多重对应分析方法

sunnysuper

对应分析对数据的格式要求：

• 对应分析数据的典型格式是列联表或交叉频数表。
  
  
• 常表示不同背景的消费者对若干产品或产品的属性的选择频率。
  
  
• 背景变量或属性变量可以并列使用或单独使用。
  
  
• 两个变量间——简单对应分析。
  
  
• 多个变量间——多元对应分析。
  
  
  

现在，我们还是来看看如何操作多重对应分析并如何解读对应图；

我们假定有个汽车数据集，包括：来源国（1-美国、2-欧洲、3-日本），尺寸（1-大型、2-中型、3-小型），类型 （1-家庭、2-运动、3-工作），拥有（1-自有、2-租赁）性别（1-男、2-女），收入来源（1-1份工资来源、2-2份工资来源），婚姻状况（1-已婚、2-已婚有孩子、3-单身、4-单身有孩子）；

从数据集看，我们有7个定类变量，如果组合成简单的交叉表是困难的事情，此时采用多重对应分析是恰当的分析方法。

下面我还是采用SPSS18.0，现在叫PASW Statistics 18.0来操作！注意：不同版本在多重对应分析方法有一些不同，但大家基本上可以看出了，高版本只能是更好，但选择会复杂和不同！

在进行多重对应分析之前，研究者应该能够记住各个变量大致有多少类别，个别变量如果变量取值太偏或异常值出现，都会影响对应分析的结果和对应图分析！

在SPSS分析菜单下选择降维（Data Redaction-数据消减）后选择最优尺度算法，该选项下，根据数据集和数据测量尺度不同有三种不同的高级定类分析算法，主要包括：多重对应分析、分类（非线性）主成分分析、非线性典型相关分析；

注意：随着版本的增高，研究人员在统计分析时就要各位主要变量的测量尺度，并且最好在进行数据清理和分析前，明确定义好测量尺度；当然也要做好Lable工作！

接下来，我们就可以选择变量和条件了！

大家可以把要分析的变量都放到分析变量内，补充变量的含义是如果有哪个变量你并不想作为对应分析的变量，而只是作为附属变量表现在对应图上可以加入！这一点其实在简单对应分析也有这种定义。（我们将在专门的简单对应分析方法中再讲！）

然后我们要选择“变量”选项，大家可以选择类别图：每一个变量的分类图，重点是选择联合类别图，我们把7个变量全部放入，执行！（其它选项大家可以测试，我还有一些没有搞清楚）

下面我们看结果：

从图中我们可以看出：美国车都比较大，家庭型，主要购买者是已婚带孩子的；日本和欧洲车主要是小型、运动的和已婚没有孩子的人购买；特别注意：单身和单身带孩子的往往是租赁汽车，收入单一来源，但这个地区没有车满足这个市场，或许是市场空白；

具体的解读大家可以根据自己的研究设计和假设去寻找答案！

主要统计指标可以看：

上图主要给我们了对应图维度的解释比率，最下面的图大家会看吗？

提示：夹角是锐角意味着相关，所以：定类变量的相关性是不是可以解释啦！

总结：（同样适合简单对应分析）

对应分析的优点：

• 定性变量划分的类别越多，这种方法的优势越明显。
  
  
• 揭示行变量类别间与列变量类别间的联系。
  
  
• 将类别联系直观地表现在二维图形中（对应图）。
  
  
• 可以将名义变量或次序变量转变为间距变量。
  
  

对应分析的缺点：

• 不能用于相关关系的假设检验。
  
  
• 维度要由研究者决定。
  
  
• 有时候对应图解释比较困难。
  
  
• 对极端值比较敏感。
  
  

作者：沈浩

个性小丑

很有意思  图片之前我还以为看不了呢！原来点开就行啊  多谢分享