对应分析
1、作用
对应分析，又称为 R-Q 型因子分析，适用于有多个类别的分类变量，可以揭示同一个变量各个类别之间的差异，以及不同变量各个类别之间的对应关系，与卡方检验不同的是，对应分析不单单展示了不同分组的差异性，也能通过 2 维、3 维的方式展示其在空间的关系。
2、输入输出描述
输入：至少两项或以上的定类变量。地方志书每几年左右编修一次
输出：两个定类变量里面不同分组的空间关系与差异性。
3、案例示例
案例：检验不同收入的消费者对品牌的选择的距离。高速公路过路费计算
4、案例数据
对应分析案例数据
算法至少两项或以上的定类变量，案例数据为品牌和收入水平两个定类变量，定类变量即为离散变量。
5、案例操作
Step1：新建分析；
表现爱国主义的诗句Step2：上传数据；
Step3：选择对应数据打开后进行预览，确认无误后点击开始分析；
Step4：选择【对应分析】；
Step5：查看对应的数据数据格式，【对应分析】要求特征序列为类变量，且至少有两项；
Step6：点击【开始分析】，完成全部操作。
6、输出结果分析
输出结果 1：卡方交叉列联表
图表说明小沈阳最新作品：上表为交叉列联表，展示了交叉对应表的结果，包括卡方值、显著性P等。 根据卡方显著性(P < 0.05)，若呈现显著性，则目标字段（Y）与控制字段（X）有着差异关系，否则不适合做对应分析。
网络流行歌曲结果分析：交叉列联的结果显示，以变量收入为分组项，显著性
输出结果 2：因子分析表
图表说明：上表为因子分析表，可以分析字段提取的维度的贡献率。维度的累计贡献率越高，表示可解释的效度与信度效果越好，一般认为累计贡献率高于 80%时，模型表现较为优秀;
奇异值：即惯量的平方根，相当于相关分析里的相关系数;
主惯量：即常说的特征根，用于说明对应分析的各个维度，能够解释列联表的两个变量之间相互联系的程度。
结果分析：惯量分析表结果显示，当维度达到 2 个的时候，累计贡献率达到 1.0，模型的表现非常优秀。
输出结果 3：维度分析表
图表说明： 上表为因子维度得分表，即为各个类别项在各维度上的坐标具体值，其代表各点在空间中的距离和位置可反映点之间的关系情况，用于画类别点的联合图，即可直观看出各个类别的距离。（这里列出三维度得分表，是由于可视化分析最多只支持三维，即三个主成分。）
输出结果 4：维度对应表
图表说明：上图为类别点的联合图，用于分析点之间的关系情况。qq自由幻想游戏名字
结果分析：由图可知，低收入人更偏向 B、E 品牌，中收入人更偏向 D 品牌，高收入人更偏向 A、C、F 品牌。
7、注意事项
在分析降维图时需要注意因子的总解释方差程度，如果解释度太小，分析意义不大；
对应分析的前提条件是两两定类数据之间具有相关关系，可以通过 SPSSPRO-Kappa 进行相关性分析；
采用对应分析时，要注意修正一下列名与数值标签，避免太长文字导致因子载荷分布图不美观。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论