对应分析方法与对应图解读方法

对应分析方法与对应图解读方法——七种分析角度

对应分析是一种多元统计分析技术，主要分析定性数据Category Data方法，也是强有力的数据图示化技术，当然也是强有力的市场研究分析技术。

这里主要介绍大家了解对应分析的基本方法，如何帮助探索数据，分析列联表和卡方的独立性检验，如何解释对应图，当然大家也可以看到如何用SPSS操作对应分析和对数据格式的要求！

对应分析是一种数据分析技术，它能够帮助我们研究由定性变量构成的交互汇总表来揭示变量间的联系。交互表的信息以图形的方式展示。主要适用于有多个类别的定类变量，可以揭示同一个变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系。适用于两个或多个定类变量。

主要应用领域：

概念发展（Concept Development)

新产品开发(New Product Development)

市场细分(Market Segmentation)

竞争分析(Competitive Analysis)

广告研究(Advertisement Research)

主要回答以下问题：

谁是我的用户？

还有谁是我的用户？

谁是我竞争对手的用户？

相对于我的竞争对手的产品，我的产品的定位如何？

与竞争对手有何差异？

我还应该开发哪些新产品？

对于我的新产品，我应该将目标指向哪些消费者？

数据的格式要求

对应分析数据的典型格式是列联表或交叉频数表。常表示不同背景的消费者对若干产品或产品的属性的选择频率。背景变量或属性变量可以并列使用或单独使用。

两个变量间——简单对应分析。

多个变量间——多元对应分析。

案例分析：自杀数据分析

上面的交互分析表，主要收集了48961人的自杀方式以及自杀者的性别和年龄数据！POISON（毒药）GAS（煤气）HANG（上吊）DROWN（溺水）GUN（开枪）JUMP（跳楼）（我们就不翻译成中文了，读者可以把六个方式想象成品牌或别的什么）

当然，我们拿到的最初原始数据可能是SPSS数据格式记录表，

其中，性别取值1-male 2-female，年龄取值1-5，分别表示不同年龄段。

要回答的问题是：

1-不同性别的人在选择自杀方式上有什么差别？

2-不同年龄的人在选择自杀方式上有什么差别？

3-不同性别年龄的人在选择自杀方式上有什么差别？

我们首先，把性别字段乘上10加上年龄字段生成新字段sexage，取值是11-15，21-25，然后分别用M/F和年龄组中值代表Sexage字段的变量值标，这样我们就可以进行简单对应分析了！

现在问大家，如果你看到上面的6×10的矩阵-列联表，你能看出什么差异？

现在我们采用SPSS软件进行对应分析！

（我现在用的是SPSS17.0多语言版本，前两天听博易智讯的人说，现在SPSS已经有18.0版本了，不过从对应分析方法角度我还是希望用11.5版本，因为可以自己拆分重新组合修改图形，现在的版本是图片了，不能随心所欲的修改，不爽！）

分别定义好行列变量以及它们的取值范围！

对应分析中，6×10的列联表（交互表）可以得到行列维度最小值减1的维度，我们看到第一维度Dim1解释了列联表的60.4%，第二维度Dim2解释了列联表的33.0%，说明在两个维度上已经能够说明数据的93.4%，这是比较理想的，当然我们也可以看卡方检验等！

下面我们主要解释如何解读对应图（小蚊子的博客中也有非常相似的解释，我非常欣赏他的博客）

首先对SPSS分析得到的对应图进行修饰和编辑，在零点增加两条中线！

解读方法：

1-总体观察：

我们从图上左右可以看出，左边全部是M*，男性，右边F*全部是女性，说明男女有显著差异；同时看横轴中线上方都是年龄大的，下面都是年龄小的，说明年龄有差异；这样就一目了然看出和回答了前两个问题；

2-观察邻近区域

我们从图上可以看出，老的男性比较喜欢HANG，GAS和GUN是年轻男性的偏好；老的女性比较喜欢DAWN，年轻的女性比较偏好POISON；

3-向量分析——偏好排序

我们可以从中心向任意点连线-向量，例如从中心向GUN做向量，然后让所有的人往这条向量及延长线上作垂线，垂点越靠近向量正向的表示越偏好这种方法。

记住：是垂点到GUN正向排名，从图中我们可以看出，希望GUN方法的人依次是M15、M30、M45、M60、M80、F15等等；依次类推，我们还可以从中心向任意一种方法作垂线，都可以排出每种方法选择人群的偏好次序；当然，你也可以从中心往所有的人作向量，得到每一类人在选择六种方法上的偏好排名！

你是否可以看出，F15年轻的女性对六个“品牌”的偏好吗？

4-向量的夹角——余弦定理

接着，我们可以从向量夹角的角度看不同方法或不同人之间的相似情况，从余弦定理的角度看相似性！

从图上我们可以看出，当我们从中心向任意两个点（相同类别）做向量的时候，夹角是锐角的话表示两个方法具有相似性，锐角越小越相似；也就是说，GUN和GAS是相似品牌，当如也是竞争品牌，也具有替代性，如果这次开枪没有自杀成功，下次他一定选择毒气啦；我们也看出F15和F30的人比较相似，但F15与M80就有非常大的差异了，因为如果作向量他们是钝角，几乎是平角了！

5-从距离中的位置看：

越靠近中心，越没有特征，越远离中心，说明特征越明显

从这张对应图中我们看到，有些点远离中心，有些点靠近中心，这说明什么呢？从几何空间的角度，如果我对每一人都一样的好，在规范图上我就应该站在大家的重心，也就是中心；这说明越靠近中心的点，越没有差异，（记住：没有差异并不代表不重要，只是没有差异，因为统计的技术是研究差异的技术，差异越大往往重要性就大！），越远离中心特征越明显，也就是说，如果听到一个M80的人自杀了，估计你就会想到是不是HANG 啦！

从品牌角度思考，说明越远离中的的品牌，消费者很容易识别，说明品牌特征（特色、特点）明显，越靠近中心的品牌，消费者不易识别，也说明你的品牌定位没有显著可识别的特征，没有差异认知！

