第七章對應(yīng)分析

2023/2/51§7.1列聯(lián)表及列聯(lián)表分析§7.2對應(yīng)分析的基本理論§7.3對應(yīng)分析的步驟及邏輯框圖§7.4對應(yīng)分析的上機(jī)實現(xiàn)第七章對應(yīng)分析

2023/2/52目錄上頁下頁返回結(jié)束第七章對應(yīng)分析對應(yīng)分析是R型因子分析與Q型因子分析的結(jié)合，它也是利用降維的思想以達(dá)到簡化數(shù)據(jù)結(jié)構(gòu)的目的，不過，與因子分析不同的是，它同時對數(shù)據(jù)表中的行與列進(jìn)行處理，尋求以低維圖形表示數(shù)據(jù)表中行與列之間的關(guān)系。對應(yīng)分析的思想首先由（Richardson）和（Kuder）在1933年提出，后來法國統(tǒng)計學(xué)家（Jean-PaulBenzécri）和日本統(tǒng)計學(xué)家林知己夫（ChikioHayashi）對該方法進(jìn)行了詳細(xì)的論述而使其得到了發(fā)展。對應(yīng)分析方法廣泛用于對由屬性變量構(gòu)成的列聯(lián)表數(shù)據(jù)的研究，利用對應(yīng)分析可以在一張二維圖上同時畫出屬性變量不同取值的情況，列聯(lián)表的每一行及每一列均以二維圖上的一個點來表示，以直觀、簡潔的形式描述屬性變量各種狀態(tài)之間的相互關(guān)系及不同屬性變量之間的相互關(guān)系。2023/2/53目錄上頁下頁返回結(jié)束§7.1列聯(lián)表及列聯(lián)表分析在討論對應(yīng)分析之前，我們先簡要回顧一下列聯(lián)表及列聯(lián)表分析的有關(guān)內(nèi)容。在實際研究工作中，人們常常用列聯(lián)表的形式來描述屬性變量（定類尺度或定序尺度）的各種狀態(tài)或是相關(guān)關(guān)系，這在某些調(diào)查研究項目中運用得尤為普遍。比如，公司的管理者為了了解消費者對自己產(chǎn)品的滿意情況，需要針對不同職業(yè)的消費者進(jìn)行調(diào)查，而調(diào)查數(shù)據(jù)很自然的就以列聯(lián)表的形式提交出來。見表7-1所示。2023/2/54目錄上頁下頁返回結(jié)束§7.1列聯(lián)表及列聯(lián)表分析以上是兩變量列聯(lián)表的一般形式，橫欄與縱欄交叉位置的數(shù)字是相應(yīng)的頻數(shù)。這樣表露數(shù)據(jù)就可以清楚地看到不同職業(yè)的人對該公司產(chǎn)品的評價，以及所有被調(diào)查者對該公司產(chǎn)品的整體評價、被調(diào)查者的職業(yè)構(gòu)成情況等信息；通過這張列聯(lián)表，還可以看出職業(yè)分布與各種評價之間的相關(guān)關(guān)系，如管理者與比較滿意交叉單元格的數(shù)字相對較大（“相對”指應(yīng)抵消不同職業(yè)在總的被調(diào)查對象中的比例的影響），則說明職業(yè)欄的管理者這一部分與評價欄的比較滿意這一部分有較強(qiáng)的相關(guān)性。由此可以看到，借助列聯(lián)表，人們可以得到很多有價值的信息。2023/2/55目錄上頁下頁返回結(jié)束§7.1列聯(lián)表及列聯(lián)表分析在研究經(jīng)濟(jì)問題的時候，研究者也往往用列聯(lián)表的形式把數(shù)據(jù)呈現(xiàn)出來。比如說橫欄是不同規(guī)模的企業(yè)，縱欄是不同水平的獲利能力，通過這樣的形式，可以研究企業(yè)規(guī)模與獲利能力之間的關(guān)系。更為一般的，可以對企業(yè)進(jìn)行更廣泛的分類，如按上市與非上市分類，按企業(yè)所屬的行業(yè)分類，按不同所有制關(guān)系分類等。同時用列聯(lián)表的格式來研究企業(yè)的各種指標(biāo)，如企業(yè)的盈利能力、企業(yè)的償債能力、企業(yè)的發(fā)展能力等。這些指標(biāo)即可以是簡單的，也可以是綜合的，甚至可以是用因子分析或主成分分析提取的公因子；把這些指標(biāo)按一定的取值范圍進(jìn)行分類，就可以很方便地用列聯(lián)表來研究。

