对应分析联合分析SPSS

1、一、实验目的及要求：1、目的用SPSS软件实现对应分析、联合分析及其应用。2、内容及要求用SPSS自带数据GSS93 subset.sav分析父亲受教育程度和本人受教育程度的关系，母亲受教育程度和本人受教育程度之间的关系以及父亲、母亲受教育程度之间的关系。二、实验方法与步骤:利用SPSS对GSS93 subset.sav数据进行对应分析，依次点选分析à降维à对应分析，进入对应分析对话框，做如下图所示的设置，得到所需要的结论。三、实验结果与数据处理：父亲受教育程度和本人受教育程度的关系：表5-1 对应表R's Highest DegreeFather's Hi

2、ghest DegreeLT High School High School Junior College Bachelor Graduate 有效边际dimension0Less than HSigh school 308248114322632Junior college 293427375Bachelor 457984727206Graduate 25373181699有效边际56342525121711205表5-1对应表(Correspondence Table)是由原始数据按Degree与Padeg分类的列联表，可以看到观测总数n=1205而不是原始数据观

3、测个数1500，这是因为原始数据中有295条记录有缺失。表5-2 行简要表Rs Highest DegreeFathers Highest DegreeLT High School High School Junior College Bachelor Graduate 有效边际dimension0Less than HS .808.140.005.031.0161.000High school .487.392.017.068.0351.000Junior college .387.453.027.093.0401.000Bachelor .218.383.039.228.1311.000G

4、raduate .253.374.030.182.1621.000质量.467.353.021.100.059表5-3 列简要表R's Highest DegreeFather's Highest DegreeLT High School High School Junior College Bachelor Graduate 质量dimension0Less than HS .277.064.040.050.042.160High school .547.584.440.355.310.524Junior college .052.080.080.058.042.062Bac

5、helor .080.186.320.388.380.171Graduate .044.087.120.149.225.082有效边际1.0001.0001.0001.0001.000表5-2 行简要表和表5-3 列简要表为在统计量(Statistics)对话框中选择行轮廓表(Row profiles)和列轮廓表(Column profiles)交由程序运行的结果。表5-4 摘要维数奇异值惯量卡方Sig.惯量比例置信奇异值解释累积标准差相关21.400.160.846.846.025.2562.164.027.142.988.0263.047.002.0121.0004.006.000.000

6、1.000总计.189228.193.000a1.0001.000a. 16 自由度表5-4摘要表(Summary)给出了总惯量(Inertia)、卡方值(Chi Square)及每一维度(公共因子)所解释的总惯量的百分比(Proportion of Inertia)的信息。可知总惯量为0.189，卡方值为228.193，有关系式：228.193=0.189*1205，由此可以清楚地看到总惯量与卡方值的关系，同时说明总惯量描述了列联表行与列之间总的相关关系。奇异值(Singular Value)反映的是行与列各状态在二维图中分值的相关程度，实际上是对行与列进行因子分析产生的新的综合变量的典型相

7、关系数，其在取值上等于特征值得平方根。Sig.是假设卡方值为0成立的概率，表注表明自由度为(5-1)*(5-1)=16，Sig.值很小说明列联表的行与列之间有较强的累积百分比，类似于因子分析中公共因子解释能力的说明。表5-5 概述行点和表5-6 概述列点为对应分析对话框à统计量中行点概览、列点概览选项对应输出的结果，是对列联表行与列个状态有关信息的概括。其中，质量(Mass)部分分别指列联表中行与列的边缘概率。维中的得分(Score in Dimension)是各维度的分值，也就是行与列各状态在二维图中的坐标值。惯量是每一行(列)与其重心的加权距离的平方，可以看到，它们都为0.189

8、，即行剖面的总惯量等于列剖面的总惯量。贡献部分是指行(列)的每一状态对每一维度(公共因子)特征值的贡献及每一维度对行(列)各个状态的特征值的贡献。由此可以更好地理解维度的来源及意义，如第一维度中，Bachelor对应的数值最大为0.406，说明Bachelor这一状态对地第一维度的贡献最大。在表的最后部分维度对个状态特征值的贡献部分，看到除了High school和Junior college外，各最高学历的特征值的分布均集中在第一维度上，说明第一维度反映了最高学历各状态大部分的差异，这实际上相当于因子分析中对共同度的分解。表5-5 概述行点aR's Highest Degree质量维