6-坐标轴定义和象限分析

我们还没有定义坐标轴呢？从第一点的分析，其实我们很快就可以定义坐标轴的含义了！（当然有时候对应图的座位是非常难定义的）

因此，落在第四象限的是年轻的女性所喜欢的品牌！

7-产品定位：理想点与反理想点模型

我们可以在图上以POISON为定位点，以POISON为圆心，以它的利益为半径画圆，那么我们可以得出这样的结论：越先圈进来的人就是最喜欢这个品牌的消费群，越先圈进来的品牌越可能是竞争品牌；当然，你也可以以某类人作为圆心，同意解读；如果POISON是市场不存在的，在调查中可以设定为理想点，这样我们就可以得到理想点模型，同理也可以得到反理想点模型分析！

8-市场细分和定位

最后，研究人员可以根据前面的分析和自身市场状况，进行市场细分，找到目标消费群，然后定位进行分析！最终选择不同的目标市场制定有针对性的营销策略和市场投放！

我们也可以尝试采用多元对应分析，但不如简单对应分析有意义！

简单对应分析的优点：

定性变量划分的类别越多，这种方法的优势越明显，揭示行变量类别间与列变量类别间的联系，将类别联系直观地表现在二维图形中（对应图），可以将名义变量或次序变量转变为间距变量。

简单对应分析的缺点：不能用于相关关系的假设检验，维度要由研究者决定，有时候对应图解释比较困难，对极端值比较敏感。

如有侵权请联系告知删除，感谢你们的配合！

对应分析方法与对应图解读方法

对应分析方法与对应图解读方法——七种分析角度对应分析就是一种多元统计分析技术,主要分析定性数据Category Data方法,也就是强有力的数据图示化技术,当然也就是强有力的市场研究分析技术。这里主要介绍大家了解对应分析的基本方法,如何帮助探索数据,分析列联表与卡方的独立性检验,如何解释对应图,当然大家也可以瞧到如何用SPSS操作对应分析与对数据格式的要求！对应分析就是一种数据分析技术,它能够帮助我们研究由定性变量构成的交互汇总表来揭示变量间的联系。交互表的信息以图形的方式展示。主要适用于有多个类别的定类变量,可以揭示同一个变量的各个类别之间的差异,以及不同变量各个类别之间的对应关系。适用于两个或多个定类变量。主要应用领域: 概念发展(Concept Development) 新产品开发(New Product Development) 市场细分(Market Segmentation) 竞争分析(Competitive Analysis) 广告研究(Advertisement Research) 主要回答以下问题: 谁就是我的用户？还有谁就是我的用户？谁就是我竞争对手的用户？相对于我的竞争对手的产品,我的产品的定位如何？与竞争对手有何差异？我还应该开发哪些新产品？对于我的新产品,我应该将目标指向哪些消费者？数据的格式要求对应分析数据的典型格式就是列联表或交叉频数表。常表示不同背景的消费者对若干产品或产品的属性的选择频率。背景变量或属性变量可以并列使用或单独使用。两个变量间——简单对应分析。多个变量间——多元对应分析。案例分析:自杀数据分析上面的交互分析表,主要收集了48961人的自杀方式以及自杀者的性别与年龄数据！POISON(毒药)GAS(煤气)HANG(上吊)DROWN(溺水)GUN(开枪)JUMP(跳楼)(我们就不翻译成中文了,读者可以把六个方式想象成品牌或别的什么) 当然,我们拿到的最初原始数据可能就是SPSS数据格式记录表,

对应分析

标签：市场研究统计分析对应分析是一种多元统计分析技术，主要分析定性数据Category Data方法，也是强有力的数据图示化技术，当然也是强有力的市场研究分析技术。这里主要介绍大家了解对应分析的基本方法，如何帮助探索数据，分析列联表和卡方的独立性检验，如何解释对应图，当然大家也可以看到如何用SPSS操作对应分析和对数据格式的要求！对应分析是一种数据分析技术，它能够帮助我们研究由定性变量构成的交互汇总表来揭示变量间的联系。交互表的信息以图形的方式展示。主要适用于有多个类别的定类变量，可以揭示同一个变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系。适用于两个或多个定类变量。主要应用领域： ?概念发展（Concept Development) ?新产品开发 (New Product Development) ?市场细分 (Market Segmentation) ?竞争分析 (Competitive Analysis) ?广告研究 (Advertisement Research) 主要回答以下问题： ?谁是我的用户？ ?还有谁是我的用户？ ?谁是我竞争对手的用户？ ?相对于我的竞争对手的产品，我的产品的定位如何？

?与竞争对手有何差异？ ?我还应该开发哪些新产品？ ?对于我的新产品，我应该将目标指向哪些消费者？数据的格式要求 ?对应分析数据的典型格式是列联表或交叉频数表。常表示不同背景的消费者对若干产品或产品的属性的选择频率。背景变量或属性变量可以并列使用或单独使用。两个变量间——简单对应分析。多个变量间——多元对应分析。案例分析：自杀数据分析上面的交互分析表，主要收集了48961人的自杀方式以及自杀者的性别和年龄数据！POISON（毒药）GAS（煤气）HANG（上吊）DROWN（溺水）GUN（开枪）JUMP（跳楼）（我们就不翻译成中文了，读者可以把六个方式想象成品牌或别的什么）当然，我们拿到的最初原始数据可能是SPSS数据格式记录表，

对应分析

1.对应分析对应分析表(A correspondence table)是一个两维表(two-way table)，表中的单元包含行变量和列表量之间对应测度的一些信息。所谓的对应测度(The measure of correspondence)，可以表明行变量或列变量之间的近似程度(similarity)、密切关系(affinity)、复杂关系(confusion)、关联程度(association)或交互作用(interaction)。交叉列联表(a crosstabulation)是对应分析表中最普通的一种类型，该表中的单元格包含频数(计数)。利用SPSS中的列联表分析也可以得到交叉列联表，但是交叉列联表并不总是能够清晰地刻画出行变量和列变量之间的本质关系。当我们所感兴趣的变量是名义变量(没有内在的次序或秩序)同时还包含很多类型时，这种问题尤其突出。一个有关职业和早餐谷类食品的交叉列联表，也许能够告诉我们观测单元频数和期望频数是否存在显著差异，但是它很难识别出从事何种职业的人们喜欢哪种类似的早餐食品，同时也很难对早餐口味进行归类。利用多维空间图形，对应分析可以分析两个名义变量之间的关系。这种图形称为对应分析图，是利用计算出来的行变量和列变量得分而绘制的。变量中相似的类型在图形中比较接近，因此通过这种方法可以很容易看出某个变量的哪些类型和其它类型相似，也可以分析出行变量和列变量的哪些类型存在相关性。SPSS的对应分析方法还容许用辅助点(supplementary points)对根据活动点定义出的空间进行拟合。如果没有办法根据类型的得分排序，或者这种排序与我们的直觉不相符，那么可以设定某些类型的得分相同，实际上就是对类型的次序设定限定条件。比如说，我们预期变量“吸烟行为”有四个类型：不吸烟、少量吸烟、适度吸烟和大量吸烟，每一类型都有对应于次序的得分，但是对应分析对这四个类型进行排序时，可以限定适度吸烟和大量吸烟的得分相同。利用距离来进行对应分析依赖于我们所使用的正态化方法。对应分析可用来分析一个变量类型之间的差异，同时也可以分析变量(行变量和列变量)之间的差异。在默认的正态化方法下下，SPSS的对应分析主要用来研究行变量与列变量之间的差异(。对应分析算法可以进行各种类型的分析。标准的对应分析以行变量和列变量为中心并且分析这两个变量之间的开方距离。但是也有其它的中心选项，利用欧式距离，并且以低维空间的矩阵作为代表。正态化过程将惯量分布到行变量和列变量得分上，不管采用哪种类型的正态化方法，对应分析的某些输出结果，比如奇异值(the singular values)、每个维度的惯量(the inertia per dimension)和贡献度(contributions)并不发生变化。但是行变量得分、列变量得分和它们的方

