很难看出变量间的联系。对于这样的研究,对应分析的优势就表现得十分明显。 对应分析可以将不同职业的顾客与他们选择的不同品牌香烟同时表现在一个二维 直观图里,从而清楚地反映出哪些职业的顾客喜欢冋样的香烟品牌,哪些香烟品 牌在顾客的心目中比较相似等 (2)揭示行变量类别间与列变量类别间的联系 对应分析不但可以表现行变量与列变量之间的联系,而且可以揭示行变量类 别间与列变量类别间的联系 在社会科学研究中,经常有许多用序次变量表示的变量。例如,在对不同受 教育程度的人是否愿意做社区志愿服务人员的调查中,调查对象的意愿通常被划 分为五类:1)非常愿意;2)愿意:3)一般;4)不愿意;5)很不愿意。在调查 不同职业的人对在过去一年里收入的满意程度时,又往往会用编码:1)非常满 意:2)满意;3)一般;4)不满意:5)很不满意来表示。如果对上述变量直接 进行分析,隐含的假定是不同意愿或满意程度类别之间的差距是等距的,而实际 上很可能并不是这样。而在对应分析的分布图上,特征相似的类别会聚集到 起,差异很大的类别则相距很远,由此,我们可以区分变量的不同类别之间的差 异情况,重新调整分类,使之更加符合实际情况。 (3)将类别联系直观地表现于图形中 对应分析最大的优势是可以将所有行变量类别和列变量类别的联系直观地表 现在同一张分布图上,我们从中可以看出哪些行变量类别与列变量类别有密切的 联系,从而能够清楚地解释统计分析结果 4)可以将名义变量或序次变量转变为间距变量 以对应分析方法为基础还可以将名义变量或序次变量转变为间距变量,从而 可以应用更多的传统统计方法分析含有这样变量的调查数据。 然而,在看到对应分析方法的优点的同时,也不能忽略它的局限性 5.对应分析方法的局限性 (1)不能用于相关关系的假设检验 对应分析只是一种描述性的统计分析方法,它虽然可以揭示变量间的联系 但不能用于相关关系的假设检验。例如,它不能说明两个变量之间存在的联系是 否显著。如果你所作分析的主要目的是量化变量之间的联系,那么就要用Lag linear等其他统计方法。 (2)维度要由研究者决定 对应分析是一种减少维度的方法,在分析过程中,到底用几维进行分析需要