statistica的对应分析.pptVIP

STATISTICA的對應分析(Correspondence Analysis) 南台科技大學企管系 呂金河 對應分析(Correspondence Analysis) 目的: 對應分析是多維交叉(列聯)表的探索性分析方法。類似多元尺度分析法(MDS)，對應分析將列聯表(contingency table)上的次數轉化成低維度(通常是二維)的點構面圖來表達資料所含的訊息(在一個低維空間上給出每個分類的相對位置，以表明列聯表的行和列之間的對應關係)。 例如: 對關鍵技術之篩選與分類後，利用對應分析對關鍵技術與問題類別之關係做探討。 研究不同職業的顧客對不同品牌商品喜好的差異 研究哪些企業與哪些經濟效益變數之間的關係更為密切一些，為企業的生產經營活動提供更多的資訊。 利用「對應分析」，以圖形的方式來顯示職位類別和抽煙習慣之間的關係 方法 對應分析常用卡方距離(chi-squared distance)來表示二個列輪廓(列的百分比)間的距離。方法是將二點對應座標差距的平方，除以列的和的百分比(稱為質量) 加總求和。卡方距離小，表示兩列次數分配相似 第i列與平均列輪廓重心的卡方距離平方記作 對應分析用慣性來量測列（或行）輪廓對重心的變異。總慣性（total inertia）定義為 (物理上，質量×距離的平方＝慣性，故名之） 總慣性可以分解成各個維度的慣性和，我們希望在較低維度（通常是2維）的慣性和就可以解釋總慣性相當高的比例，因此可以在低維度的空間作圖並得出有意義的解讀。 方法 每一維度對應的特徵根可描述該維度上輪廓對重心的散佈情況，也就是該維度對 的貢獻度。事實上 總慣性即等於特徵根的和。故第k維度解釋的變異或總慣性的比例為 奇異值相當於相關分析的Pearson r，即橫列與直行分數之相關。每個維度的奇異值之平方（特徵值）即為Inertia，因此，也是代表各維度之重要性的另一種量數。 座標與因素分析中因素負荷的作用相似，它反映了相應的行列變數在每個維度中的位置，可以用來區分行列變數的差異。 方法 維數的選擇 決定對應分析的構圖面要取幾維（維數）常用陡坡圖，將慣性或 作圖，肘點位置決定維數。 另一決定維數的方法是檢查其慣性的累加百分比。累加至第k維時的百分比應達一定大小。 各維度的解釋 檢視雙重散佈圖上行/列分類沿著每一維度的位置(將標準化的座標(列與行分數) 同時畫在同一結構圖上，稱為雙重散佈圖)，看看那些行/列分類聚集成一塊或遠離成不同的二群。二點相當靠近且位於遠離0點，二者正相關。二點位於遠離0點的左右兩端，二者負相關。點位於0附近與其他點低相關。 以對各維度上慣性貢獻最大或散度最大的點來解釋其意義。 舉例 資料來源: statistica所提供的smoking.sta 有兩個變數:職員類別和抽煙情況 職員分為:資深經理，資淺經理，資深雇員，資淺雇員，秘書，五類 抽煙情況分為: 不抽煙，煙癮較輕，煙癮中等、煙癮較重，四類。 目的：利用「對應分析」，以圖形的方式來顯示職員類別和抽煙習慣之間的關係 STATISTICA操作 點選多變量探索技巧 ?對應分析 ?在對應分析(CA)對話框 的輸入欄 選原始資料、包含分群變數之次數、不包含分群變數之次數等三種其中之ㄧ的資料輸入法?按對應資料輸入法的不同變數欄(如列與行變數、包含次數的變數等)?選取要分析的變數?確定?確定 ?在快速欄 的維度數 輸入2，按摘要: 列與行座標，座標圖的列與行2D ?在檢視欄 按觀測次數，行/列百分比，貢獻至卡方?在進階欄 按列與行座標，特徵值，圖表，未標準化矩陣 ?在進階欄的座標圖，按列2D，行2D，列與行2D 資料輸入法 選原始資料(smoking3.sta) 選包含分群變數之次數(smoking3.sta) 資料輸入法選不包含分群變數之次數(smoking.sta) 座標圖的列與行2D 補充點 * * * *