对应分析数学模型解析

对应分析数学模型解析 1.对应分析模型的提出在因子分析时常常会出现以下三个问题：第一，因子分析分为R型和Q型，寻找变量的公因子就采用R型，寻找样品的公因子就采用Q型；R型是从变量的相关系数矩阵出发，Q型是从样品的相似矩阵出发。在因子分析中把R型和Q型互相割裂单独进行，有些问题只做R型分析，有些只做Q型分析，即使有些问题同时做了这两种分析，在解释时也无法将它们有机地联系起来。然而变量和样品是分不开的，这也就说明R型分析和Q 型分析是不可分割的。第二，在实际生活中，我们往往取得样本数目要远远大于变量的数目，这就给Q型因子分析带来了计算上的困难。比如说，有150个样品，每个样品分析10个变量，如果做R型因子分析时只需计算10 10?阶的变量向关系数矩阵的特征值和特征向量，而Q型因子分析则要计算150 150?阶的样品相似矩阵的特征值和特征向量，这个计算量相当可观。第三，在因子分析中我们为了能将量纲不同的变量进行比较，往往要对变量进行标准化处理，然而这种标准化只能对变量进行，对样品则无从谈标准化，所以标准化对变量和样品是非对等的，这也就给R型和Q型因子分析之间的联系带来障碍。针对以上问题，我们综合了Q型和R型因子分析的优点，并将他们统一起来使得由R型的分析结果很容易得到Q型的分析结果，这就克服了Q型分析计算量大的问题，更重要的是可以把变量和样品的载荷反映在相同的公因轴上，这样把变量和样品连接起来便于解释和推断。 2. 基本思想：是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。首先编制两变量的交叉列联表，将交叉列联表中的每个数据单元看成两变量在相应类别上的对应点；然后，对应分析将变量及变量之间的联系同时反映在一张二维或三维的散点图；最后，通过观察对应分布图就能直接地把握变量之间的类别联系； 3. 它最大特点：是能把众多的样品和众多的变量同时作到同一张图解

对应分析

对应分析练习题一．对应分析的思想方法及特点（一）对应分析的基本思想及特点对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。它最大特点是能把众多的样品和众多的变量同时作到同一张图解上，将样品的大类及其属性在图上直观而又明了地表示出来，具有直观性。另外，它还省去了因子选择和因子轴旋转等复杂的数学运算及中间过程，可以从因子载荷图上对样品进行直观的分类，而且能够指示分类的主要参数（主因子）以及分类的依据，是一种直观、简单、方便的多元统计方法。（二）对应分析方法的优缺点 1.定性变量划分的类别越多，这种方法的优越性越明显 2.揭示行变量类间与列变量类间的联系 3.将类别的联系直观地表现在图形中 4.不能用于相关关系的假设检验 5.维数有研究者自定 6.受极端值的影响二．对应分析中的总惯量

总惯量不仅反映了行剖面集定义的各点与其重心加权距离的总和,同时与2 统计量仅相差一个常数,而统计量反映了列联表横联与纵联的相关关系,因此总惯量也反映了两个属性变量各状态之间的相关关系。对应分析就是在对总惯量信息损失最小的前提下，简化数据结构以反映两属性变量之间的相关关系。三．对应分析具体案例 1.搜集5387位中学生眼睛颜色与头发颜色的调查数据，应用对应分析比较两变量的关系 2.对数据进行预处理，以频数变量进行加权：

分析-降维-对应分析 3.结果分析（1）对应分析反映的是眼睛颜色和头发颜色不同组合下的实际样本数

（2）对应分析摘要维度=最小分类数（眼睛颜色数）-1，前两个维度就解释了99.6%的信息。（3）对应分析坐标值及贡献值

多重对应分析方法

多重对应分析方法多重对应分析在超过两个以上定类变量时有时候非常有效，当然首先我们要理解并思考，如果只有三个或有限的几个变量完全可以通过数据变换和交互表变量重组可以转换成两个定类变量，这时候就可以用简单对应分析了。对应分析对数据的格式要求： ?对应分析数据的典型格式是列联表或交叉频数表。 ?常表示不同背景的消费者对若干产品或产品的属性的选择频率。 ?背景变量或属性变量可以并列使用或单独使用。 ?两个变量间——简单对应分析。 ?多个变量间——多元对应分析。现在，我们还是来看看如何操作多重对应分析并如何解读对应图；我们假定有个汽车数据集，包括：

来源国（1-美国、2-欧洲、3-日本）尺寸（1-大型、2-中型、3-小型）类型（1-家庭、2-运动、3-工作）拥有（1-自有、2-租赁）性别（1-男、2-女）收入来源（1-1份工资来源、2-2份工资来源）婚姻状况（1-已婚、2-已婚有孩子、3-单身、4-单身有孩子）；从数据集看，我们有7个定类变量，如果组合成简单的交叉表是困难的事情，此时采用多重对应分析是恰当的分析方法。