2023/2/56目錄上頁下頁返回結(jié)束§7.1列聯(lián)表及列聯(lián)表分析2023/2/57目錄上頁下頁返回結(jié)束§7.1列聯(lián)表及列聯(lián)表分析2023/2/58目錄上頁下頁返回結(jié)束§7.1列聯(lián)表及列聯(lián)表分析2023/2/59目錄上頁下頁返回結(jié)束§7.1列聯(lián)表及列聯(lián)表分析2023/2/510目錄上頁下頁返回結(jié)束§7.1列聯(lián)表及列聯(lián)表分析2023/2/511目錄上頁下頁返回結(jié)束§7.1列聯(lián)表及列聯(lián)表分析2023/2/512目錄上頁下頁返回結(jié)束§7.1列聯(lián)表及列聯(lián)表分析2023/2/513目錄上頁下頁返回結(jié)束§7.1列聯(lián)表及列聯(lián)表分析2023/2/514目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/515目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

假定我們下面討論的都是形如表7-3的規(guī)格化的列聯(lián)表數(shù)據(jù)。為了論述方便，先對有關(guān)概念進(jìn)行說明。

2023/2/516目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

7.2.1有關(guān)概念1.行剖面與列剖面2023/2/5中國人民大學(xué)六西格瑪質(zhì)量管理研究中心17目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/518目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/519目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/520目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2.距離與總慣量

2023/2/521目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/522目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/5中國人民大學(xué)六西格瑪質(zhì)量管理研究中心23目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/524目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/525目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

因此，此處總慣量也反映了兩個屬性變量各狀態(tài)之間的相關(guān)關(guān)系。對應(yīng)分析就是在對總慣量信息損失最小的前提下，簡化數(shù)據(jù)結(jié)構(gòu)以反映兩屬性變量之間的相關(guān)關(guān)系。實際上，總慣量的概念類似于主成分分析或因子分析中方差總和的概念，在SPSS軟件中進(jìn)行對應(yīng)分析時，系統(tǒng)會給出對總慣量信息的提取情況。2023/2/526目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

7.2.2對應(yīng)分析的基本理論經(jīng)過以上數(shù)據(jù)變換，在引入加權(quán)距離函數(shù)之后，或是對行剖面集的各點進(jìn)行式(7.8)的變換，對列剖面的各點進(jìn)行類似變換之后，就可以直接計算屬性變量各狀態(tài)之間的距離，通過距離的大小來反映各狀態(tài)之間的接近程度，同類型的狀態(tài)之間距離應(yīng)當(dāng)較短，而不同類型的狀態(tài)之間的距離應(yīng)當(dāng)較長，據(jù)此可以對各種狀態(tài)進(jìn)行分類以簡化數(shù)據(jù)結(jié)構(gòu)。但是，這樣做不能對兩個屬性變量同時進(jìn)行分析，因此不計算距離，代之求協(xié)方差矩陣，進(jìn)行因子分析，提取主因子，用主因子所定義的坐標(biāo)軸作為參照系，對兩個變量的各狀態(tài)進(jìn)行分析。2023/2/527目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/528目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/529目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/530目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/531目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/532目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/533目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/534目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

