上传时间：
spss教程——最优尺度分析案例
56官方微信
扫一扫发现精彩多选题数据的SPSS多重对应分析操作方法--《市场研究》2008年03期
多选题数据的SPSS多重对应分析操作方法
【摘要】：正多选题又称多重应答(Multiple Response),即针对同一个问题被访者可能回答出多个有效的答案,它是市场调查研究中十分常见的数据形式。对多选题数据的分析除了使用SPSS中的"Multiple Response"命令进行频数分析和交叉分析之外,还可以使用"Data Reduction"命令中的"Optimal Scaling"(最优尺度分析)进行多重对应分析,用以挖掘该数据与其他若干个变量之间的相互关系。
【作者单位】：
【关键词】：
【分类号】：F224【正文快照】：
多选题又称多重应答(Multiple Response),即针对同一个问题被访者可能回答出多个有效的答案,它是市场调查研究中十分常见的数据形式。对多选题数据的分析除了使用SPSS中的“Multiple Response”命令进行频数分析和交叉分析之外,还可以使用“Data Reduction”命令中的“Optimal
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【同被引文献】
中国期刊全文数据库
农卫东,刘力;[J];东南亚纵横;2003年06期
刘红燕;[J];改革与战略;2005年05期
王朋;[J];广州大学学报(社会科学版);2004年02期
孙冰,唐德才,孙燕;[J];现代管理科学;2003年11期
王伟瑄;曹乐松;;[J];思想政治教育研究;2007年02期
刘俊学,王小兵;[J];现代大学教育;2004年03期
李克均,王爱英,冯丽云;[J];中国卫生统计;2005年05期
陈海春;[J];福建体育科技;2003年02期
李双;任金帅;;[J];中国疗养医学;2006年05期
中国硕士学位论文全文数据库
陈静;[D];重庆大学;2006年
【相似文献】
中国期刊全文数据库
张凌洁;;[J];北方经济;2007年20期
安祥征;;[J];东方企业文化;2011年10期
罗盛;陈景武;马峻岭;;[J];数理医药学杂志;2008年01期
白倩;;[J];商场现代化;2010年32期
张驰;[J];数理统计与管理;2003年01期
石彤菊;马新顺;;[J];大学数学;2009年06期
林发彬;;[J];经济论坛;2011年03期
武红霞;;[J];中国证券期货;2011年06期
贾秀芹;丁生喜;;[J];青海师专学报;2006年05期
郭娜;刘新平;刘宏盈;;[J];江西农业学报;2008年03期
中国重要报纸全文数据库
裴静;[N];中国工商报;2007年
中国楼市记者 薛晓燕;[N];中国建设报;2005年
崔荣华;[N];各界导报;2008年
中国硕士学位论文全文数据库
张浩;[D];哈尔滨工程大学;2004年
刘超;[D];华中师范大学;2003年
梁秋婉;[D];暨南大学;2008年
才华;[D];哈尔滨工程大学;2004年
范少怀;[D];新疆大学;2009年
李粉娟;[D];西安建筑科技大学;2010年
张亮;[D];天津工业大学;2007年
原素芬;[D];东北财经大学;2006年
刘婷;[D];湖南师范大学;2009年
阳婕;[D];湖南师范大学;2008年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 大众知识服务
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备75号利用SPSS 进行方差分析以及正交试验设计_图文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
利用SPSS 进行方差分析以及正交试验设计
阅读已结束，下载文档到电脑
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩7页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
第十一十二章SPSS的对应分析信度分析.ppt 30页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
需要金币：150 &&
第十一十二章SPSS的对应分析信度分析
你可能关注的文档：
··········
··········
SPSS的对应分析
对应分析概述
11.1.1 对应分析的提出 研究两个或多个品质型变量之间的相关关系，例如研究储户收入水平与所选择的储蓄种类间是否存在联系的问题，再如分析顾客职业与购买汽车的品牌之间的关系等。 分析品质变量之间的关系通常从编制两变量的交叉列联表入手，并通过对列联表的进一步研究探究变量间的联系。常见的方法有列联表的卡方检验等。在变量分类值较多时，上述分析方法通常较难直观地揭示出变量之间的联系以及变量各分类之间的联系。对应分析正是解决该类问题的一种基于图形分析的直观有效的多元统计分析方法。 11.1.2 对应分析的基本思想 对应分析以两变量的交叉列联表为研究对象，利用“降维”的方法，通过图形的方式，直观揭示变量不同类别之间的联系，特别适用于多分类品质型变量的研究。 对应分析的基本思想是：首先编制两品质型变量的交叉列联表，将交叉列联表中的每个数据单元看成两变量在相应类别上的对应点；然后，对应分析将变量及变量之间的联系同时反应在一张二维或三维的散点图，即对应分布图上，并使联系密切的类别点较集中，联系疏远的类别点较分散；最后，通过观察对应分布图就能直观地把握变量类别之间的联系。 11.2
