产品介绍 帮助中心 客户端
微信登录
  • 产品简介

  • 数据处理

  • 数据分析

    • 描述性分析

    • 差异性分析

    • 统计建模

    • 问卷分析

      • 信度分析
      • 效度分析
      • 多选分析
      • 多选-多选题分析
      • 多选-单选题分析
      • 单选-多选题分析
      • 权重分析(熵权法)
      • 验证性因子分析
      • 组内相关系数
      • 对应分析
        • 1、作用
        • 2、输入输出描述
        • 3、案例示例
        • 4、案例数据
        • 5、案例操作
        • 6、输出结果分析
        • 7、注意事项
        • 8、模型理论
        • 9、参考文献
      • 区分度分析
      • NPS净推荐值分析
      • Kappa一致性检验
      • Kendall协调系数
      • 联合分析
      • SEM结构方程模型
      • 路径分析
      • MaxDiff模型
      • 产品定价模型
      • Kano模型
    • 量化分析

    • 机器学习分类

    • 机器学习回归

    • 规划求解

    • 计量经济模型

    • 医学统计模型

  • 我的数据

建议反馈

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
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

# 4、案例数据

对应分析案例数据

# 5、案例操作


Step1:新建分析;
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: 交叉列联的结果显示,以变量收入为分组项,显著性 𝑝 值为 0 ,水平上呈现显著性,拒绝原假设,因此收入与品牌存在差异关系,适合做对应分析。
​

输出结果 2:因子分析表 ​

维度 奇异值 惯量 x2 贡献率 累计贡献率
维度 1 0.719 0.517 112.717 0.609 0.609
维度 2 0.576 0.331 72.233 0.391 1

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; 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,维度的得分绝对值越大,意味着这个点与其它点的联系越强。(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。由图可知,低收入人群更偏向 B、E 品牌,中收入人群更偏向 D 品牌,高收入人群更偏向 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。

# 8、模型理论

因子分析法分为 R 型因子分析和 Q 型因子分析。R 型因子分析研究变量(指标)之间的相关关系,Q 型因子分析研究样本之间的相关关系。有时不仅关心变量之间或样本之间的相关关系,还关心变量和样本之间的对应关系,这是因子分析方法不能解释的。其步骤为:
(1)设有有 n 个样本,每个样本,观测 m 个变量值,则原始数据为

式中:xij 表示第 i 个样本的第 j 个变量.
(2)按行、列分别求和,得行和 Xi、列和 Xj 及总和 T.
(3)计算原始数据的概率矩阵 P

(4)计算数据变换矩阵

(5)计算变量的协方差矩阵

计算样品的协方差矩阵

(6)
R 型因子分析:计算变量协方差矩阵的特征值,λ1>λ2>...>λm ,通常取累积贡献值大于 70%~90%的前 k 个特征值,计算相应的特征向量 u1>u2>...> um,得 R 型因子载荷矩阵 ,其中

Q 型因子分析:对 R 型因子分析取得的前 k 个特征值,计算其相应于矩阵 B 的特征值,v1=Zu1 ,v2 =Zu2,...,vk=Zuk,再将其单位化,得 R 型因子的载荷矩阵,其中。

(7)在二维因子轴上作图.用同一因子轴同时样品和变量,即 R 型分析、Q 型分析同时反映在一张图上
​

# 9、参考文献

[1] Scientific Platform Serving for Statistics Professional 2021. SPSSPRO. (Version 1.0.11)[Online Application Software]. Retrieved from https://www.spsspro.com.
[2]高惠璇.应用多元统计分析[M].北京:北京大学出版社,2005.
[3]董海彪,卢文喜,安永凯,等. 基于对应分析法的鄂尔多斯盆地东北部地下水污染分析[J]. 中国环境科学,2015(11):3371-3378.

建议反馈