Python全系列 教程
3567个小节阅读:5929k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
简单对应分析是分析两个分类变量间的关系,而多重对应分析则是分析一组属性变量之间的相关性。 与简单对应分析一样,多重对应分析的基本思想也是以点的形式在较低维的空间中表示联列表的行与列中各元素的比例结构。
加载数据
(1)最优标度级别:用于指定变量的度量类型。如果所有变量为无序多分类(名义变量),则选择“所有变量均为多重名义”;如果有的变量是单分类的名义变量、有序分类变量或者离散的数值型变量,则选择“某些变量并非多重名义”。
(2)变量集的数目:设置变量集的个数。“一个集合”表示只分析一组变量间的关系;“多个集合”表示有多个变量是同一道多选题的不同答案。 (3)选定分析:显示当前选项所使用的分析方法,不可编辑。
如果需要对变量定义权重,点击分析变量窗口中的变量,定义变量权重。
点击【离散化】
离散化”对话框,在变量列表中选中某个变量后,可以在方法的下拉菜单选择离散化的方法,将不符合要求的变量进行转换。
点击【缺失】
点击【选项】
点击【输出】
点击图中【对象】
点击图中的【变量图】,选择候选人到类别图,将4个变量都选入联合类别图。
点击【确定】,在输出窗口查看结果
在个案处理摘要可以看到有效活动个案为40,缺失值个案和补充个案为0,总计和在分析使用的个案也是40。
描述统计按性别分组,男生投票人数21,女生投票人数19。
在迭代历史记录中,总共迭代次数62次,达到收敛检验值,方差有提高也有损失。
模型摘要中可以看到总共有两个维度,维度1和维度2。两个维度的克隆巴赫值都不是很大,这可能与我们的变量少有关系。
从量化候选人表中可以看到,选择于敏的频率16,赵峰频率11,李运频率13。维度1和维度2的质心坐标。
从类别点:候选人图中可看到,三位候选人离得比较远,能区别开。
类别点的联合图可以看到,有三个候选人,其中于敏候选人和性别男、90分以上挨着近。赵峰候选人和80~90分、歌舞比较近。李运和性别女比较近。
区分测量图变量量化后的值向量与对象得分维度平方相关系数,表示变量量化后与对象相关性大小。从图中可以看到投票人爱好在维度1上受较大关注,投票人性别在维度2上受较大关注。投票人成绩在维度1和维度2上都受较大关注。候选人在维度2上比维度1上受较大关注。
实时学习反馈
1. SPSS中简单对应分析是分析两个分类变量间的关系,而____则是分析一组属性变量之间的相关性:
A 多重对应分析
B 相关分析
C 基本统计分析
D 回归分析
2. SPSS中简单对应分析和多重对应分析的基本思想_____:
A 一样
B 不一样
C 不一定
D 以上都不正确
答案
1=>A 2=>A