对应分析的基本操作及案例 11.2.1 对应分析的基本操作步骤 （1）选择菜单Analyze→Data Reduction→Correspondence，出现窗口如图所示 （2）将行变量选择到Row框中，将列变量选择到Column框中，并分别单击Define Range按钮指定行列变量的分类值范围。在Minimum value框后输入分类最小值，在Maximum框后输入分类最大值，并单击Update按钮，于是各分类值会依次显示在窗口下方的框中；Category Constraints框中的选项，None表示不再对分类值重新分组，Categories must be equal表示指定将哪些分类值合并为一类，Category is supplemental表示指定某些分类值不参与分析。 （3）单击Model按钮进行模型参数设置，在Dimensions in solution框后输入行列变量分类最终提取的因子个数。该数可根据累计方差贡献率给定，或指定为2（默认）以便于将各分类点表示在二维平面上；在Distance Measure框中指定分类点间距离的定义方式，对品质变量通常选卡方（Chi Square）即可；Normalization Method框中指定数据标准化的方式，其中，当希望重点分析行列变量各类别之间的联系，而非每个变量各类别之间的差异时选Symmetrical项；当希望重点分析行变量各类别之间的差异时选Row principal项；当希望重点分析列变量各类别之间的差异时选Column principal项；当希望同时分析行列变量各类别之间的差异时选Principal项，它们将影响到分类点的坐标值。 （4）单击Statistics按钮指定输出哪些统计量。其中，Correspondence table表示输出行列变量的交叉列联表；Overview of row points表示输出行变量分类的因子载荷以及方差贡献率等；Overview of Column points表示输出列变量分类的因子载荷以及方差贡献率等；Row profiles表示输出频数的行百分比；Column profiles表示输出频数的列百分比。
（5）单击Plot按钮指定输出哪些图形。Scatter plots 框中为各种散点图，其中，Biplot为行列变量的对应分布图；Row points为行变量各类别在第一因子和第二因子上的载荷图；Column points为列变量各类别在第一因子和第二因子上的载荷图；在ID label width for框后指定散点图中数据点标签的长度。Line plots框中为各种线图，其中，Transformed row categories为行变量各分类的因子载荷线图；Transformed column categories为列变量各分类的因子载荷线图。
至此，完成了SPSS对应分析的基本操作，SPSS将按照用户指定自动进行对应分析，并将分析结果显示到输出窗口中。 11.2.2 对应分析的应用举例 现收集到购买商品房的客户背景资料和房屋购买情况的数据。根据这些数据分析不同客户对户型购买的偏好。
家庭年收入与户型选择 首先研究家庭年收入与户型选择方面的关系，其中家庭年收入为行变量，分类值在1—6之间，购买户型为列变量，分类值在1—11之间。指定提取2个因子，并输出相关统计量和图形。
家庭年收入、家庭类型、户主年龄与户型选择 对应分析能够有效分析变量各类别间及两
正在加载中，请稍后...【连载10】如何用spss做最优尺度分析
上一节我们讨论了对于两组分类变量，如何通过主成分分析法进行降维，从而在一个二维的平面上直观的表现出两组变量的类别之间有什么关联。这一节我们就来讨论要怎么通过最优尺度分析来解决多组分类变量之间的关联分析。
我们首先选择菜单分析——降维——最优尺度，打开最优尺度面板，我们看到，这是个很小的面板。
首先最佳度量水平里有两个选项，所有变量均为多重标称，或某些变量并非多重标称。那么什么叫多重标称呢？多重标称的意思可以理解为就是分类变量。也就是说你的变量都是分类变量的话，那你就选第一个，如果不是的话，那就是选第二个。然后变量集的数目又有两个选项，一个集合，或两个集合。这个意思是在问你你的变量是全都放到一个集合里呢还是分开放到好几分集合里。如果放在一个集合里，那就是对应分析的简单扩展，用来分析多个分类变量的关系。如果是放在多个集合里，那就是用来分析放在不同集合的变量之间的相关性（就是在做集合与集合之间的相关分析）
最下边的选定分析里有三种分析方法。也就是最优尺度对应的三种分析方法。
多重对应分析：
如果选择所有变量为多重标称，一个集合，那么系统会自动选定为多重对应分析。
