SPSS分类分析举例

案例S—007：SPSS Categories 决策应用举例

1SPSS可以进行多维偏好分析(MDPREF)。这个经典的案例中，Roskam向您介绍了39个专业心理学家对10种心理学刊物的偏好分等评价。在典型的市场研究中可以用于品牌评价。

2．分析多维分类数据

这个例子对两种多维分类数据的逼近分析进行对比。第一种方法把问题转换为一个二变量问题，以便进行对应分析(CORRESPONDENCE)。第二种方法把多变量分解数据直接输入到HOMALS。两种逼近方法都对大型多维表格中的从属性进行分析。

3

对应分析可以用于市场分段。本例对几种进行市场分段的SPSS

CORRESPONDENCEHOMALS逼近方法进行对比。

4本例介绍了一种用对应分析作出的品牌映象。假设您对一类产品中几种品牌之间的关系及描述这些品牌的各种属性感兴趣。您可以向品牌评定者提供一个品牌列表，让他们核对描述这些品牌的属性。

5．一个Catreg的例子

SPSS Catreg可以发现最优拟合的转换变量。这里是一个例子。

6

本例更深入地描述了SPSS对应分析过程，并和其它对应分析商业软件包进行比较。

1．SPSS Categories 举例：偏好映象

您可以用SPSS进行多维偏好分析(MDPREF)。

在这个典型的数据案例中，Roskam向您介绍了39个专业心理学家对10种心理学刊物的偏好分等评价。在典型的市场研究中可以用于品牌评价。

这里是原始数据的一部分：

图一

上表中，行表示评定者(39个心理学家)，列表示要评定的刊物。“1”代表高评价，“10”代表低评价。这些刊物是：

1)JEXP Journal of Experimental Psychology (实验心理学杂志)

2)JAPP Journal of Applied Psychology (应用心理学杂志)

3)JPSP Journal of Personality and Social Psychology (性格心理学杂志)

4)MVBR Multivariate Behavioral Research (多元行为研究)

5)JCLP Journal of Consulting Psychology (咨询心理学杂志)

6)JEDP Journal of Educational Psychology (教育心理学杂志)

7)PMET Psychometrika (心理测量学)

8)HURE Human Relations (人类关系)

9)BULL Psychological Bulletin (心理学公告)

10)HUDE Human Development (人类发展)

最右边一栏代表评定者的专长

1)s Social Psychology (社会心理学)

2)d Developmental and educational psychology (发展和教育心理学)

3)c Clinical psychology (临床心理学)

4)m Mathematical psychology and psychological statistics (数学心理学和心理学统计)

5)e Experimental psychology (实验心理学)

6)r Cultural psychology and psychology of religion (文化和宗教心理学)

7)i Industrial psychology (工业心理学

8)p Physiological and animal psychology (生理和动物心理学)

为了进行MDPREF分析，需要对数据进行设置，使行代表要评定的对象，列代表评定者。下面是转换后的文件的一部分：

图二

现在可以进行MDPREF分析了。可以使用SPSS因子分析(FACTOR)过程的主成分分析，或者是SPSS Categories PRINCALS过程的“非线性”主成分分析。如果使用因子分析，分等当作数字得分来处理。如果使用SPSS Categories，则可以把分等视为数字或顺序数据。 SPSS FACTOR中的MDPREF数字

这里是两成分方案因子分析的部分结果。下面是由分析得来的对象得分，按刊物名称标注。

图三

这些刊物表现为以下分组：

1)一个“硬”组，包括JEXP，PMET，MVBR，JAPP，或许BULL

2)一个“发展”组，包括JEDP和HUDE

3)一个“软”组，包括JPSP，JCLP和HURE

可以把这些刊物当作圆形结果布局来查看，JAPP位于中央。

下面是对39个心理学家的成分加载：

图四

这些应该当作矢量或方向来观察，给出了1-10分等的含义(1为最偏爱，10为最不偏爱)，在最不偏爱方向的矢量点。比如，观察“d”组，在图表的左下角包括7个发展和教育心理学家。这个方向和位于图三右上角的两个“发展刊物”相对立。为了避免这种“相反”，可以对分等重新编码，在分析之前使高得分代表高偏爱程度。

SPSS Catpca中的MDPREF数字方案

Catpca (Categorical Principal Components Analysis，分类主成分分析)是Princals的增强。您可以在Princals或Catpca中重复因子分析。这里对分等按照考虑进行了重新编码。 下面是对象图表：

图五

下面是成分加载图表：

图六

注意两个问题：

1）这个图表把成分加载描述为矢量

2）和上面的图表方向相反，因为分等被重新编码，使高得分代表高偏爱程度。

最后给出对象和成分加载的并列双图：

图七

二维数字方案占总方差的56%。

图八

SPSS Catpca中的MDPREF顺序方案

非线性主成分分析把偏好当作顺序数据，这样可以做出更好的拟合。

下面是按顺序数据定义的对象图表：

图九

在顺序方案中，JAPP更接近于“硬”组，JEDP从HUDE附近移到中央。

下面是成分加载图表：

图十

相对于前面所述的数字方案，顺序成分图表中的矢量更长，相同的长度更加突出，意味着拟合性更好。一些簇更紧密，如发展和教育心理学家(d)。

下面是双图：

图十一

最后结果说明，总的拟合情况更好：二维顺序方案占总方差的大约82%。

2．SPSS Categories 举例：分析多维分类数据

本例对多维分类数据的两种逼近分析方法进行对比。第一种方法把问题转换为一个二变量问题，以便进行对应分析(CORRESPONDENCE)。第二种方法把多变量分解数据直接输入到HOMALS。两种逼近方法都对大型多维表格中的从属性进行分析。

下表表示了与性别和年龄组有关的自杀方式统计数据。

很自然，自杀方式可以当作响应变量，性别和年龄组当作背景变量。但是，对应分析分析并不区分背景变量和响应变量，而且是一个二变量方法。在这种情况下，可以采用下面两种方法之一：

1、通过交叉背景变量分类建立一个“交互作用”变量，然后在CORRESPONDENCE中分析结果表格。

2、在HOMALS中分析这三个变量。

1)对应分析逼近

如果遇到印刷的表格数据，可以在合计表(aggregate form)中输入。如：

单元计数在FREQ中进行，并且用FREQ为分析加权。

下一步，建立合并性别和年龄分段的“交互作用”变量。

现在，就有了用于分析的两个变量，即性别-年龄(sex-age)变量和自杀方式(suicide method)变量

下面是CORRESPONDENCE摘要表格的一部分：

可以看到，二维方案占方差的大约93%。

下面为使用对称正态化的行列点联合图表：

维度1表示一个明显的性别对比，左边为每一年龄的男性组，右边为女性组。维度2把年龄分组，上部为高龄组，下部为低龄组。联合图表中，自杀方式放置在同一空间。下面为从图中看出的一些趋势：

a)高龄女性和溺死(drown)在同一方向

b)高龄男性和上吊(hang)在同一方向

c)中龄女性和跳楼(jump)在同一方向

2)齐性分析逼近

作用另一种方法，也可以在HOMALS中 …… 此处隐藏：3005字，全部文档内容请下载后查看。喜欢就下载吧 ……