第五版（第九章）.ppt

一、对应分析图的构建 在由b1和b2构成的平面坐标系中的坐标是 (xi1, xi2)， 在由a1和a2构成的平面坐标系中的坐标是(yj1, yj2)。 将上述两个平面坐标系重叠在一个坐标系中，b1和a1重叠在第一维坐标轴上，具有同一主惯量 ，其 对总惯量的贡献率为 。b2和a2重叠在第二维坐标轴上，具有同一主惯量 ，其对总惯量的贡献率为 。 * 前二维对总惯量的累计贡献率为 ，该值如很大，则说明所作的对应分析图几乎解释了列联表数据的所有变差。 虽然b1与b2及a1与a2一般都不正交，但作图时我们仍将第一维和第二维坐标轴画成是垂直的。如果还要取第三维坐标轴，则这三个维的坐标轴应作成彼此垂直。 * 二、行（列）点之间的距离 在累计贡献率 足够大的对应分析图中，第i个行点(xi1, xi2)与第j个行点(xj1, xj2)之间的平方欧氏距离 类似地，第i个列点(yi1, yi2)与第j个列点(yj1, yj2)之间的平方欧氏距离 * 可见，如果两个行（列）点越接近（远离），则表明相应的两个行（列）轮廓越相似（不相似）。 此外，对应分析图中行（列）点的方位是富有意义的，而行点与列点之间的距离并没有意义。 * 三、行点和列点相近的意涵 如果对应分析图上第i个行点和第j个列点相近，即有 则在 足够大的条件下，有 * 可见，如果一个行点和一个列点相近，则表明行、列两个变量的相应类别组合发生的实际频数（nij）一般会高于这两个变量相互独立情形下的期望频数（ ），也就意味着该行类别与该列类别相关联。 一般地，对于相近的行点和列点，它们离原点越远，其关联性就越强，也就是其类别组合的实际频数越是明显高于两变量独立情形下的期望频数。如果它们都在原点附近，则其关联性一般较弱、甚至可能几乎无关联性。 * 例9.5.1 在例9.2.1中，经计算，奇异值、主惯性以及贡献率等的计算结果列于表9.5.1中。总惯量的94.75%可由第一维来解释，前二维解释了高达99.76%的总惯量，几乎解释了列联表数据的所有变差。 表9.5.1 奇异值、主惯量以及贡献率 维数 1 2 3 奇异值 0.1613 0.0371 0.0082 总值 主惯量 0.0260 0.0014 0.0001 0.0275 贡献率 0.9475 0.0501 0.0024 1.0000 累计贡献率 0.9475 0.9976 1.0000 * 行点和列点的前二维坐标矩阵为 将各行点和列点置于同一坐标系中，构成对应分析图，如下图所示。 * 图9.5.1 心理健康状况-父母社会经济地位数据的对应分析图 * 表9.5.2 行点和列点靠近的分类组合频数及行、列独立情形下的频数期望值 父母社会 经济地位 A（高） B C D E（低） 心理健康状况 0（好） 121（93.8） 57 72 36 21 1（轻微症状形成） 188 105（104.1） 141（139.3） 97 71 2（中等症状形成） 112 65（62.6） 77 54 54 3（受损） 86 60 94 78（62.1） 71（50.9） * 例9.5.2 表9.5.3中的数据来源于奶酪品尝的实验，实验记录了九种不同响应和四种不同奶酪添加剂的交叉频数。九种不同的响应是从最不喜欢到最喜欢，品尝者依次打分为1,2,?,9，四种不同的奶酪添加剂分别为A,B,C,D。 * 编号 奶酪添加剂 响应 频数 编号 奶酪添加剂 响应 频数 1 A 1 0 19 C 1 1 2 A 2 0 20 C 2 1 3 A 3 1 21 C 3 6 4 A 4 7 22 C 4 8 5 A 5 8 23 C 5 23 6 A 6 8 24 C 6 7 7 A 7 19 25 C 7 5 8 A 8 8 26 C 8 1 9 A 9 1 27 C 9 0 10 B 1 6 28 D 1 0 11 B 2 9 29 D 2 0 12 B 3 12 30 D 3 0 13 B 4 11 31 D 4 1 14 B 5 7 32 D 5 3 15 B 6 6 33 D 6 7 16 B 7 1 34 D 7 14 17 B 8 0 35 D 8 16 18 B 9 0 36 D 9 11 表9.5.3 奶酪品尝的实验数据 * (1)奶酪添加剂轮廓及边缘频率 (2)响应轮廓及边缘频率 图9.5.2 奶酪添加剂-响应数据的轮廓及边缘频率 * 图9.5.3 奇异值、主惯量、贡献率以及行、列点的坐标 * 图9.5.4 奶酪添加剂-响应数据的对