9、中的得分惯量贡献12点对维惯量维对点惯量1212总计dimension0Less than HS .160-.998.652.075.399.416.851.1491.000High school .524-.165-.305.014.036.298.417.582.998Junior college .062.127-.512.003.003.100.127.845.972Bachelor .171.976.321.069.406.108.948.042.990Graduate .082.874.395.029.157.078.875.073.949有效总计1.000.1891.0001.0

10、00a. 对称标准化表5-6 概述列点aFather's Highest Degree质量维中的得分惯量贡献12点对维惯量维对点惯量1212总计dimension0LT High School .467-.608.188.072.432.100.963.0371.000High School .353.269-.509.025.064.559.406.593.999Junior College .021.786.007.005.032.000.965.000.965Bachelor .1001.019.476.046.261.139.901.080.981Graduate .0591.

11、199.749.040.211.202.838.134.971有效总计1.000.1891.0001.000a. 对称标准化图5-1为父亲学历各状态与本人学历各状态同时在一张二维图上的投影。在图上既可以看到每一变量内部各状态之间的相关关系，又可以同时考察两变量之间的相关关系。可以看到，父亲的受教育程度对孩子的受教育程度还是比较有影响的，父亲受教育程度高，则孩子的受教育程度高的概率还是挺大的。在图中，父亲最高学历为本科时，孩子的最高学历比较可能为研究生和本科生，而父亲的受教育程度为中学的情况下，孩子的受教育程度比较可能为专科。所以由此看来，比较可能的情况是：孩子的受教育程度至少与父亲的受教育程度

12、相同，且有高于父亲受教育程度的趋势。 图5-1母亲受教育程度和本人受教育程度之间的关系：由对应表可以看到观测总数n=1350而不是原始数据观测个数1500，这是因为原始数据中有150条记录有缺失。由摘要表可知总惯量为0.195，卡方值为263.557，奇异值(Singular Value)反映的是行与列各状态在二维图中分值的相关程度，实际上是对行与列进行因子分析产生的新的综合变量的典型相关系数，其在取值上等于特征值得平方根。Sig.是假设卡方值为0成立的概率，表注表明自由度为(5-1)*(5-1)=16，Sig.值很小说明列联表的行与列之间有较强的累积百分比，类似于因子分析中公共因子解释能力的

13、说明。 图5-2图5-2为母亲学历各状态与本人学历各状态同时在一张二维图上的投影，可以看到，单对于母亲的学历而言，专科和本科比较有可能划为一类，而研究生、中学以下、中学则各自成为一类；对于本人的学历来说，则是专科、本科、研究生为一类，而中学和中学以下各自成一类。综合考虑两者的相互影响，我们可以看到母亲是本科学历的，本人最有可能是本科，母亲是中学学历的，本人的最高学历也倾向于是中学学历，且母亲的最高学历是专科和本科时，本人的最高学历为本科、硕士、专科的可能性较大。综合上述父亲受教育程度对本人受教育程度的影响，我们可以合理地推测：父亲对本人的影响是很有作用的，因为本人的最高学历至少与父亲相同，且有高于父亲最高学历的趋势，而母亲受教育程度的高低对本人的影响相对要弱一点，本人的最高学历有可能会低于母亲的，在母亲的最高学历为硕士时，本人的最高学历最有可能是本科。考虑到母亲对本人的影响力涉及生活、为人处世的许多方面，而父亲的威严在学历方面对本人的影响力可能更大一些，加上本人尤其是男孩的话都有一种想要超过父亲的心态，所以有上述的结果还是比较合理的。父亲、母亲受教育程度之间的关系：图5-3由于许多信息在上面的分析中已经有所展示，所以此处主要分析父母亲学历投影的二维图（图5-3）。从图中我们可以看出父母亲受教育的程度在中学是一个分水岭，父母亲受教育程度比较可能同是中学以下，或者同时