IBM SPSS Statistics 中文网站 > 使用技巧 > SPSS如何用多重对应分析多个定性变量间关系

SPSS如何用多重对应分析多个定性变量间关系

发布时间:2021/09/26 11:38:24

《SPSS中使用简单对应分析两定性变量间关系》一文中,我们已经了解到可运用简单对应分析得出两个定性变量类别值间的对应关系。接下来,本文将会继续运用SPSS的最优标度分析,更加深入地研究多个定性变量间的对应关系分析。

一、数据准备

本文使用到的是一组品牌认定的数据,每个受访者都会给予序号对应品牌的信息,受访者需要根据这些信息判断出品牌的序号。

通过最优标度分析,可得出相似品牌序号的集合,以判断哪些品牌在受访者的认定中属于同一类型。

图1:品牌认定的数据
图1:品牌认定的数据

二、最优标度分析

如图2所示,依次单击SPSS的分析-降维-最优标度选项。

图2:最优标度

由于本例中受访者认定品牌的数值实际为品牌序号,属于无序的分类变量,因此选择第一个选项“所有变量均为多重名义”。

图3:多重名义变量
图3:多重名义变量

三、参数设置

如图4所示,将所有受访者的变量数据添加到分析变量。如果有其他说明品牌属性的变量可添加到补充变量,因本例无受访者以外的品牌属性变量,所以不添加变量。

图4:变量设置
图4:变量设置

关于离散化、缺失、选项、输出等设置,一般保持默认即可。更为重要的是设置变量图选项,如图5所示,最优标度的变量图包含类别图、联合类别图与转换图选项。

本例会使用到联合类别图,以了解各变量类别值之间的对应关系,找出相似的类别值。

图5:变量图设置
图5:变量图设置

四、结果解读

从迭代历史记录看到,数据经过36次的迭代计算后已达到收敛校验值。

图6:迭代历史
图6:迭代历史

接着,从模型摘要的克隆巴赫Alpha数值与方差惯量得出模型的可信度信息。

如图7所示,模型的Alpha数值为0.956,可信度高;而方差惯性平均占比0.717,说明每个维度平均携带71.7%的信息,说明选取的两个维度可信度高。

图7:模型摘要
图7:模型摘要

而从两维的类别点联合图看到,品牌认定大致可分为三大类,其中,品牌8、9可分为一类;品牌1、2可分为一类;其余的品牌可分为一类。

图8:类别点的联合图
图8:类别点的联合图

五、小结

综上所述,SPSS对应分析按照分析的定性变量数量可分为简单对应分析与多重对应分析(也称作最优标度分析)。两种方法都可通过得出变量类别值的对应关系而进行类别值的归类,从而找到类别值间的共同特征。

作者:泽洋

标签:SPSS

读者也访问过这里:
SPSS Statistics
一款功能强大的数据统计分析工具
立即购买
QQ 群
官方交流群:815794396 立即加群
400-8765-888 kefu@makeding.com
热门文章
SPSS数据分析显著性差异分析步骤 SPSS显著性差异分析结果怎么看
数据的显著性差异分析主要有三种方法,分别是卡方检验、T检验和方差分析。这三种方法都有具体的数据要求:卡方检验是对多个类别的数据进行分析,T检验是对两组数据进行分析,方差分析是对多组数据进行检验。下面,小编具体说明一下SPSS数据分析显著性差异分析步骤,SPSS显著性差异分析结果怎么看。
2022-01-07
实践SPSS单因素方差分析之检验结果解读
在《实践SPSS单因素方差分析之变量与检验方法设置》一文中,我们已经详细地演示了IBM SPSS Statistics单因素方差分析方法的变量选择以及相关的选项、对比设置。
2021-01-11
SPSS相关性分析结果怎么看
相关性分析是对变量或个案之间相关度的测量,在SPSS中可以选择三种方法来进行相关性分析:双变量、偏相关和距离。
2021-04-23
SPSS多元logistic回归分析的使用技巧
回归分析是数据处理中较为常用的一类方法,它可以找出数据变量之间的未知关系,得到较为符合变量关系的数学表达式,以帮助用户完成数据分析。
2021-04-26
spss多元线性回归分析操作步骤,spss多元线性回归分析结果解读
spss多元线性回归分析操作步骤,本文会以客流量、销售量与销售额的线性关系演示spss的多元线性回归分析操作步骤,并进行spss多元线性回归分析结果解读。
2022-05-07
SPSS线性回归如何预测 SPSS怎么得到预测值
SPSS线性回归预测的主要步骤是通过线性回归分析构建模型,得出线性回归方程,然后对整体效果进行F检验和T检验,证实回归方程的正确性。最后,给定一个自变量值,进行点预测和区间预测。下面,小编具体来介绍一下SPSS线性回归如何预测,SPSS怎么得到预测值的方法。
2022-01-10

咨询热线

在线咨询

限时折扣