《多变量对应分析案例》
接续《二变量对应分析案例》，数据来源：《2010年坦桑尼亚人口与健康调查》；文件名称：TanzaniaRES...
接续《二变量对应分析案例》，数据来源：《2010年坦桑尼亚人口与健康调查》；文件名称：TanzaniaRESM6007.sav；下载练习地址： http://pan.baidu.com/s/1o7QHcme 密码: 53f4；
此次对应分析目的：探究参与2010年坦桑尼亚人口调查的受访者其受教育程度、居住地、婚姻状况与其肥胖程度有何关系。其中，受访者受教育程度包括none、primary和secondary or higher+三个程度（由低到高）；居住地包括urban和rural；婚姻状况包括Never married、Currently married和Formerly married；其肥胖程度包括Underweight、Normal、Overweight(Pre-obese)和Obese四个程度（由低到高）。
SPSS分析过程如下：
分析——降维——最优尺度：
分析上图，由于我们分析的变量均为分类变量，因此全部变量都进入了“分析变量”框，下面的"补充变量"框用以放置连续变量；特别需要注意的是，居住地仅有两个类型，因此点击定义变量权重后，应该填入2，其他变量的定义与之类似。更为重要的是，这种变量定义的前提：分类变量定义的第一个为“1”。举例来说，此案例原始数据变量“place of residence”原来定义的是0表示rural，1表示urban，为进行多重对应分析，栏目主重新定义了“居住地”以代替place of residence，其他变量与之类似。
至此为止，点击确认输出即可。
SPSS输出结果如下：
MULTIPLE CORRES VARIABLES=居住地 受教育程度 婚姻状况 ORD_WGHT /ANALYSIS=居住地(WEIGHT=2) 受教育程度(WEIGHT=3) 婚姻状况(WEIGHT=3) ORD_WGHT(WEIGHT=4) /MISSING=居住地(PASSIVE,MODEIMPU) 受教育程度(PASSIVE,MODEIMPU) 婚姻状况(PASSIVE,MODEIMPU)ORD_WGHT(PASSIVE,MODEIMPU) /DIMENSION=2 /NORMALIZATION=VPRINCIPAL /MAXITER=100 /CRITITER=.00001 /PRINT=CORRDISCRIM /PLOT=OBJECT(20)JOINTCAT(ORD_WGHT 居住地 受教育程度 婚姻状况) (20) DISCRIM (20).
多重对应
Version 1.0
by
Data Theory Scaling System Group (DTSS)
Faculty of Social and Behavioral Sciences
Leiden University, The Netherlands
8454
具有缺失值的活动案例
0
补充案例
0
总计
8454
分析中使用的案例
8454
60a
4.430978
.000009
7.569022
.852
4.575
.381
38.125
2
.836
4.287
.357
35.724
总计
8.862
.738
均值
.845a
4.431
.369
36.925
居住地
1.000
.273
.129
.231
受教育程度
.273
1.000
.261
.152
婚姻状况
.129
.261
1.000
-.074
ORD_WGHT
.231
.152
-.074
1.000
维数
1
2
3
4
特征值a
4.575
3.751
2.070
1.604
居住地
2
.279
.002
.140
受教育程度
3
.383
.043
.213
婚姻状况
3
.058
.325
.192
ORD_WGHT
4
.674
.795
.734
有效总计a
4.575
4.287
4.431
方差的 %
38.125
35.724
36.925
SPSS输出结果分析：
以上我把SPSS输出结果进行了删减，直接分析最为重要的判别度量图和对应分析图：由判别度量图可知，居住地和受教育程度在第二维度上区分度不高，下面的对应分析图也说明了这一点，比如拿居住地来说，rural和urban几乎都在x轴上，即rural和urban在第二维度上的纵向距离几乎为0。同理可见，受教育程度在第二维度区分度也不高。
分析不同变量间的关联程度可知，none和normal和rural有关联；urban和secondary or higher+有关联；never married和underweight距离较远，但同处于由原点射向彼此方向的连线上，因此也可以认为有些许关联；同理，formerly married和overweight有些许关联。由于primary几乎处于原点，因此它的可解释性很低，比较遗憾的是，obese远离任何点，未能将其与其他特征联系起来。
关注 SPSS案例探讨
微信扫一扫关注公众号
