相应分析

一、 数据预处理

我们把头发和眼睛颜色的二维列联表数据改写成如下形式,并对数据进行个案加权,以人数作为权重。

二、 相应分析

选择分析-降维-对应分析

设置变量范围,其他选择默认设置

三、 结果分析

1、总览表:

奇异值是惯量(特征值)的平方根。惯量用于说明相应分析各个维度的结果能够解释列联表中两个变量联系的程度。

卡方统计量数值为0,说明头发颜色和眼睛颜色之间存在显著的相关性。

前两个维度解释了总信息的99.6%,从而认为用两个维度就可以解释行列变量之间所有的关系。

2、行、列点的总览表:

大量表示行、列变量中每个类目的边际概率。维度中的分数则是行、列点在两个维度的坐标(SPSS称为得分)。

惯性即每个行点与行重心的加权距离的平方。而行惯量为行点与行重心的加权距离平方和,即0.230=0.026+0.060+0.020+0.125。

比较表行点总览和表列点总览的总惯量,可以发现行惯量与列惯量相等。贡献项有两个部分,分别是行变量的每个类目对维度(公共因子)特征值的贡献,每一个维度对每个类目的特征值的贡献。

3、相应分析图:

由图可知,金色和红色头发的人常常拥有蓝色或者淡蓝色的眼睛;深红色头发的人眼睛颜色常是深蓝色的;褐色头发的人一般对应浅蓝色眼睛。

[SPSS]相应分析的SPSS实现——基于头发和瞳孔颜色的相应分析实例相关推荐

  1. [Python人工智能] 二十二.基于大连理工情感词典的情感分析和情绪计算

    从本专栏开始,作者正式研究Python深度学习.神经网络及人工智能相关知识.前一篇文章分享了CNN实现中文文本分类的过程,并与贝叶斯.决策树.逻辑回归.随机森林.KNN.SVM等分类算法进行对比.这篇 ...

  2. 语言相关系数显著性_相关性分析在SPSS中的具体操作,一文读懂相关系数的含义及使用——【杏花开生物医药统计】...

    相关性分析介绍 生物和医学统计中,相关分析属于流程前端的探索性分析,研究变量间关系及性质,其结果在为下一步采取何种方法做出指引,为数据挖掘之前的基础工作. 相关系数的选择 相关分析之前,需要先确认变量 ...

  3. 问卷分析之SPSS相关分析、相关系数矩阵(Pearson)

    问卷分析之SPSS相关分析.相关系数矩阵(Pearson) 一般相关性检验会用到两种系数:皮尔逊和斯皮尔曼. 这两个系数的区分点就是皮尔逊研究的是连续变量,而斯皮尔曼研究的是有序变量,例如大一.大二. ...

  4. 泰坦尼克号Titanic生存分析(SPSS、R)

    目录 泰坦尼克号Titanic生存分析 查看数据基本信息 分析查看其它因子下的存活率情况: 缺失值处理 相关性分析 建立Logistic模型 模型改进 在上述分析的基础上使用其他模型(SVM.随机森林 ...

  5. arcgis交通可达性分析步骤_【规划广角】街道慢行品质的多维度评价与导控策略——基于多源城市数据的整合分析...

    欢迎点击以上蓝色字体 关注规划师杂志 作者苏州规划设计研究院交通所所长.同济大学建筑与城市规划学院博士研究生樊钧,同济大学建筑与城市规划学院硕士研究生唐皓明,同济大学建筑与城市规划学院助理教授.硕士生 ...

  6. SPSS(六)SPSS之回归分析衍生方法(图文+数据集)

    SPSS(六)SPSS之回归分析衍生方法(图文+数据集) 我们知道线性回归是有适用条件的 因变量的独立性 正态性 方差齐性 无极端值 自变量.因变量要有线性趋势 假如不满足以上的条件,还能做回归分析吗 ...

  7. SPSS学习系列之SPSS Modeler的功能特性(图文详解)

    不多说,直接上干货! Win7/8/10里如何下载并安装最新稳定版本官网IBM SPSS Modeler 18.0 X64(简体中文 / 英文版)(破解永久使用)(图文详解) 我这里,是以SPSS M ...

  8. spss聚类分析_【SPSS数据分析】SPSS聚类分析的软件操作与结果解读 ——【杏花开生物医药统计】...

    在对数据进行统计分析时,我们会遇到将一些数据进行分类处理的情况,但是又没有明确分类标准,这时候就需要用到SPSS聚类分析. SPSS聚类分析分为两种:一种为R型聚类,是针对变量进行的聚类分析:另一种为 ...

  9. php 集成 spss,〖SPSS Modeler〗 IBM SPSS Modeler 整合不同数据库之间的数据

    来自IBM DEVELOPERWORKS 简介 由于目前企业客户的业务量和数据量都在不断的提高,随着企业的发展,很多企业的数据存储都不局限于同一个数据库上,如果要对这些存储在不同数据库上的数据进行处理 ...

最新文章

  1. 在Linux下用gdb检测内核rootkit
  2. docker omv 防火墙_OpenMediaVault(OMV)配置Docker
  3. numpy.ndarray.reshape()torch.Tensor.reshape()与numpy.ndarray.view()torch.Tensor.view()的区别(view_as())
  4. 如果政府强制开发linux应用,Linux开发环境及应用-中国大学mooc-题库零氪
  5. 'parent.relativePath' points at no local POM
  6. C++ 通讯录管理系统实验报告
  7. tomcat应用服务器有哪些,2014年最流行的应用服务器排行榜 Tomcat第一
  8. 一套完整的直播系统开发、直播平台搭建的原理
  9. 乐动体育推荐:9款最佳编程字体
  10. 千方百剂创建账套服务器文件,千方百剂辅助工具使用手册图解
  11. 达梦disql中“pagesize”的设置
  12. 【论文复现】CBAM(2018)
  13. 圣诞节实用礼物有哪些?高性价比的蓝牙耳机分享
  14. 房地产类软件实战教程,如何写好房地产类软文
  15. 83-MongoDB介绍
  16. 新版openwrt配置vlan 拨号-局域网-iptv
  17. Tomcat之Web 应用配置
  18. Qt MetaObject 详解之二:QMeta数据以及数据结构信息
  19. Ubuntu14.04 LTS更新源
  20. C语言中关于向函数中传入结构指针的易错点及解决方案

热门文章

  1. Web前端 font-awesome 图标组件(logo)使用
  2. 牛腩新闻发布系统 (三)走进存储过程
  3. 简单数学--排列之全排错
  4. HTML英文缩写大全,外国人常用的英文缩写大全
  5. cf的游戏服务器在哪些位置,cf游戏服务器架构
  6. 无线路由器WDS桥接实现无线局域网覆盖扩展
  7. 租用美国服务器 解决java延迟_如何降低美国服务器延迟?美国服务器延迟多少算正常?...
  8. 支付宝违章处理服务器维护中,支付宝处理交通违章多久能消掉?如何处理?
  9. 如何做一个基于微信共享停车位小程序系统毕业设计毕设作品
  10. 买iPhone12首发还用抢?有钱就行!Python抢购脚本