打开定义。我们想要分析员工规模（四分类），高新（二分类），年销售量（七分类），资产总额（七分类）选入到了分析变量。此外，如果有变量被选入补充变量和标记变量，（可以为数值变量哦）。那最后的分析图里并不会显示出这些变量（计算的时候也不会考虑它的影响），但是计算辨别度量的时候会有它。建议使用几个变量来回操作实验，观察生成的图表的不同，相信可以更好的掌握这种方法（不过一般就不使用它俩啦嘿嘿）。
在分析变量下边还有一个定义变量权重。一般默认为1。有需要可以自己设定。离散值选项卡是用来离散原来的数值变量的，这个一般我们也用不到，通常我们输入数据的时候已经是分好类了对吧。如果是需要离散的，那就默认离散就可以了。然后我们看缺失选项卡。
缺失选项卡里一共给出了三大类方案，默认的是排除缺失值，量化后为相关性规因（也就是估算），众数。也就是把含缺失值得个案视为补充对象，并给他们估算值。选项对话框和输出对话框也不用管，然后看下边图里边的变量，把这四个变量全选到联合类别图的框框里就可以了。（总算出来一个不是默认的。）
输出结果里迭代历史记录不重要，略过。看模型汇总表。
我们的两个惯量相加等于总计，说明我们的所有变量和维数的关系十分亲近。我们的多重对应还是比较合理的（多重对应分析没有p值可以看的）。
点联合图就蛮重要的了。我没有在这张图上加辅助线，但是可以大概看出来那些点比较接近，那些点又比较疏远，这个和简单对应分析是类似的，也就不多说了。（双击散点图，在图形编辑里边调整坐标的初始值，在行和列的0.0处加辅助线。然后这张图就会别分成四大块了。中心点就是（0,0）。那么在这张图上边就会有两类不同图形的点点，比如圆形表示年龄段的分类，三角表示喜爱程度。在小图形附近还会标注清楚每个小图形对应那个程度。那么这个图怎么看呢？
首先四个大块就直观的告诉我们那些点和那些点距离比较近了。比如代表20岁到40岁的点和非常喜爱的点靠的很近，那么就可以认为20岁到40岁的人会非常喜爱这个产品。这是最基本的一个信息。此外我们可以通过辅助线来进一步解释这张图。比如，我们找到代表非常喜爱的这个三角形，然后把这个点和（0,0）的中心点连线，连出一条直线来。然后把所有的小圆点向这条线做垂线。就是代表每个年龄段的小圆点都引一条垂线出来，垂点落到原来的那条直线上。假如我们分四个年龄段的话，那我们现在就有四个垂点啦。然后我们比较这四个垂点离代表非常喜爱的那个三角形的距离。注意，比较的是垂点哦。垂点离三角形越近，也就是说该年龄段的人越容易表达出非常喜爱哦。因为是垂点，所以从图上看离得比较远的两个点未必就关联程度比较低哦。
同样的道理，我们也可以做出同一年龄段的人更容易喜爱还是不喜爱这个产品的直线图。总之散点图可以很直观的解释信息哦。
辨别度量表则是一个新的表。这个表和类别点联合图相似，夹角越小则这两个变量越相关。离得越近表示越相似。
分类主成分分析：
选择并非所有的变量为多重标称，一个集合，点击定义，打开分类主成分分析主面板。我们选择了四个连续变量在分析变量里。点开定义度量和权重面板。默认的是有序样条，2,2，如果是分类变量的话，也是默认的这样，也就是说连续变量和分类变量系统是不区分的。好吧，我真的不知道什么叫样条，不过姑且就默认着吧！其他一切默认。
结果图主要就是模型汇总图和成分负荷图。
这张图告诉我们两个维数可以累积解释变量的78.813%，相当的不少了。
这个图则告诉我们主成分和变量之间的关系。两个维数就是两个主成分。告诉我们每个变量在每个主成分里的相关性，又告诉我们变量之间的相关性。由于涉及到连续变量，所以主成分分析和因子分析是非常相似的。
非线性典型相关分析：
选择多个集合（不管有没有变量不是多重标称的），点定义，就会打开非线性典型相关分析主面板了。
我们的第一张里边选入员工规模和年销售额，第二张选入r01和r02。这个每个变量都需要手动设定范围和类型，范围就是设定你的变量的最大值。注意，这里最小值已经默认为了1，而且不可更改，也就是说你的变量里的分类值不能有0。我们通常喜欢用0,1来标记二分类变量，但是注意在这里是不行的。另外类型的话序数就是带有实际递进性质的数值，比如员工规模小，中，大啊。单标定就是简单名义尺度，多标定就是多重名义尺度。而离散数就是有序等距数值，比如年龄。注意在非线性典型相关里至少要设定两个块（block）才可以做分析的。
继续，选项里勾选类别坐标。确定。输出结果主要看类别坐标图。
注意看这张图可以分析出r01与员工规模的相关关系，r02与员工规模的相关关系，r01与年销售额的相关关系，r02与年销售额的相关关系。但是，不能分析r01与r02之间的关系，也不能分析员工规模和年销售额的关系。也就是说他只能分析两个集合之间的元素的关系，不能比较同一集合里的变量。另外如果有数值型变量的话，非线性典型相关也提供了成分负荷图可以用来观察两个集合里的变量的关系。
多重对应分析基本就已经写完了
（笑）。好像也没能写出太多的东西。这个模块比较复杂，所以spss规定好了大部分的选项，好像没什么可以来回倒腾的参数。好吧，也是我学艺不精，很多东西都不清楚。不管怎样，下周再见。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。