7.2.3對應(yīng)分析應(yīng)用于定量變量的情況上面對對應(yīng)分析方法的描述都是以屬性變量數(shù)據(jù)為例展開的，這是因為在實際中對應(yīng)分析廣泛地應(yīng)用于對屬性變量列聯(lián)表數(shù)據(jù)的研究，實際上，對應(yīng)分析方法也適用于定距尺度與定比尺度的數(shù)據(jù)。

2023/2/535目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

其實，對于定距尺度與定比尺度的情況，完全可以把每一個觀測都分別看成是一類，這也是對原始數(shù)據(jù)進(jìn)行的最細(xì)的分類；同時把每一個變量都看成是一類。這樣，對定距尺度數(shù)據(jù)與定比尺度數(shù)據(jù)的處理問題就變成與上面分析屬性變量相同的問題了，自然可以運用對應(yīng)分析來研究行與列之間的相關(guān)關(guān)系。

2023/2/536目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

7.2.4需要注意的問題需要注意的是，同對應(yīng)分析生成的二維圖上的各狀態(tài)點，實際上是兩個多維空間上的點的二維投影，在某些特殊的情況下，在多維空間中相隔較遠(yuǎn)的點，在二維平面上的投影卻很接近。此時，我們需要對二維圖上的各點做更深的了解，即哪些狀態(tài)對公因子的貢獻(xiàn)較大，這與在因子分析中判斷原始變量對公因子貢獻(xiàn)的方法類似。2023/2/537目錄上頁下頁返回結(jié)束§7.2對應(yīng)分析的基本理論

2023/2/538目錄上頁下頁返回結(jié)束§7.3對應(yīng)分析的步驟及邏輯框圖

7.3.1對應(yīng)分析的步驟2023/2/539目錄上頁下頁返回結(jié)束§7.3對應(yīng)分析的步驟及邏輯框圖

7.3.2對應(yīng)分析的邏輯框圖

2023/2/540目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)

