如何在IBM SPSS Statistics中使用简单对应分析两定性变量间关系

IBM SPSS Statistics的对应分析与常用的因子分析同属降维分析，但不同于因子分析可应用于定性与定量数据，对应分析只能用于两个定性变量的分析，并且主要是通过分析定性变量的列联表数据来得出变量之间的关系。

接下来，我们通过实例来详细了解下。

一、数据准备

本例使用的是一组品牌的评价数据，运用数字代表对各变量表述的同意程度，1-5的数值分别代表非常不同意、不同意、一般、同意、非常同意，属于定性的有序变量。

二、对应分析参数设置

如图2所示，依次单击分析-降维-对应分析。

在对应分析设置面板中，包含了行与列变量的设置选项。

先将需要分析的两个定性变量分别添加到行、列变量中。然后，分别单击变量下方的“定义范围”按钮。

对选定的行或列变量进行类别范围的指定。以“质量好”行变量为例，如图4所示，分别在最小值与最大值中填入“1”、“5”，设定变量的范围。

然后，单击右侧的“更新”按钮。

将设定的类别范围添加到类别约束中。

完成变量的范围定义后，行与列变量的右侧会出现范围说明（即（1 5））。

接着，打开模型设置，默认解的维数为2，设定“卡方”的距离测量方法，并使用标准化方法，除去行列平均值。

在统计设置中，保持默认的选项，以获得更为全面的统计结果。

最后，在图设置中，勾选“双标图”，即在维坐标中，标注行变量与列变量的数据分布，以了解两者在维坐标上的对应关系。

三、结果解读

完成以上设置后，运行对应分析，解读结果。

从对应表（即两个变量对应的频数分布图）得出，“质量好”与“知名品牌”的值4与值5交叉频数大。

将维数降至3维后，从惯性比例得出前2维惯性比例大，解释因子的贡献度高，并且前2维的累积惯性比例达94.6%。

从左侧因子双标图以及右侧的按维1排序的对应表得出，知名品牌的值4与质量好的值4与值5相对应；知名品牌的值5与质量好的值4与值5相对应。

四、小结

综上所述，SPSS的对应分析是一种简单的、两定性变量的对应关系分析。如果定性变量中的值类别越多，类别之间的关系就会更明显。但其缺点是只能用于分析两个定性变量间的对应关系。

如需分析多个变量间的对应关系，就要使用到最优标度的降维分析方法。具体可前往SPSS中文网站获取更多资料。

作者：泽洋