7.5、SPSS简单对应分析—零基础入门教程

SPSS简单对应分析

一、参数设置

（1）打开数据文件，选择“分析” →“ 降维” →“对应分析” ，弹出“对应分析”对话框，如下图所示。其中的行、列栏分别用于选入对应分析的行变量和列变量。

（2）选入变量后，激活按钮，由于定义行范围和定义列 范围的窗口一样，所以以定义行范围为例。单击行栏下的按钮，弹出“对应分析：定义行范围”对话框，如下图所示，各项设置含义如下。

●    最小值和最大值：分别表示相应分类变量的最小值和最大值， 此处只可输入整数，输入后单击右侧的按钮确认。

●    类别约束：用于设置分类变量取值的约束条件，其下列表框显示的是当前分类变量的取值列表。选中框中的一个值，然后单击右侧的三个单选框设置其约束条件。

➢   无：表示分类数据保持原状，不作任何约束，为默认选项。

➢   类别必须相等：为等同约束，表示各类别必须有相同的得分。

➢   类别为补充型：为增补约束，增补的种类不影响分析过程和种类维数，但会在有效种类的定义空间里被描述。

（3）单击按钮，弹出“对应分析：模型”对话框，如下图所示，各项含义如下。

●    解的维数：指定对应分析解的维数，默认值为2。

●    距离测量：选择对表的行间距和列间距进行测度。

➢   卡方：即χ2距离，用加权指标profiles的距离作为距离测度，这里的权就是行或列的质量。

➢   Euclidean：即欧式距离，是用两行之间或两列之间的差的平方和的平方根作为距离测度。

●    标准化方法：该栏用于设置标准化的方法，各项含义如下：

➢   行和列平均值已删除：行、列数据都被中心化，当选择χ2距离时，只可以指定该方法；

➢   行平均值已删除：只有行数据被中心化；

➢   列平均值已删除：只有列数据被中心化。

➢   使行总和相等，删除平均值：行数据被中心化，且确定中心之前，先令行边际都相等。

➢   使列总和相等，删除平均值：列数据被中心化，且确定中心之前，先令列边际都相等。

●    标准化方法：该栏用于设置正规化的方法，各选项含义如下：

➢   对称：对各个维度，行得分是列得分除以匹配奇异值的加权平均，列得分是行得分除以匹配奇异值的加权平均。

➢   主要：如果要检查行或列变量各自内部分类间的距离，而不是检查行、列间的距离，选用此方法。

➢   主要行：如果要检查行变量内部分类间的距离，选用此方法。

➢   主要列：如果要检查列变量内部分类间的距离，选用此方法。

➢   定制：用户自定义，输入一个“-1～1”之间的数字。“-1”相当于主要列法，“ 1”相当于主要行法，“0”相当于对称法。

（4）单击按钮，弹出“对应分析：统计”对话框，如下图所示，各项含义如下。

●    对应表：输出含有变量行和列边际总和的交叉分组列表。

●    行点概览：输出行详细信息表，包括行变量各分类的得分、质量、惯量、对维度的惯量贡献、维度对分数惯量的贡献。

●    列点概览：输出列详细信息表，包括列变量各分类的得分、质量、惯量、对维度的惯量贡献、维度对分数惯量的贡献。

●    对应表的排列：输出按照第一个维度上的得分升序排列的行、列对应表。其下的排列的最大维数可以输入指定表格的最大维数，默认为1。

●    行概要文件：表示每个行变量分类对所有列变量分类的分布情况。

●    列概要文件：表示每个列变量分类对所有行变量分类的分布情况。

●    行点：表示所有非增补行输出标准差和相关系数。

●    列点：表示所有非增补列输出标准差和相关系数。

（5）单击按钮，弹出“对应分析：图”对话框，如下图所示，各项含义如下。

●    散点图：该栏生成维的所有成对图矩阵。

➢   双标图：输出行列的联合分布图。如果选择了主标准化，则双标图不可用。

➢   行点：以矩阵形式输出每个行分类的得分图。

➢   列点：以矩阵形式输出每个列分类的得分图。

➢   散点图的标识标签宽度：设置散点图ID标签的字符个数，默认为20 。该值必须为小于或等于20的非负整数。