SPSS軟件的CorrespondenceAnalysis模塊是專門進(jìn)行對應(yīng)分析的模塊。下面我們舉例說明用CorrespondenceAnalysis模塊進(jìn)行對應(yīng)分析的方法?！纠?-1】選用SPSS軟件自帶的GSS93subset.sav數(shù)據(jù)，該數(shù)據(jù)在SPSS軟件的安裝目錄下可以找到，該數(shù)據(jù)共包括1500個觀測，67個變量。我們僅借助它來說明CorrespondenceAnalysis模塊的使用方法，不對其具體意義作過多的分析。選用該數(shù)據(jù)集中Degree（學(xué)歷）與Race（人種）變量為例來說明。其中Degree變量是定類尺度的，其各個取值的含義如下：0—中學(xué)以下(lessthanhighschool)，1—中學(xué)(highschool)，2—專科(juniorcollege)，3—本科（bachelor），4—研究生(graduate)，7，8，9—缺失；Race變量是定名尺度的，其各個取值的含義如下：1—白種人(white)，2—黑種人(black)，3—其他(other)。2023/2/541目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)打開GSS93subset.sav數(shù)據(jù)，對變量Degree與變量Race進(jìn)行對應(yīng)分析，依次點選Analyze→DataReduction→CorrespondenceAnalysis…進(jìn)入CorrespondenceAnalysis對話框。數(shù)據(jù)集中所有的變量名（標(biāo)簽）均已出現(xiàn)左邊的窗口中，將Degree變量選入右側(cè)行變量(Row)的小窗口中，此時該窗口顯示的Degree變量形如：Degree(??)，同時，其下方的DefineRange按鈕被擊活，點擊該按鈕，進(jìn)入DefineRowRange對話框，在該對話框中需要確定Degree變量的取值范圍，此處我們不研究缺失值，最小值(minimumvalue)與最大值(maximumvalue)處分別填上0和4，按右側(cè)的update(更新)按鈕，可以看到Degree的取值0—4已出現(xiàn)在CategoryConstraints框架左側(cè)的窗口中，該框架的作用是對Degree的各狀態(tài)加以限定條件的，保持默認(rèn)值none不變，即對Degree的取值不加限定條件。2023/2/542目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)點擊Continue繼續(xù)，回到CorrespondenceAnalysis對話框，可以看到，此時行變量Degree的顯示變?yōu)镈egree(04)，按同樣的方法把Race選為列變量且設(shè)定其取值范圍為1—3，點擊OK按鈕運行，則可以得到如下輸出結(jié)果7-1：2023/2/543目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)2023/2/544目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)2023/2/545目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)2023/2/546目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)2023/2/5中國人民大學(xué)六西格瑪質(zhì)量管理研究中心47目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)2023/2/548目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)在同一變量內(nèi)部，最高學(xué)歷為Highschool及以上的各狀態(tài)之間距離相近，而lessthanhighschool可以單獨歸為一類；對于人種，Black、white、other之間的距離均很大，很明顯形成三大類。同時考查兩變量各狀態(tài)，可以看到白種人(white)受教育程度一般較高，其與學(xué)歷較高的點比較接近，而黑種人明顯學(xué)歷較低，與lessthanhighschool比較靠近。Other的最高學(xué)歷沒有顯著特點。2023/2/549目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)以上是SPSS默認(rèn)設(shè)置得到的結(jié)果，實際研究時，可以根據(jù)不同的研究目的對有關(guān)設(shè)置進(jìn)行修改。下面對SPSS提供的有關(guān)選項進(jìn)行簡要說明。在CorrespondenceAnalysis對話框中點擊下方的Model按鈕進(jìn)入Model對話框，在該對話框中，可以設(shè)定進(jìn)行對應(yīng)分析的有關(guān)方法：在上部DimensionsinSolution處可以規(guī)定對應(yīng)分析的最大維數(shù)，默認(rèn)維數(shù)是2，由該章的論述知，最大維數(shù)應(yīng)該是min(n,p)-1,此處保留默認(rèn)值即可。

