多元统计分析对应分析实验报告

1、多元统计分析实验报告课程名称多元统计分析实验成绩实验内容对应分析指导老师姓名专业班级一.实验目的对应分析又称为相应分析，它研究的两组离散随机变量之间的关系，这些 变量为定性变量。本次实验目的为练习对应分析，熟练其操作步骤，并对结果进 行说明。二实验数据本文利用表2j的数据进行分析。其中，表24北京老龄化数据生活自理能力完全自理部分自理不能自理合计自评健康状况很好129148151好931146961173一般66011674850差25110481436很差1172341没回答15132452合计19974003062703将表2-1数据保存为对应分析数据形式，如表2-2所示。其中selfas

2、sess （自评健康状况）的六个水平由6分别为很好好一般差很差 没回答 ;independence （生活自理能力）的三个水平由1-3分别为完全 自理部分自理 不能自理 ；frenquency （频数）为各个水平下的人数，在 接下来的分析中,会据其对变量进行加权再做分析。表22对应分析数据（北京老龄化数据）self assessindependentfrenquency1112912141382193122146239631660321163374412514210443815111527532361156213三.实验过程在spssl6.0软件中,对表2-2数据做对应分析。首先应对个案进行加

3、权操作。选择【date】weight cases,岀现表3 对话框。选择frequency作为加权，如图3-1所示。图加权个案veight cases自评傩康状况selfasse|生话自理能力indepencl.tq« do not weight casesweight cases byfrequency variable:frequencycurrent status: weight cases by frequency| easte reset | cancel | help 对个案加权后，开始做对应分析。选择analyze date reduction corespondenc

4、e analysis z 会出现图 3-2 对话画框。图32对应分析对话框接下来对行变量和列变量进行设置。将selfassess （自评健康状况）选入 row，作为行变量，并选择define range,填写范围后点击update continue,如图3-3所示;按同样的步骤，将independence （生活自理能 力）选入column （列变量）,并设置列变量，如图3-4所示;最终设置结果如 图3-5所示。图33行变量设置图3-4列变量设置图3-5对应分析设置结果点击0k】，便可得到对应分析结果。!1!实验过程表4-1为对应分析的版本信息。图中显示为1.1版本。表44对应分析版本信息cr

5、editcorrespondenceversio n 1.1bydata theory scaling system group (dtss)faculty of social and behavioral sciencesleiden university, the netherlands表42是列联表,列示了在各个水平下的人数。表42列联表correspondence table白评燎康状况生活自理能力完全自理部分自理不能自理active marain很好12914e：151好931146961173一般66011674850差25110481436很差1172341没回答1513028a

6、ctive margin19974002822679表4-3为对应分析总述表。表中显示了奇异值（singular value ）,第一个 维度的奇异值为0.253 ,第二个维度的奇异值为0.125 ;惯量（inertia ）为特征 根 就是奇异值的平方；chi square值为212.593是总样本数除以总的inertia 觉原假设，认为两个随机变量不是相互独立的，本例中就是自评健康状况和生活 自理能力不是相互独立的；贡献率（accounted for）显示，第一个维度解释了 总变异的80.4% ”第二个维度解释了 19.6% ,两个维度解释了所有的变异；接 下来依次为累计贡献率（cumula

7、tive 奇异值的方差（standard deviation 奇异值的相关系数（correlation x表43对应分析总述表summarya. 10 degrees otfreedom表4-4为行变量指标。其中mass就是自评健康状况各个水平的选择比例； score in dimension为自评健康状况在各维度上的得分，此得分就是行列得分 图的 wo inertia为总惯量在各类别的分配。从惯量指标可以看岀，很差"、差 这两类水平对总惯量的贡献最大，分别有0.035、0.025的惯量，总惯量仅有 0.079 ;从组成(contribution )中 of point to ine

8、rtia of dimension 中可以 看出,第一个维度主要反映了 很差 48.4%、差"35.6%等类别，第二个维 度主要反映了 没回答 54.5%、很差"25.8%、差 14.7%等类别，而从 of dimension to inertia of point 可以看岀，类别很好"、好“、"一般"、“差、 很差主要反映在第一维度上，反映在第一维度上的信息占其各自总反映信息 的90%左右，类别"没回答主要反映在第二维度上，反映在第二维度上的信 息占其总反映信息的98%。表44行变量指标overview row points'

9、;自極状 flmassscore in dimensioninertiacontribution12ofpointto inertia of dimensionof dimension to inertia of point1212total很好.056-.479-.209.004.051.020.914.0861.000好.438-.213-.090.005.079.028.919.0811.000一般.317-.147-.025.002.027.002.986.0141.000差.163743.336.025.356.147.908.0921.000很差.0152.8281.449.035

10、.484.258.885.1151.000没回答active total.0101.000.2592.551.009.079.0031.000.5451.000.020.9801.000a. symmetrical normalization表牛5为列变量指标。其中mass生活自理能力各个水平的选择比例score in dimension为生活自理能力在各维度上的得分，此得分就是行列得分图的坐 标。inertia为总惯量在各类别的分配。从惯量指标可以看岀不能自理这类 水平对总惯量的贡献最大，惯量为0.046 ,总惯量为0.079 ,其解释了 50%以上 的总惯量；从组成(contributio

11、n )中 of point to inertia of dimension 中可 以看出，第一个维度主要反映了 完全自理"21.3%、不能自理 66.6%等类 别，第二个维度主要反映了 部分自理 73%、不能自理"22.8%等类别,而 从of dimension to inertia of point可以看出，类别"完全自理"、"不能自理"、 主要反映在第一维度上,反映在第一维度上的信息占其各自总反映信息的90% 以上，类别部分自理主要反映在第二维度上，但是其反映在第二维度上的信 息和第一维度的信息量差别不大z第二维度上反映了 59.

12、7%的信息”第一维度上反映了 403%的信息。表45列变量指标overview column points3生活眸 力massscore in dimensioninertiacontribution12ofpointto inertia of dirnensionofdimension to inertia of point1212total745-.26983.014.213.041.955.0451.000韵as.149.451.781.019.120.730.403.5971.000不能自理.1051.264-.520.046.666.228.923.0771.000active to

13、tal1.000.0791.0001.000a. symmetrical normalization图4-6为行列得分图，该图根据行列指标图中的各类别在各维度上的得分所 绘制。由图中可以看出,自评健康状况很好“、好、一般"，则生活自理能 力越强，越接近完全自理；而自评状况差“、则更接近于部分自理"；自 评状况为"很差、"没回答的会接近于"不能自理。图46行列得分图row and column points没回牝o生活门理能力o "ofl评他康状况cmuo-suelu-a部分门理o完全ii理s。矽很好好 一般差o不能11理很差2iiii 2-10123dime