spss教程：对应分析（spss对应分析）。

对应分析一种类似于主成分分析的变量降维分析方法，主要用于定性二维或多维列联表数据的分析，与主成分分析不同之处除了分别用于定性与定360新知量数据的分析外，主成分基于的是方差分解与共享，对应分析基于卡方统计量的分解与贡献。
对应分析可以分析变量间的相关性和同一变量各分类之间的差异性或相似性，可借助图形观察对应关系，“列联表分析”可分析两定性变量间的相关性，对于进一步分析差异性和相似性就无能为力。

材料/工具

spss数据处理软件

方法

选择相关变量分别作为列表的行列变量，都是分类变量。

点击“分析”

选择“降维”点击“对应分析”。

变量“x”设为行。

变量“y”设为列。

分别设置x,y的分类范围。

点击“统计量”

全部勾选，点击“继续”。

点击“确定”，开始分析。

其中第一个即原始对应表，就是原始的二维频数分布表。接下来的是“行简要表”、“列简要表”，例如行简要表中，由对应表知，0.056=9/162。
“质量”：0.108=八除待级端北率目石落68/632，质量是基于边际频数的影响量，为行或列百分比的加权均数，值越大指将色谓艺买，对形心影响越大，即越靠近形心。

摘要：降维数至3维（因子），是因为行列2变量中分类数最小的行变量的类数4减一个的结果。
奇异值：最好翻译成特征值，解释行与列因子分的相关性。
惯量：等于各因子特征值的平方，例如0.048=0.219 x 0.219。
卡方：原始列联表的卡方检验。
“惯性比例解释”、“惯性比例累积”，解释因子的贡献率。
“置信奇异值”应该翻译成“置信特征值”，因为选择的是2维解，所以只给出两个因子的结果，标准差越小，说明点估计值越准确，因子的相关系数越小，则说明因子分解越稳定。