2023/2/550目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)DistanceMeasure對話框中可以規(guī)定距離量度方法，默認(rèn)為卡方距離，也就是加權(quán)的歐氏距離，還可以規(guī)定用歐氏距離(Euclidean)，在StandardizationMethod對話框中可以規(guī)定標(biāo)準(zhǔn)化方法，若距離的量度使用卡方距離，則應(yīng)使用默認(rèn)的標(biāo)準(zhǔn)化方法，即對行與列均進(jìn)行中心化處理，若選擇歐氏距離，則有不同的標(biāo)準(zhǔn)化方法可以選擇，此處不再詳述。2023/2/551目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)最下方NormalizationMethod框架中可以規(guī)定不同的正態(tài)化方法，默認(rèn)為Symmetrical方法，當(dāng)我們進(jìn)行分析的目的是考查兩變量各狀態(tài)之間的差異性或相似性時，應(yīng)選擇此方法。當(dāng)我們的目的是考查兩個屬性變量之間各狀態(tài)及同一變量內(nèi)部各狀態(tài)之間的差異性時，則應(yīng)當(dāng)選擇principal方法，當(dāng)我們的目的是考查不同行（列）之間的差異性或相似性時，則當(dāng)選擇Rowprincipal（Columnprincipal），而選中Custom并自己設(shè)定一個-1——1之間的值，則可能輸出更容易解釋的二維圖。2023/2/552目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)在CorrespondenceAnalysis對話框中點擊Statistics按鈕，進(jìn)入Statistics對話框，選中Rowprofiles和Columnprofiles交由程序運行則除上面的結(jié)果外還可以輸出行剖面與列剖面，見輸出結(jié)果7.3:2023/2/553目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)在Statistics對話框中選擇其他選項，可以輸出一些有用的統(tǒng)計量，這些統(tǒng)計量有助于檢驗對應(yīng)分析的效果，此處不再詳述。在CorrespondenceAnalysis對話框中，點擊Plots按鈕進(jìn)入Plots對話框，看到在Scatterplots框架中，系統(tǒng)默認(rèn)輸出Biplot，即在同一張二維圖上同時輸出兩個屬性變量的各個狀態(tài)，為了考查列聯(lián)表各行（列）之間的相關(guān)性，有時候有必要輸出僅包括一個變量各種狀態(tài)參數(shù)的二維圖，選擇Rowpoints及Columnpoints可以實現(xiàn)。同時選中Rowpoints與Columnpoints并交由程序運行，則可以得到如下輸出結(jié)果：2023/2/554目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)2023/2/555目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)這樣可以更清楚地考查每一變量各個狀態(tài)之間的距離或接近程度。SPSS軟件還提供了許多其他有用的選項，可以針對不同的研究問題及研究目的選擇這些選項以得到更多的結(jié)果，此處我們不再詳細(xì)說明。因為對應(yīng)分析所需的數(shù)據(jù)是原始列聯(lián)表數(shù)據(jù)，所以SPSS軟件也提供了直接讀入列聯(lián)表數(shù)據(jù)的功能，對上例，就不用從原始1500條觀測開始進(jìn)行分析，也更提高了分析的效率。由分析結(jié)果7.1對列聯(lián)表作如下變換：2023/2/556目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)在SPSS的數(shù)據(jù)窗口輸入以上數(shù)據(jù)，然后依次點選Data→WeightCases…進(jìn)入WeightCases對話框，系統(tǒng)默認(rèn)是對觀測不使用權(quán)重，選中WeightCasesby選項，此時下面的Frequencyvariable被擊活，選中freq并點擊向右的箭頭，使變量freq充當(dāng)權(quán)數(shù)的作用，點擊OK。然后按上面所述方法選擇變量，設(shè)定取值范圍并進(jìn)行分析（此處行變量為Row，取值范圍為0—4；列變量為Column，取值范圍為1—3），可以得到與上面一致的結(jié)果，為了比較，此處僅給出所輸出的列聯(lián)表，如下：2023/2/557目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)可以看到，列聯(lián)表與上面輸出結(jié)果7.1是相同的，但此處由于沒有對Row與Column的取值設(shè)定標(biāo)簽，所以顯示的是其實際取值，這可以在VariableView窗口進(jìn)行設(shè)定，此處不再進(jìn)行說明。這樣讀入數(shù)據(jù)仍然有些麻煩，利用SPSS的語法可以讀入按列聯(lián)表分布形式的數(shù)據(jù)，實際上，利用SPSS語法可以靈活地讀入以上各種格式的數(shù)據(jù)。