按钮后回到主对话框。 类似的可以指定degree的有效类目最小值为0，最大值为4。 3.点击Model按钮，指定相应分析结果的维数。（图8.3） （1）Dimensions in solution。默认为2，最大可以设置为各变量 中的最少类目数减1。 （2）选择距离测度的方式Distance Measure。有Chi square 和Euclidean两种，定性变量应该用Chi square。 （3）标准化方法Standardization Method。 图8.3 Model子对话框 （4）正态化方法Normalization Method。需要比较行列变量的类 目差异时选择Symmetrical，需要比较行列变量中任意两个类目的 差异时选择Principal，比较行变量的类目差异时选择Row principal，而比较列变量的类目差异时选择Column principal，也 可以在Customize中指定[-1,1]之间的任意实数，特别的，如果输入-1则为Column principal，输入1为Row principal，输入0为 Symmetrical。而一般该对话框中的选项无需改动。 4.点击Statistics按钮，设定输出的相应分析统计量，如图8.4。可以指定输出相应分析表Correspondence table，行点总览表Overview of row points，列点总览表Overview of column points，行轮廓Row profiles，列轮廓Column profiles。默认只输出前三项。而Permutations of the correspondence table是用于指定前n个维度的行列得分表。如果该项选中，下方的Maximum dimension for permutations被激活，用于指定维度n。此外，还可以在Confidence Statistics for复选项中选择计算行点和列点的标准差以及相关系数。 图8.4 Statistics子对话框 5.点击Plots按钮，设定输出的统计图，如图8.5。可以指定输出相应分析的散点图Scatterplots，默认只输出包含行列变量的双变量散点图Biplot。也可指定输出行点图Row points和列点图Column points。而ID label width for Scatterplots是指定散点标签的长度，默认20。下方的Line plots项中，可以输出行/列点对应于行/列得分的线图，和散点图类似。 6. 我们在Model，Statistics，Plots三个子对话框中都使用默认设定，点击主对话框的OK按钮，即得到相应分析的结果。 图8.5 Plots子对话框 （二）结果分析： SPSS运行相应分析后会产生以下四张表（表8.4到表8.7）。 1. Correspondence Table（相应分析表），如表8.4，即列联表。 Active Margin为边际频数。大致可以看出Clinton在各个学历层次都有最高的票数。 表8.4 列联表 2. Summary（总览表），如表8.5。 表中从左到右依次是维度编号、奇异值、惯量、卡方统计量、显著性、惯量所占总惯量比例、每个维度的奇异值的标准差和相关系数。Singular