03-2-Correspondence Analysis课件.pptVIP

对应分析是多维图示分析技术的一种，是通过进行主成分分析来描述两个或多个分类变量各水平间相关性的分析方法。 对应分析的结果主要采用反映变量间相互关系的对应分析图来表示，该图形中每一个散点代表某个变量的一个水平，有较密切关系的水平其散点将紧密地靠近在一起，从而在结果的解释上非常直观。 对应分析虽然可以揭示变量间的联系，但它不能说出两个变量之间存在的联系“是否显著”，所以只是一种“探索”性的分析 答案参照文献： 梁晓珊,马少华,何思然,等.广州市不同社会学特征居民健康素养状况对应分析.中国健康教育,2010; 26(10): 738-741. Thank You * * 05 Correspondence analysis SPSS- Analyze-Data Reduction Factor Analysis（因子分析）：最为常用的数据简化方法，用于考察多个定量变量间的内在结构，或者提取数据的主要信息。 Correspondence Analysis（对应分析）：是以数据简化的原则，力图直观地给出两个分类变量各个类别之间的联系；当各个变量的类别越多时， 该方法的优势就越明显。 Optical Scaling（最优尺度分析）：其核心目的也是力图在低维度空间表述两个或多个变量之间的内在联系，所分析的变量以分类变量为主，也可为连续变量。 当我们研究两个或多个分类变量间关系时可采用卡方分析，必要时可用对数线性模型。但当分类变量较多，或各个变量的类别较多时，以上方法就无法简单、直观地给出各分类之间的关系。 对应分析 （Correspondencd Analysis） 对应分析 简单对应分析： 用于分析两个分类变量间关系，在SPSS中可用“Correspondence Analysis”过程实现。 多重对应分析： 用于分析一组属性变量之间的关系，在SPSS中可用“Optimal Analysis”过程实现。 分类： 在图形化分析浪潮中，多维图示分析技术（感知图技术）是引人注目的一支新军，它有着漂亮的输出结果，直观的解释方法。 对应分析就是多维图示分析中的一种，该技术是“探索”和“观看”多维数据间关系的一种强有力的手段，现在已发展的比较成熟。 附表：1956-1993年某市8种常见传染病各月发病情况（例数） 7 4119 23 220 661 275 1 110 12月 15 8267 92 1413 166 2118 4 18 11月 20 6824 240 3229 331 12362 17 18 10月 25 2467 310 9839 363 28843 268 24 9月 20 1079 448 23186 720 21614 1038 12 8月 13 685 353 15126 845 10794 135 63 7月 10 387 148 3148 1716 7351 20 242 6月 8 639 31 404 3895 3507 0 2097 5月 6 512 11 176 5715 1073 0 4426 4月 8 605 14 132 8533 315 0 2558 3月 5 588 21 120 4657 60 0 1310 2月 1 984 27 113 2572 123 0 378 1月 脊髓质炎 肝炎 伤寒 痢疾 麻疹 疟疾 乙脑 流脑 月份 对应分析图： 1. 对应分析（Correspondence Analysis）： 由法国数学家P.Benzecri在1970年首次提出，在法国和日本非常流行； 是通过主成分分析来描述两个或多个分类变量各水平间相关性的分析方法； 它的分析结果主要采用反映变量间相互关系的对应分析图来表示，图形中每一个散点代表了某个变量的一个水平，有较紧密关系的水平其散点将紧密地靠近在一起，从而在结果的解释上十分的直观。 【举例】为探讨8种常见传染病季节性分布规律，收集了某市38年间这些传染病各月份发病情况资料。 7 4119 23 220 661 275 1.0 110.0 12月 15 8267 92 1413 166 2118 4.0 18.0 11月 20 6824 240 3229 331 12362 17 18 10月 25 2467 310 9839 363 28843 268 24 9月 20 1079 448 23186 720 21614 1038 12 8月 13 685 353 15126 845 10794 135 63 7月 10 387 148 3148 1716 7351 20 242 6月 8 639 31 404 3895 3507 0 2097 5月 6 512 11 176 5715