●    折线图：该栏为所选变量的每一维生成一个图。

➢   已转换的行类别：以行分类的原始取值对行分类的得分作图。

➢   已转换的列类别：以列分类的原始取值对行分类的得分作图。

➢   线图的标识标签宽度：设置线形图ID标签的字符个数，默认为20 。该值必须为小于或等于20的非负整数。

●    图维数：设置输出维数，对所有输出的多维图形有效。

➢   显示解中的所有维数：表示分析用到的行列维度都将以交叉矩阵的形式输出。

➢   限制维数：限制输出指定维度组合的图形，必须在最低维数、最高维数后指定最小、最大维度。此指定项适用于所有请求的多维图。

二、简单对应分析的SPSS实现

实例一：“data13-01.sav”数据文件是某班级的三名同学竞选班长的数据统计，文件包括每位投票人的投票对象、性别、爱好和成绩，如下图所示。现要求利用简单对应分析方法分析各位投票人的爱好与投票倾向性的关系。

数据文件：数据文件\Chapter13\data13-01.sav

视频文件：视频文件\Chapter13\简单对应分析．avi

（1）打开“data13-01.sav”数据文件，选择“分析” →“ 降维” →“对应分 析” ，弹出“对应分析”对话框。

（2）选中“候选人”变量，单击 按钮将其选入“行”选框中，并单击其下面的按钮，在弹出的“ 定义值范围”对话框中的最小值、最大值中分别输入1 、3 ，然后单击按钮确认，单击按钮返回主对话框。

（3）选中“投票人爱好”变量，单击按钮将其选入“列”选框中， 并单击其下面的按钮，在弹出的“ 定义值范围”对话框中的最小值、最大值中分别输入1 、4 ，然后单击按钮确认，单击按钮返回主对话框。

（4）其他设置均采用默认设置。

（5）完成所有设置后，单击腿按钮执行命令。

三、对应分析的结果分析

下表是SPSS对应分析模块的版权信息，说明该模块是由荷兰Leiden大学DTSS课题组编制的，SPSS通过合同对该程序进行了套装， 所以每次都会显示该信息。

下表反映了两个变量各类别组合的基本情况，它可以用于检查是否存在数据录入错误。从此表来看，爱阅读和运动的同学投于敏的人多。

下表的摘要表是对整个对应分析的结果汇总表，它是输出中最重要的一个，主要用于确定使用了多少个维度来对结果进行解释。其中， 奇异值就是惯量的平方根，相当于相关分析里的相关系数；而惯量就是常说的特征根，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。

第一维惯量值为0.114 ，第二维为0.009 。在“惯量的比例” 中给出了各维度所占的百分比，第一维惯量解释了总信息量的92.8% ，第二维惯量解释了总信息量的7.2% 。由此可知，二维图形可以完全表示两变量间的信息，并且观察时以第一维度为主。

表1和表2分别是行点和列点总览表。两者中的Mass列为每一 类别所占总体的百分比；维数得分列为坐标值；贡献列给出了每个类别对各个维度的贡献量，包括点对维数的惯量和维数对点的惯量。

下图是二维对应分析图，观察此图遵循如下两步：首先检查各变量在横轴和纵轴方向上的区分情况，如果同一变量不同类别在某个方向上靠得较近，则说明这些类别在该维度上区别不大；然后比较不同变量各个分类间的位置关系，落在邻近区域内的不同变量的分类点，彼此之间的相互联系较为紧密。

本例中，两个变量在第一维度上分的很开，在第二维度区分效果一 般，由此可知，变异以第一维度为主。在投票倾向性上，爱好运动和阅 读的同学更支持于敏，爱好歌舞的同学更支持赵峰，而爱好乐器的同学更支持李运。

如果上述教程没有解决您的问题，可以联系分析师获取支持：

分析师服务（24小时在线）

如果您需要代做服务，可选择下方服务选项：

‍1、问卷设计、问卷调查：点击联系

2、数据分析、实证分析：点击联系‍

3、科研配图、论文配图：点击联系

4、文章指导、润色美化：点击联系

5、数据查找、代查代下：点击联系

6、数据修改、调整合理：点击联系‍

7、职称评审、课题申报：点击联系

8、格式排版、文章翻译：点击联系‍