我們給出上例的情況所用的程序，但不再詳細(xì)說明：2023/2/558目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)2023/2/559目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)前面的例子是關(guān)于利用對應(yīng)分析對交叉表數(shù)據(jù)進(jìn)行分析，下面通過例題講述如何利用對應(yīng)分析對分類匯總數(shù)據(jù)進(jìn)行對應(yīng)分析。分類匯總的數(shù)據(jù)單元格內(nèi)不再是頻數(shù)，而是相應(yīng)的統(tǒng)計指標(biāo)，如均數(shù)等。對匯總數(shù)據(jù)由于單元格內(nèi)不再是頻數(shù)，不存在行、列合計頻數(shù)，也就不能再像交叉表時一樣基于無效假設(shè)計算標(biāo)化殘差，而是使用歐氏距離來代表相應(yīng)單元格數(shù)值偏離無關(guān)聯(lián)假設(shè)的程度，由于指標(biāo)量綱以及量級的差異，對應(yīng)分析中針對歐氏距離提供了5種標(biāo)準(zhǔn)化方法，含義如下：（1）RowandColumnMeansRemoved:為缺省設(shè)置，在數(shù)據(jù)標(biāo)準(zhǔn)化時將行合計均數(shù)以及列合計均數(shù)的影響都移去，這樣行、列類別間均數(shù)的差異不再對結(jié)果產(chǎn)生影響，在結(jié)果中呈現(xiàn)的只是行、列變量類別間的交互作用。2023/2/560目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)（2）Row／ColumnMeansRemoved:在數(shù)據(jù)標(biāo)準(zhǔn)化時只移除行／列變量合計均數(shù)差異的影響，這樣行／列均數(shù)的差異不再對結(jié)果產(chǎn)生影響，在結(jié)果中呈現(xiàn)的只是列／行變量類別間的差異。（3）Row／ColumnTotalsareEqualizedandRow／ColumnMeansRemoved:在數(shù)據(jù)標(biāo)準(zhǔn)化時首先將原始數(shù)據(jù)除以行／列合計，然后再移除行、列均數(shù)的影響。距離測量方式以及相應(yīng)的距離標(biāo)準(zhǔn)化方法均在Model子對話框中選擇，在對歐氏距離進(jìn)行標(biāo)準(zhǔn)化后，剩余的步驟就與普通的對應(yīng)分析完全相同。對一個具體問題，如何選擇以上五種標(biāo)準(zhǔn)化方法有賴于具體的研究目的，一般是在對問題進(jìn)行定性分析基礎(chǔ)上，選擇合適的方法以便對定性分析的結(jié)論進(jìn)行實證分析。下面通過一個具體問題說明該方法的應(yīng)用。2023/2/561目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)【例7-2】按現(xiàn)行統(tǒng)計報表制度，農(nóng)民家庭人均純收入主要由四部分構(gòu)成，即工資性收入、家庭經(jīng)營純收入、財產(chǎn)性收入、轉(zhuǎn)移性收入。表7-6列出了2005年我國31省、市、自治區(qū)農(nóng)民家庭純收入的數(shù)據(jù)。試進(jìn)行對應(yīng)分析，揭示全國農(nóng)民人均純收入的特征以及各省、市、自治區(qū)與各收入指標(biāo)間的關(guān)系。2023/2/562目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)軟件SPSS進(jìn)行實際操作和分析，如下操作步驟：1.打開SPSS文件，在表格下方有兩個選項分別是DataView和VariableView，點擊VariableView選項，將各選項改為如下形式。2023/2/563目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)其中Values項需要作如下設(shè)置：在彈出的對話框里，對北京至新疆的31省市以及工資等四項收入進(jìn)行數(shù)字附值。然后點擊DataView進(jìn)行如下數(shù)據(jù)的輸入

2023/2/564目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)在SPSS的數(shù)據(jù)窗口輸入以上數(shù)據(jù)，然后依次點選Data→WeightCases…進(jìn)入WeightCases對話框，系統(tǒng)默認(rèn)是對觀測不使用權(quán)重，選中WeightCasesby選項，此時下面的Frequencyvariable被擊活，選中money并點擊向右的箭頭，使變量money充當(dāng)權(quán)數(shù)的作用，點擊OK。2023/2/565目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)2.數(shù)據(jù)輸入完成后，選擇Analyze—DataReduction—CorrespondenceAnalysis，然后把“省區(qū)”選入“Row”，在點擊DefineRange來定義范圍為1（Minimumvalue）到31（Maximumvalue），之后點擊Update，再點擊Continue。之后同樣地，把“收入類別”選入Column，并定義其范圍為1到4。如下圖2023/2/566目錄上頁下頁返回結(jié)束§7.4對應(yīng)分析的上機(jī)實現(xiàn)然后點選Model，在出現(xiàn)的對話框中選擇數(shù)據(jù)標(biāo)準(zhǔn)化方法，本例DistanceMeasure點選Euclidean,下面的StandardizationMethod選擇選項被激活,有5種可供