对应分析联合分析SPSS

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GSS93subset, sav分析父亲受教育程度和木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GSS93subset, sav数据进行对应分析，依次点选分析今降维+对

应分析，进入对应分析对话框，做如下图所示的设置，得到所需耍的结论。

圍对应表(2)
園行点概览(5)
列点概览(y
□对应表的排列(E)
排列的最大维挱(y).:1

H行轮郾表(2)

S倍统计量---------------------

_行点必)□列点必

组续j取消^帮助

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5H对位表(CorrespondenceTable)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行简要表和表5-3列简要表为在统计量(Statistics)对话框中选择行轮廓表(Rowprofiles)和列轮廓表(Columnprofiles)交由程序运行的結果。

维数	奇异值	惯衆	卡方	Sig.	惯量比例		置信奇异值
					解释	累积	标准差	扣关
								2
1 2 3 4 总计	.400 .1 .047 .006	.160 .027 .002 .000 .1	228.193	• 00(/	.846 .142 .012 .(XX) 1.000	.846 .988 1.000 1.000 1.000	.025 .026	.256

a.16自由度

表5-4摘要表(Summary)给出了总惯量(Inertia)、卡方值(ChiSquare)及每一维度(公共因子)所解释的总惯量的百分比(Proportionof Inertia)的信息。可知 总惯量为0.1,卡方值为228. 193,有关系式：228.193=0. 1*1205,由此可以清楚地看到总惯量与卡方值的关系，同吋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今统计量中行点概览、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(Scorein Dimension)是各维度的分值，也就是行与列各状态在二维图屮的坐标值。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0.1,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Juniorcollege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，

a.对称标准化

a.对称标准化

图5-1为父亲学历各状态与本人学历芥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允生和本科生，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相同，k奋高于父亲受教育程度的趋势。

行和列点

对称的柘准化

1.5-	女 Father's Highest Degree

ORsHighest Degree

1.0-

Graduate

loo-	0.5—	Less than HS	★
		O	Bachelor
		LT Hgh School	★
			O Graduate O
		★
			Bachelor
			Junior College

--------★--------------------

Highschool
O
HighSchool
•0.5— O*
Juniorcollege

•1.0-

•1.5-

■1.5

•1.0

•0.5

0.0

0.5

1.0

1.5

维数1

母亲受教育程度和本人受教育程度之间的关系:

对应表

R's Highest Degree	Mother's Highest Degree
	LTHigh School	High School	Junior College	Bachelor	Graduate	有效边际
Less than HS High school Junior college Bachelor Graduate 有效边际	169 286 25 37 23 540	40 374 41 133 56 4	2 13 6 15 5 41	3 33 11 34 15 96	2 8 1 10 8 29	216 714 84 229 107 1350

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

始数据中奋150条记录奋缺失。

摘要

总计

.195

263.557

.000a

1.000

1.000

由摘要表可知总惯量为0.195，卡方值为263.557，奇异值(SingularValue) 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和关系数，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，类似于因子分析屮公共因子解释能力的说明。

行和列点
对称的标准化

1.5- 1.0- 0.5— 维 数0CT •0.5- -1.0- •1.5-

-1.5 O Mothers Highest Degree ★ Rs Highest Degree

维数1

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，专科和本科比较冇可能划为一类，而研究生、中学以下、中学则各自成为一类；对于木人的学历来说，则是专科、木科、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屮学学历，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、专科的可能性较人。

综合上述父亲受教育程度对木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耍弱一点，本人的

最高学历冇可能会低于母亲的，在母亲的最高学历为硕士时，本人的最高学历最有可能是木科。考虑到母亲对木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耍超过父亲的心态，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：

行和列点
对称的标准化

	LT High School 9(J LT High School Graduate 9 Bachelor 9 Graduate Bachelor a Junior College a 9 Junior College ww High School high School a 9 w.taodocs.c I I •10 12	Father’s Highest Degree 9
		Mother's Highest Degree

维数1

图5-3

由于许多信息在上面的分析中已经冇所展示，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，或者同时为中学，受教育程度高一些为专科、本科、硕士的则没有那么明晰的界限。综合考虑上述父母受教育程度对本人受教育程度的影响，可以推测父母受教育程度高的本人的受教育程度也高，所以父母亲的受教育程度在专科、本科、硕士的组合的情况下对本人的受教育情况影响是比较好的。而从现实的角度来看，受教育程度差别太大的两个人走到一起的可能性也是比较小的，这中间存在着思维、价值观等多方面的不一致的问题，所以经历相似且比较志同道合的人最终生活到一起的概率还是比较大的。