下面我还是采用SPSS18.0，现在叫PASW Statistics 18.0来操作！注意：不同版本在多重对应分析方法有一些不同，但大家基本上可以看出了，高版本只能是更好，但选择会复杂和不同！在进行多重对应分析之前，研究者应该能够记住各个变量大致有多少类别，个别变量如果变量取值太偏或异常值出现，都会影响对应分析的结果和对应图分析！

在SPSS分析菜单下选择降维（Data Redaction-数据消减）后选择最优尺度算法，该选项下，根据数据集和数据测量尺度不同有三种不同的高级定类分析算法，主要包括：多重对应分析、分类（非线性）主成分分析、非线性典型相关分析；

天气图的基础知识

第一节天气图的一般知识天气图底图投影方式：天气图底图是用来填写各测站气象观测资料而特制的空白地图。常用的天气图底图有：南、北半球天气图、中纬度区域天气图、热带低纬地区天气图等。制作底图的投影方式主要有以下三种。 1．兰勃特投影兰勃特投影法又称等角正割圆锥投影。将地球体的30?和60?纬圈与圆锥面相割，经纬线及地形投影到圆锥形的图纸上，展开后经线呈放射形直线，纬线是同心圆弧。这种图最适宜作中纬度地区的天气图底图。我国、日本等国的天气图底图均采用这种投影。 2．极地平面投影用这种投影法制成的底图，其经线为一组由极地向赤道发出的放射形直线，纬线为一组围绕极地的同心圆。这种投影适宜作北（南）半球天气图底图。 3．墨卡托投影用一圆筒套在地球体上，地球赤道表面与圆柱面相切（或相割），光源放在地球中心进行投影。把圆筒展开便制成一张图，其经、纬线都为平行直线。由于低纬地区用这种投影与实况较为接近，而在高纬地区投影面积放大倍数太大。所以这种图主要适用于作赤道或低纬地区的天气图。天气图的种类和图时： 1．天气图的种类天气分布是三维空间的，为了比较全面地揭示天气状况，在气象分析和预报中，通常绘制三种类型的天气图，即地面天气图、高空天气图和辅助图。天气图的制作过程依次为观测、编报发送、收报、填图、分析。地面天气图是根据地面观测资料绘制的，它是一种综合性天气图，是天气分析和预报中最基本的天气图。高空天气图就是等压面上的形势图，它是根据高空观测资料绘制的。辅助图是配合地面天气图和高空等压面图而使用的特定图。 2．天气图的图时根据世界气象组织（WMO）的规定，通常地面天气图每天制作4次，分别在世界时00时、06时、12时、18时，即北京时08时、14时、20时、次日02时。此外，中间还有4次补充观测时间，所以实际上每隔3 h就有一地面天气图产生。高空天气图一天制作两次，世界时00时、12时，即北京时08时和20时。第二节地面天气图地面天气图的填绘：各地同一时刻观测的地面资料，传递到各大气象通信中心，然后再由通信中心向各地气象台传播。气象台接收到各地气象观测报文之后，要按照国际规定的统一格式，把收到的电码译成数字或符号填入天气图底图。由于观测资料的来源不同，又分为陆地测站填图格式和船舶测站填图格式。 1．陆地测站填图格式（图4-2-1）

SPSS处理对应分析

实验八：对应分析一．实验目的 1）掌握对应分析方法在SPSS 软件中的实现； 2）熟悉对应分析的用途和操作方法；二．实验要求某生产纯水的企业为其产品命名，决定对选定的备选名称方案进行品牌测试，采用问卷调查的方式对消费者进行名称联想调查，以便最终确定产品品牌名称。调查数据表如下雪糕纯水碳酸饮料果汁饮料保健饮料空调洗衣机玉泉5050855109341120雪源4421106895292812期望2151364130214664波澜1483713637113365天山绿5088471251353913美纯20605374342208品牌名称产品名称是通过对应分析说明选定的品牌在消费者的心目中是否达到了预期效果。三．实验内容 1. 试验步骤：（1）数据录入。打开SPSS 数据编辑器，建立“对应分析.sav ”文件。在变量视窗中录入3个变量，用A 表示“品牌”，用B 表示“产品”，用C 表示“频数”，对A 变量和B 变量输入对应的标签和值，C 变量输入对应的标签。然后在数据视图中将数据对应录入，其相关操作及变量视图的效果如下图一所示：【图一】（2）进行对应分析。依次点击“数据→加权个案→描述”再将“频数”导入“频率变量”，如下图二所示：【图二】依次点击“分析-数据降维→点击对应分析→将pp （品牌名称）导入行→定义全距→最小值为1，最大值为6→将cpmc （产品名称）导入列→定义全距→最小值为1，最大值为7→点击更新→点击继续”，如下图三所示：

【图三】依次点击“模型→选择距离度量中的卡方→继续”如下图四所示：【图四】依次点击“统计量→选择行轮廓表，列轮廓表，对应表，行点概览，列点概览→点击继续”，如下图五所示：【图五】依次点击“图→选择散点图中的行点，列点→选择线图中的已转换的行类别，已转换的列类别→继续”，如下图六所示：【图六】 2.试验结果输出，如下表一：【表一】 3.实验分析 1）“对应表”是产品名称与品牌名称的交叉列联表，表中的数据为相应的频数，有效边际是相应的合计数据。可以看到，在调查的4223名消费者中，大多数消费者以玉泉，雪源，美纯品牌命名，大多数消费者命名的产品是雪糕，纯水，保健饮料。尽管通过对应表发现消费者命名产品的倾向，但没有揭示出以哪种品牌命名哪种产品的规律； 2）“行简要表”是“对应表”的补充，是用对应表中相应位置的数据除以每一行的有效边际，如50/789=0.063 ，显示了各频数在各行方向上的百分比，较对应表更直观清晰。可以看到，消费者命名“雪糕，纯水，保健饮料”分别占总消费者的“14.1%，34.2%，13.7%”，命名“纯水”的比例最高，命名“碳酸饮料”的比例最低，仅为7.4%； 3）“列简要表”也是“对应表”的补充，是用“对应表”中相应位置的数据除以每一列的有效边际，如50/597=0.084 。显示了各频数在列向上的百分比，较对应表更直观清晰。可以看到，消费者以玉泉，雪源品牌命名的比例最高，占到18.6%，以天山绿品牌命名的比例最低，仅为11.8%；

