日常分析中,经常会做的是研究变量间的关系,对于分类变量,常用的方法是卡方检验、Logistic模型等,但是对于分类变量很多,或者分类变量的类别很多时,用上述方法除了就会非常复杂,并且结果解释起来也不够直观,此时,可以使用对应分析加以分析。
对应分析也称为关联分析,是一种多元统计分析技术,目的在于揭示变量之间或变量各类别之间相互关系的多元统计分析方法,主要特点是可以将众多变量同时呈现在一张图表上,因此也是一种数据图示化技术。
根据分析资料的类型不同,对应分析根据数据资料的不同,分为 1.定性资料:基于频数的对应分析 2.连续性资料:基于均值的对应分析
在定性资料中,对两个分类变量进行的对应分析称为简单对应分析,对两个以上的分类变量进行的对应分析称为多重对应分析。
要注意,对应分析并没有涉及统计检验,只是通过数据变换与计算,得出每个变量在图中的坐标,并加以图表展现,因此对应分析是一种描述性统计方法。由于对应分析特别适合分类变量、定性数据的分析,加之其在图形展示上的优势,因此在市场分析领域应用很广。
一、对应分析的基本思想
由于对应分析最大优势是直观的图形展示,因此确定对应分析图中的坐标值,是该分析方法的主要工作。对应分析的基本思想是在一个两变量列联表的基础上提取信息,将变量内部各水平之间的联系以及变量与变量之间的联系通过坐标值反映在一张二维或三维的散点图上,并使关系紧密的类别点聚集在一起,而关系疏远的类别点距离较远。
那么如何确定坐标值呢?做法如下:
首先计算两变量列联表的概率矩阵P,并据此确定数据点坐标,在变量的类别较多时,数据点所在空间维数必然较高。由于高维空间比较抽象,且高维空间中的数据点很难直观地表示出来,因此最直接的解决方法便是降维。对应分析采用类似因子分析的方式分别对行变量类别和列变量类别实施降维,并以因子载荷为坐标,将行列变量的多个分类点直观地表示在对应分布图中,实现了定性变量各类别间差异的量化。通过观察对应分布图中各数据点的远近就能判断各类别之间联系的强弱。
二、对应分析的前提条件
1.对应分析的基础是列联表,因此单元格数值不能出现0或负数,如果出现则应对此变量进行处理(去除或合并到其他变量)
2.变量间要存在某种关联,如果不存在关联,则没有做对应分析的必要,通常要对数据做卡方检验来初步判断。
三、对应分析的优点与缺点 优点
1.结果直观、简单
2.适于研究较多分类变量
对应分析可以将多个分类变量的关联展示在同一张图表上表现,同时,对应分析也将名义变量或次序变量转变为间距变量。分类变量越多,这种优势越明显。 缺点
1.不能进行相关关系的假设检验,只能根据原始数据加以描述 2.维度要由研究者自行指定
3.虽然对应分析图比较直观方便,但是有时候解释起来比较困难 4.对极端值比较敏感
对应分析
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)