多元對應分析實例

多變量分析講座--多重對應分析方法多重對應分析在超過兩個以上定類變量時有時候非常有效，當然首先我們要理解并思考，如果只有三個或有限的幾個變量完全可以通過數(shù)據(jù)變換和交互表變量重組可以轉(zhuǎn)換成兩個定類變量，這時候就可以用簡單對應分析了。對應分析對數(shù)據(jù)的格式要求：?對應分析數(shù)據(jù)的典型格式是列聯(lián)表或交叉頻數(shù)表。?常表示不同背景的消費者對若干產(chǎn)品或產(chǎn)品的屬性的選擇頻率。?背景變量或?qū)傩宰兞靠梢圆⒘惺褂没騿为毷褂谩?兩個變量間——簡單對應分析。?多個變量間——多元對應分析?，F(xiàn)在，我們還是來看看如何操作多重對應分析并如何解讀對應圖；我們假定有個汽車數(shù)據(jù)集，包括：來源國（1-美國、2-歐洲、3-日本）尺寸（1-大型、2-中型、3-小型）類型（1-家庭、2-運動、3-工作）擁有（1-自有、2-租賃）性別（1-男、2-女）收入來源（1-1份工資來源、2-2份工資來源）婚姻狀況（1-已婚、2-已婚有孩子、3-單身、4-單身有孩子）；從數(shù)據(jù)集看，我們有7個定類變量，如果組合成簡單的交叉表是困難的事情，此時采用多重對應分析是恰當?shù)姆治龇椒ā?/p>

；：+Cars_DCA?sav［數(shù)據(jù)集聞-PASIStatistics數(shù)據(jù)編輯器文件(D編輯㈤視閨過)數(shù)據(jù)側(cè)轉(zhuǎn)換CD另析冋直銷(M)圏形◎?qū)嵱贸绦驅(qū)澊翱诨匦┟傲R囤Q?is呂霊酣彝雷務雜菇詣毛—22:nsize2.00originsizet/pehomesexincomemarital1Ameri匚汕LargeFamilyOwnMale1IncomeMarriedw...2JapaneseSmallSportyOwnMale1IncomeSingle3JapaneseSmallFamilyOwnMale2IncomesMarried4Ameri匚日riLargeFamilyRentMale1IncomeSirigl已5AmericanMediumFamilyOwnMale2IncomesMarriedw...6JapaneseMediumFamilyOwnMale2IncomesSinglew...7AmericanLargeFamilyOwnFemale2IncomesMarriedw...8EuropeanMediumFamilyOwnFemale2IncomesMarriedw...9AmericanMediumSportyOwnMale2IncomesMarried10AmericariMediumFamilyOwnFemale2IritoiYiesMarried—下面我還是采用SPSS18.0，現(xiàn)在叫PASWStatistics18.0來操作！注意：不同版本在多重對應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，但選擇會復雜和不同！在進行多重對應分析之前，研究者應該能夠記住各個變量大致有多少類別，個別變量如果變量取值太偏或異常值出現(xiàn)，都會影響對應分析的結(jié)果和對應圖分析!nini八皿P直3?S~t3.~t1S~t].CSP直3?S~t3.~t1S~t].CS數(shù)據(jù)編輸基轉(zhuǎn)換①分析込直銷遁圖形0實用程序口窗口㈣tWl卜I」③悠盼撫述編計type表COeFar出較均值觀IISp(一股線性模型◎IIFar廣熨線性模型eFar混合模型⑧「1Far相關(guān)◎回歸?對數(shù)線性模型◎神經(jīng)網(wǎng)路分類￡「1FarHFarMFarriSptnFar降錐IISp(「1Sp(度呈簡nSp(菲參數(shù)檢驗迥）IISp(預測CD「1Far生存函敷二eFar窖重響應妙?卜incomemarital卜1IncomeMarriedw...卜1IncomeSingle?2IncomesMarried卜1IncomeSingle卜2IncomesMarriedw...卜卜2IncomesSinglew...2IncomesMarriedw...2IricomesMarriedw...卜2IricomesMarried?2IncomesMarried卜卜鳳因子分析（EL.岀對應分析◎…卜―最優(yōu)尺平）…?卜1111111r=2Incomes.-IIIIJ-HIESingle卜1IncomeMarriedw...在SPSS分析菜單下選擇降維（DataRedaction-數(shù)據(jù)消減）后選擇最優(yōu)尺度算法,該選項下，根據(jù)數(shù)據(jù)集和數(shù)據(jù)測量尺度不同有三種不同的高級定類分析算法，主要包括：多重對應分析、分類（非線性）主成分分析、非線性典型相關(guān)分析；注意：隨著版本的增高，研究人員在統(tǒng)計分析時就要各位主要變量的測量尺度,并且最好在進行數(shù)據(jù)清理和分析前，明確定義好測量尺度；當然也要做好Lable工作！接下來，我們就可以選擇變量和條件了！大家可以把要分析的變量都放到分析變量內(nèi)，補充變量的含義是如果有哪個變量你并不想作為對應分析的變量，而只是作為附屬變量表現(xiàn)在對應圖上可以加入！這一點其實在簡單對應分析也有這種定義。（我們將在專門的簡單對應分析方法中再講?。?if爭重對應舟析$noriginnsizenhomeriincomenmaritalnkidsnsexorigin(1)size(1)娜凱1)home(1)sex(1)離散化峽失迥…

選項?…

輸出①…保存凹…$noriginnsizenhomeriincomenmaritalnkidsnsexorigin(1)size(1)娜凱1)home(1)sex(1)離散化峽失迥…

選項?…

輸出①…保存凹…標記變量◎:解的錐數(shù)吵:［確定重置遲"「取消］［幫助然后我們要選擇“變量”選項，大家可以選擇類別圖：每一個變量的分類圖，重點是選擇聯(lián)合類別圖，我們把7個變量全部放入，執(zhí)行！（其它選項大家可以測試）F面我們看結(jié)果:2.0-t—1.5-1.0-AmericanO：＜-O購亂還是粗貢聊姍壯阮O姿型fVi冰蝴MO也人來餘omjuSirglewKids1IneomsOO.Cr-0.5-FsillilyOMarriedwKidsMediumOwnOr,Female2IncomesMarried-1.0O.Cr-0.5-FsillilyOMarriedwKidsMediumOwnOr,Female2IncomesMarried-1.0-0.5SingleWorkMaleQ□RentJapaneseEuropeanSmallSporty□0.00.51.01.5左藍變呂標準化*從圖中我們可以看出：美國車都比較大，家庭型，主要購買者是已婚帶孩子的;日本和歐洲車主要是小型、運動的和已婚沒有孩子的人購買；特別注意：單身和單身帶孩子的往往是租賃汽車，收入單一來源,但這個地區(qū)沒有車滿足這個市場,或許是市場空白；具體的解讀大家可以根據(jù)自己的研究設(shè)計和假設(shè)去尋找答案!主要統(tǒng)計指標可以看:

爼型均值12“gin■豈車來誦園I2?-fl"?藥&Stas尺寸.191A363M.2S2107.225tiDine袖還覽組賞■3P?.Q2S?伽.090.035.DB3-ntDffl?收入來瘟53G.2S2.296亦有竝總計22GB:1.5311.34Q32,37123.29977.^25上圖主要給我們了對應圖維度的解釋比率，最下面的圖大家會看嗎？提示：夾角是銳角意味著相關(guān)，所以：定類變量的相關(guān)性是不是可以解釋啦!總結(jié)：（同樣適合簡單對