对应分析

对应分析法一、简介对应分析(Correspondence analysis)也称关联分析、R-Q型因子分析，是近年新发展起来的一种多元相依变量统计分析技术，是一种多元统计分析技术，主要分析定性数据的方法，也是强有力的数据图示化技术。对应分析是一种数据分析技术，它能够帮助我们研究由定性变量构成的交互汇总表来揭示变量间的联系。交互表的信息以图形的方式展示。主要适用于有多个类别的定类变量，可以揭示同一个变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系，适用于两个或多个定类变量。对应分析是由法国人Benzenci于1970年提出的，起初在法国和日本最为流行，然后引入到美国。对应分析法是在R型和Q型因子分析的基础上发展起来的一种多元统计分析方法，因此对应分析又称为R－Q型因子分析。在因子分析中，如果研究的对象是样品，则需采用Q型因子分析；如果研究的对象是变量，则需采用R型因子分析。但是，这两种分析方法往往是相互对立的，必须分别对样品和变量进行处理。因此，因子分析对于分析样品的属性和样品之间的内在联系，就比较困难，因为样品的属性是变值，而样品却是固定的。于是就产生了对应分析法。对应分析就克服了上述缺点，它综合了R型和Q型因子分析的优点，并将它们统一起来使得由R型的分析结果很容易得到Q型的分析结果，这就克服了Q 型分析计算量大的困难；更重要的是可以把变量和样品的载荷反映在相同的公因子轴上，这样就把变量和样品联系起来便于解释和推断。对应分析数据的典型格式是列联表或交叉频数表。常表示不同背景的消费者对若干产品或产品的属性的选择频率。背景变量或属性变量可以并列使用或单独使用。两个变量间——简单对应分析；多个变量间——多元对应分析。对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。它最大特点是能把众多的样品和众多的变量同时作到同一张图解上，将样品的大类及其属性在图上直观而又明了地表示出来，具有直观性。另外，它还省去了因子选择和因子轴旋转等复杂的数学运算及中间过程，可以从因子载荷图上对样品进行直观的分类，而且能够指示分类的主要参数（主因子）以及分类的依据，是一种直观、简单、方便的多元统计方法。对应分析法整个处理过程由两部分组成：表格和关联图。对应分析法中的表格是一个二维的表格，由行和列组成。每一行代表事物的一个属性，依次排开。列则代表不同的事物本身，它由样本集合构成，排列顺序并没有特别的要求。在关联图上，各个样本都浓缩为一个点集合，而样本的属性变量在图上同样也是以点集合的形式显示出来。

对应分析

实验五对应分析姓名：陈科学号：111414077 班级：11级统计2班

对应分析一实验目的：（1）掌握对应分析方法在spss软件中的实现。（2) 熟悉对应分析的用途及操作方法。二准备知识：对应分析(Correspondence analysis)也称关联分析、R-Q型因子分析，是近年新发展起来的一种多元相依变量统计分析技术，通过分析由定性变量构成的交互汇总表来揭示变量间的联系。可以揭示同一变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系。是能把众多的样品和众多的变量同时作到同一张图解上，将样品的大类及其属性在图上直观而又明了地表示出来，具有直观性。另外，它还省去了因子选择和因子轴旋转等复杂的数学运算及中间过程，可以从因子载荷图上对样品进行直观的分类，而且能够指示分类的主要参数（主因子）以及分类的依据，是一种直观、简单、方便的多元统计方法。三实验思想：是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。首先编制两变量的交叉列联表，将交叉列联表中的每个数据单元看成两变量在相应类别上的对应点；然后，对应分析将变量及变量之间的联系同时反映在一张二维或三维的散点图；最后，通过观察对应分布图就能直接地把握变量之间的类别联系。

四实验内容：下表是某省12个地区10种恶性肿瘤的死亡率，试用相应分析法分析地区与死因的联系。地区鼻咽癌食道癌胃癌肝癌肠癌肺癌乳腺癌宫颈癌膀胱癌白血病 1 3.89 14.06 48.01 21.39 5.38 9.57 1.65 0.15 0.60 3.29 2 2.17 26.00 24.92 22.75 8.67 10.29 1.08 0.00 0.00 3.25 3 0.00 2.18 5.4 4 22.84 4.3 5 17.40 1.09 4.35 0.00 4.35 4 1.46 7.61 31.92 26.94 6.1 5 15.82 2.05 1.45 0.29 2.93 5 0.89 46.37 11.59 32.10 0.89 9.81 0.89 3.57 0.89 1.78 6 0.60 1.81 16.2 7 19.2 8 3.01 6.02 1.20 0.60 0.00 4.82 7 1.74 8.72 3.20 24.70 2.03 4.36 0.00 0.58 2.03 2.62 8 1.98 41.18 44.15 35.22 4.96 14.88 0.00 0.00 0.00 4.96 9 2.14 3.00 13.29 26.58 5.14 8.14 1.71 6.86 0.00 3.00 10 1.83 37.97 10.45 36.13 4.59 14.86 1.65 0.00 0.73 3.67 11 4.71 20.71 23.77 42.84 12.24 24.24 5.41 3.06 0.24 4.24 12 1.66 4.98 6.64 35.71 5.81 18.27 0.83 2.49 0.00 7.47 五实验步骤：（1）数据录入。打开SPSS数据编辑器，建立“对应分析.sav”文件。在变量视窗中录入3个变量，用A表示“地区”，用B表示“死因”，用C表示“频数”，对A 变量和B变量输入对应的标签和值，C变量输入对应的标签。然后在数据视图中将数

中尺度天气图分析技术规范(暂行稿).精讲

附件：中尺度天气图分析技术规范（暂行稿）国家气象中心二O 一O年三月

目次引言 (1) 第一章高空分析 (2) § 概述 (2) § 925hPa分析 (3) § 850hPa分析 (5) § 700hPa分析 (8) § 500hPa分析 (11) § 200hPa分析 (14) 第二章地面分析 (15) § 概述 (15) § 气压场 (15) § 风场 (16) §温度场 (16) § 湿度场 (17) § 天气区 (18) § 边界线（锋） (18) 第三章综合图分析 (18) 第四章附录 (19) 附录I 术语和定义 (19) 附录Ⅱ中尺度天气分析符号 (21) 参考文献 (22)

