SPSS（十二）SPSS对应分析（图文+数据集）

2023-06-13 16:15| 来源: 网络整理| 查看: 265

SPSS（十二）SPSS对应分析（图文+数据集）对应分析的介绍

对应分析其实是对分类变量进行信息浓缩的方法，之前的主成分分析/因子分析针对的是连续型的变量

分析分类变量间关系时

卡方检验只能给出总体有无关联的结论，但不能进行精细分析，在变量类别极多时于事无补Logistic模型在多分类时我们可以使用哑变量，但是例如56各民族，我们要弄55个哑变量，自变量还要考虑交互项，几百个参数，过于笨拙

解决办法

精细建模：对数线性模型

对数线性模型在探究分类变量与分类变量之间的关系时非常强大，不过太过复杂，不好解释

直观展示：对应分析（对于对数线性模型我们可以偷点懒，不要那么精细，让其好解释一点）

对应分析的特点是多维图示分析技术之一，结果直观、简单与因子分析有关，等价于分类资料的典型相关分析用于展示两个/多个分类变量各类间的关系（比如：高收入、黑人、男性倾向于反对开战）研究较多分类变量间关系时较佳各个变量的类别较多时较佳（均为四类以上）

对应分析的实质（理论很复杂，但是结果很明了简单）就是对列联表中的数据信息进行浓缩，然后以易于阅读的图形方式呈现出来以默认的卡方测量方式为例，首先以列联表为分析基础，计算基于H0假设的标化单元格残差

将每行看成是一条记录，基于列变量相关系数阵进行因子分析，计算出列变量各类的负荷值将每列看成是一条记录，基于行变量相关系数阵进行因子分析，计算出行变量各类的负荷值

一句话来说就是计算出残差，残差做因子分析提取主成分之后绘图（散点图）表示

对应分析的局限性不能进行变量间相关关系的检验，仍然只是一种统计描述方法解决方案的所需维度需要研究者决定对极端值敏感，对于小样本不推荐使用

案例：头发与颜色间存在何种关联

数据集如下

98 1 1 343 1 2 326 1 3 688 1 4 48 2 1 84 2 2 38 2 3 116 2 4 403 3 1 909 3 2 241 3 3 584 3 4 681 4 1 412 4 2 110 4 3 188 4 4 85 5 1 26 5 2 3 5 3 4 5 4

第一列的数据是加权的

我们先使用百分比堆积图看会比较直观一些

我们的对应分析就是比上面那个更加直观的表示出来，对应分析只是一种统计描述的方法，我们要先进行卡方检验

结果如下：

Pearson卡方检验Sig.

【本文地址】

今日新闻