引言中尺度天气是指水平尺度几十公里至几百公里，时间尺度几小时到几十小时的天气现象[1]，按其性质分为中尺度对流性天气和中尺度稳定性天气。中尺度对流性天气包括雷暴、短历时强降雨、冰雹、雷暴大风、龙卷以及下击暴流等[2]，它是在一定的大尺度环流背景中，由各种物理条件相互作用形成的中尺度天气系统造成的。中尺度对流天气预报的成败，从根本上取决于在业务预报过程中所做的分析[3]。因为中尺度系统及其影响的中尺度对流天气现象的明显特征是生命史短、空间范围小且变化剧烈，所以业务预报员在进行中尺度对流性天气预报时，应更加关注比天气尺度更小的天气系统，并且关注大气中瞬变的系统和微小的变化[3]。中尺度对流天气主观分析，是利用各种高空和地面观测资料、雷达和卫星等遥感探测资料、数值分析预报产品等资料，分析产生中尺度对流天气的中尺度对流系统及其发生发展的环境场条件。为了加强我国各级气象台站对中尺度对流天气发生发展条件的分析和诊断，规范中尺度天气分析的技术方法，参考美国空军全球天气预报中心和美国天气局风暴预报中心的强对流天气分析技术[3-4]，参考我国的常规天气图分析要求和中尺度天气分析研究[5-6]，国家气象中心制定了《中尺度对流天气的天气图分析技术指南》。本指南主要包括高空分析、地面分析和综合图分析三个部分。分析是在常规天气图分析的基础上，针对产生中尺度对流性天气的主要条件（水汽、稳定度、抬升和垂直风切变条件），分析各等压面上相关大气的各种特征系统和特征线，最后形成中尺度对流性天气发生、发展大气环境场“潜势条件”的高空和地面综合分析图。本指南仅适用于地面、高空常规和加密观测以及自动站观测资料的分析和数值预报相关参量的分析。本指南中的等值线（如等温度线、等压线等）分析原则与大尺度天气图分析原则一致，其目的是为了分析各种特征系统和特征线，在业务中以客观分析为主，人工订正为辅。

对应分析

第九章对应分析（一）教学目的通过本章的学习，对对应分析有一个全面地认识，理解对应分析的基本思想和基本原理，掌握用聚类分析解决实际问题的能力。（二）基本要求了解对应分析的定义，理解对应分析方法的方法和原理，掌握对应分析的计算步骤。（三）教学要点 1、对应分析的定义和基本思想； 2、对应分析方法的原理； 3、R型因子分析和Q型因子分析的对应关系； 4、对应分析方法及计算步骤；（四）教学时数 3课时（五）教学内容 1、对应分析的基本思想； 2、对应分析方法的方法和原理；我们知道，主成分分析、因子分析都是研究多维变量之间相互的关系。但在某些实际问题中，既要研究变量之间的关系，还需要研究样品之间的关系。不仅如此，人们往往还希望能够在同一个直角坐标系内直观地同时表达变量和样品之间的相互关系。为实现这一目的就需要进行对应分析。对应分析能够提供变量之间，样品之间以及变量和样品之间相互关系的信息。第一节对应分析的基本思想一、什么是对应分析对应分析（correspondence analysis）又称为相应分析，是一种目的在于揭示变量和样品之间或者定性变量资料中变量与其类别之间的相互关系的多元统计分析方法。根据分析资料的类型不同，对应分析分为定性资料（分类资料）的对应分析和连续性资料的对应分析（基于均数的对应分析）。其中，根据分析变量个数的多少，定性资料的对应分析又分为简单对应分析和多重对应分析。对两个分类变量进行的对应分析称为简单对应分析，对两个以上的分类变量进行的对应分析称为多重对应分析。一般认为对应分析起源于20世纪30～20世纪40年代的一批互相独立的文献如Richardson 和Kuder(1933)、Hirshfeld(1935)、Horst(1935)、Fisher(1940)、Cuttman (1941)等,很难说

02 多重对应分析方法

第二讲多重对应分析方法前面的一篇博文介绍了对应分析方法的解读技巧，不少读者看了后非常想知道如何操作多重对应分析。其实多重对应分析在超过两个以上定类变量时有时候非常有效，当然首先我们要理解并思考，如果只有三个或有限的几个变量完全可以通过数据变换和交互表变量重组可以转换成两个定类变量，这时候就可以用简单对应分析了。对应分析对数据的格式要求： ?对应分析数据的典型格式是列联表或交叉频数表。 ?常表示不同背景的消费者对若干产品或产品的属性的选择频率。 ?背景变量或属性变量可以并列使用或单独使用。两个变量间——简单对应分析。多个变量间——多元对应分析。现在，我们还是来看看如何操作多重对应分析并如何解读对应图；我们假定有个汽车数据集，包括：来源国（1-美国、2-欧洲、3-日本），尺寸（1-大型、2-中型、3-小型），类型（1-家庭、2-运动、3-工作），拥有（1-自有、2-租赁）性别（1-男、2-女），收入来源（1-1份工资来源、2-2份工资来源），婚姻状况（1-已婚、2-已婚有孩子、3-单身、4-单身有孩子）；从数据集看，我们有7个定类变量，如果组合成简单的交叉表是困难的事情，此时采用多重对应分析是恰当的分析方法。

运用鱼骨图分析及解决问题的实际操作案例

运用5M因素法（鱼骨图）分析及解决问题的实际操作案例背景：某民营房地产集团公司下属商贸分公司，在自有房产基础上经营有超市5家，经营业种以生鲜食品、传统食品、日用日化为主，总营业面积10000平方米；百货一家，主要经营业种为服装针织、皮具、皮鞋、化妆品，小吃，营业面积4500平方米；正在筹备中的购物中心18000平方米。问题1：经过统计商贸公司2001年9月—2002年3月的销售，总体毛利率为不到8%，注意：此毛利率是在公司无低毛利的家电以及百货毛利率近20%的基础上产生的总体毛利率，相对于市场状况以及竞争对手来讲，此毛利率偏低，从中反映了占销售比重近80%的超市经营毛利不正常。问题2：经过进一步的市场调查，针对超市每个业种安排如下数量的市调（按销售数量排名），得出以下数据比较：注：甲连锁店为一国营零售企业，在本地有34家连锁店，拥有诸多食品、日化产品的代理批发权；乙连锁店为一民营连锁零售企业，现有18家分店，拥有部分食品、日化产品的批发代理权；丙为一家200平方米左右的便利店；将市调数据经过进一步分析，发现价格问题----[b]我司进价比竞争对手售价高[/h]的情况如下（先忽略在正常供价基础上零售价格异常状况）：感觉到问题的严重性，公司紧急召开了采购人员的专项会议，要求在规定时间内（一周）针对以上问题各采购主任做出解释并及时与供应商进行谈判，希望能得到实质性的解决。一周过去了，供价问题依然没有得到明显的改善，高出比例依然居高不下。总结各采购主任的解释，主要如下： 1、甲、乙对手拥有诸多敏感商品的控制权，近水楼台先得月，人家有权利及有实力去进行降价； 2、公司政策对于供应商的通道利润要求过高，厂商在无奈情况下，只有提高供价，保持其基本利润，如果要求供应商降价，只有舍弃部分通道利润才可行； 3、公司要求的经营方式过于呆板，竞争对手部分商品是从批发市场上进行铲货来冲击市场，而公司没有此先例，都是以正常方式进行经营； 4、公司的付款方式问题：由于现金进货与押款进货的供价有区别，但是公司最低的付款要求为7天付款，因此在价格上没有办法降低； 5、竞争对手的恶意竞争行为：牺牲利润，亏本赚吆喝； 6、人手不够，杂事多，没有办法集中时间与精力与供应商谈判。针对以上解释，公司明确回复：如果在有把握的情况下，以上由于公司自身原因造成的供价高的问题，可以放宽尺度与供应商进行交涉。真的就是以上问题造成的吗？是主要的原因呢还是有其他的原因？没有过多的责怪各采购主任，在随后的中层干部例会上，此问题谈了出来，然后让大家了解了什么是鱼骨图分析法（5M因素分析法），希望通过大家的理解来讨论这个问题产生的根源所在，主要问题主要出现在哪些环节，哪些是需要重点解决的问题，哪些是虽然是先天的因素，但是可以通过努力去改进的环节，哪些是虽然由于条件的限制暂时不能改进但是可以通过改进其他问题予以弥补的问题。

对应分析

对应分析问题1：分析列联表中属性之间的相关关系。对应分析是列联表的一类加权主分量分析，用于寻求列联表的行于列之间的低维图形表示法。看一个例子：我们从生物学中的一个“梯度分析”问题谈起。设我们需要了解若干地区的干湿度和若干草类的喜湿性。现对某n个地区是否生长p种不同草类的情况作了调查，得到一个列联表K，希望通过这一调查表对着各个地区的干湿度和各草类的喜湿性作一估计。设列联表为其中

j i j i k ij 不生长草类在地区生长草类在地区?? ?=0 1 经典的梯度分析方法是：先对p 种草类喜湿性作出估计p r r r ,,,21 ，然后用加权平均的方法得到关于各个地区干湿度的估计 n i k r k s p j i j ij i ,,2,1, 1 =∝∑=? 反之，如果先对各个地区的干湿度作出估计 n s s s ,,,21 ，然后用同样的方法得到关于各种草类喜湿性的估计 p j k s k r n i j i ij j ,,2,1, 1 =∝∑=? 但是，如何先对草类的喜湿性或先对地区的干湿性进行估计就是一个难题，除非根据其他资料，否则无法仅从这个列联表出发，无论先估计那一个都会带有主观性，这就是经典梯度分析存在的一个问题。是否有一个办法，从这张列联表出发能客观地同时把两者估计出来？应该是可能的，因为各个地区的干湿度是由各种喜湿性草类是否在该地区生长反映出来，而且草的喜湿性又是通过它在什么样的干湿度的地区生长反应出来，两者相互

依赖，应从两者相互依赖中求解出各种量的估计。为此我们来注意上述两式及它们之间的联系。先引进一些矩阵的记号： )()(ij p n k K =?，{}??=n n k k diag D ,,1 ， {}p p k k diag D ??=,,1 又记向量)',,(1n s s s =，)',,(1p r r r =，则前面的两式可表示为 Kr D s n 1-∝， s K D r p '1-∝ 其中∝表示“成比例于”。将两式联合起来考虑，就有 s K KD D s p n '11--∝，Kr D K D r n p 1 1'--∝ 这两个式子意味着s 和r 分别是矩阵'1 1K KD D p n --和K D K D n p 11'--的特征向量。可见估计s 和r 完全由列联表K 客观地确定，不加入任何主观的因素，即可由K 的内在性质决定，或者说是通过相互适应的内在因素决定，也许这就是下面引进相应（对应）分析的名称的来由。人们也称之为对应分析。由于求解s 和r 是通过求矩阵的特征值特征向量而得到，因此和主成分分析有密切联系。以后会看到，相应分析可视为主成分的延伸或推广，也

天气分析

天气图基本分析方法天气图, 分析方法见附图A 一：地面天气图分析海平面气压场的分析等值线分析原则同一条等值线上要素值处处相等。等值线一侧的数值必须高于另一侧的数值。等值线不能相交，不能分支，不能在图中中断。相邻两根等值线的数值必须是连续的，及其数值或者相等，或只差一个间隔。作为等值线的一种特殊形式，等压线的分析遵循地转风原则，即等值线和风向平行，在北半球，“背风而立，低压在左，高压在右”。但实际大气，由于地面摩擦作用，风向与等值线有一定交角，风从高压一侧吹向低压一侧。绘制等压线时的注意事项等压线一般应保持平滑。相邻两站间气压变化较均匀时，等压线的位置可靠内插法确定。两条数值相等的等压线，要尽量避免互相平行或相距很近。绘制等压线时，应尽可能的参考风的记录。等压线通过封面时必须有明显的折角，或为气旋性曲率的突然增加，而且折角指向高压一侧。等压线的暖锋前有比较明显的气旋性弯曲，冷锋后有明显的反气旋性弯曲。（见附图1 和2）二：绘制等压线的技术规定等压线每隔2.5hPa画一条。等压线应画到图边，否则应闭合起来。在没有记录的地区可例外，但应当各条等压线末端排列整齐，落在一定的经线或纬线上。在低压中心用红色标注D，高压中心用蓝色标注G 。高、低压中心的符号应标注在气压数值最高或最低的地方。在有风向记录时，背风而立，高压中心符号应标注在气压记录数值最高测站的右侧，低压中心符号应标注在气压记录数值最低测站的左侧。高低压中心的符号还应该标注在反气旋式或气旋式流场的中心，而不一定标注在最内一条等压线的几何中心处。如果在最内一条等压线内，流场有两个或三个中心时，则应标注两个或三个中心。等三小时变压线的绘制三小时变压反映了气压场最近改变情况，它是确定锋的位置、分析判断气压系统及封面未

天气图分析标准(最终版)

天气图分析标准一、一般要求 1、等值线分析范围（1） 03Z、06Z、09Z、18Z 、21Z地面天气图，等压线分析至图边；（2） 00Z、12Z地面天气图，等压线右端分析至150E°，另外三端分析至图边；（3）高空天气图等高线右端分析至160E°，上端分析至70N°，另外两端分析至图边。 2、标注（1）标注的等值线数值、天气现象及系统中心符号与当地纬度线平行；（2）等值线的数值标注在闭合等值线最北端的开口处，或非闭合等值线的两端，标注颜色同等值线颜色；（3）闭合等值线中心数值标注在闭合等值线或环流中心近最值附近。 3、错误记录：记录有误时，在错误记录（数字或符号）上划一条短横线，温度用红色笔划，其它用黑色笔划。二、等值线分析要求 2、地面天气图（1）等值线以黑笔分析；（2）等压线间隔2.5hPa，热带气旋在1000hPa以下时等压线间隔可取5或10hPa。（3）等△P3线应分析出正负变压极值区，间隔可取1、2、3、4或5hPa（间隔宜相等），0值等△P3线可不分析；（4）地形等压线进出线数及数值应一一对应，只分析一条波状线；（5） 00、12Z地面天气图，等压线以间断线通过高原区；（6）无闭合等压线但有明显的气旋或反气旋环流，须绘制环流圈。 3、高空天气图（1）等高线和等△H24线以黑笔分析，等温线以红笔分析；（2）等高线和等温线起始或终止于同一条经线；（3）等高线间隔：4位势什米，10月1日至次年3月31日500 hPa图间隔8位势什米；（4）等温线间隔4℃；（5）等△H24线间隔4位势什米，0值等△H24线不分析；（6）无闭合等高线但有明显的气旋或反气旋环流，须绘制环流圈；三、天气系统分析要求 1、地面图（1）高压中心标注蓝色“H”，低压中心标注红色“L”，热带气旋中心标注红色“”，中心气压以黑笔标注于符号下方；（2）分析锋、切变线、赤道辐合带和飑线，分析方法见表1；（3）分析锋生和锋消；（4）分析天气区并标注天气现象，分析和标注方法如表2；（5） 00Z、12Z地面天气图，以黄色实线分析锋过去12h位置；（6） 00Z、12Z地面天气图，以黄笔在热带气旋过去12h位置标注热带气旋符号，热带气旋中心的现在位置和过去位置以带箭头的黑色实线相连，箭头指向现在位置；（7）热带气旋中心的未来24 h、48h、72h位置以黑笔标注热带气旋符号，时间（如：24h）标注于预计位置正上方，气压标注于预计位置正下方，现在位置和预计位置应使用带箭头的黑色间断线相连，箭头指向预计位置。 2、高空图（1）高位势中心标注蓝色的“H”，低位势中心标注红色的“L”，热带气旋中心标注红色热带气旋符号“”；（2）分析500 hPa及其以下图的槽线、切变线、赤道辐合带，分析方法如表1；（3）以黄色实线分析槽线、切变线、赤道辐合带的过去12h位置；

言语理解与表达逻辑填空之对应分析法

公务员考试中的逻辑填空题目单纯考查词义的题目越来越少，多数题目都把考查重点放在了对特定语境的分析上。对应分析法是进行语境分析的一种方法，也是快速突破逻辑填空的有效方法。对应分析法主要适用于有一定的言语片段和上下文之间的关系的语境。命题人通常会在空缺处的上下文设置一些提示信息，这些信息与正确答案之间存在一定呼应关系。对应分析法就是通过揭示这种呼应关系，帮助考生寻找解题思路。下面，中公教育专家就结合真题对对应分析法进行讲解，帮助考生理解与复习。逻辑填空题中的对应关系主要分为正对应和逆对应两种。一、正对应正对应，指的是文段中上下文的某些词句从正面提示了正确答案的信息。（一）解说关系例题1：（2008?国家）作为一个公司领导，不需要、也不可能事必躬亲，但一定要，能够在注意细节当中比他人观察得更细致、，在某一细节操作上做出榜样，并形成，使每个员工不敢马虎，无法。只有这样，企业的工作才能真正做细。填入划横线部分最恰当的一项是（）。 A.明察秋毫周密威慑力搪塞 B.明辨是非周详使命感推脱 C.抓大放小透彻好习惯塞责 D.高瞻远瞩入微内聚力敷衍中公解析：此题答案为A。本题材料不长，却设了四个空。解答此类题目的基本方法是选定一个突破口，然后分项排除，最终锁定。突破口的选择因人而异，本题中第一空和第三空均有明显的提示信息，适合作为解题的突破口。 “能够在注意细节当中比他人观察得更细致”与第一空构成解说关系的正对应。由此可知公司领导要注意细节，相关的只有“明察秋毫”；“使每个员工不敢马虎”与“形成”（第三空）构成解说关系，“不敢”提示了公司领导要形成的是“威慑力”。由这两空可知，A为正确答案。（二）概括关系

对应分析

对应分析（Correspondence Analysis）在进行数据分析时，经常要研究两个定性变量（品质变量）之间的相关关系。我们曾经介绍过使用列联表和卡方检验来检验两个品质变量之间相关性的方法，但是该方法存在一定的局限性。卡方检验只能对两个变量之间是否存在相关性进行检验，而无法衡量两个品质型变量各水平之间的内在联系。例如，汽车按产品类型可以分豪华型、商务型、节能型、耐用型，按销售区域可分为华北区、华南区、华中区、华东区、西南区、西北区、东北区。利用卡方检验，只能检验销售地区与对型的偏好之间是否相关，但无法知道不同地区的消费者到底比较偏好哪种车型。对应分析方法（Correspondence Analysis）又称相应分析、关联分析，是一种多元相依变量统计分析技术，是对两个定性变量（因素）的多种水平之间的对应性进行研究，通过分析由定性变量构成的交互汇总数据来解释变量之间的内在联系。同时，使用这种分析技术还可以揭示同一变量的各个类别之间的差异以及不同变量各个类别之间的对应关系。特别是当分类变量的层级数比较大时，对应分析可以将列联表中众多的行和列的关系在低维的空间中表示出来。而且，变量划分的类别越多，这种方法的优势就越明显。对应分析以两变量的交叉列联表为研究对象，利用“降维”的方法，通过图形的方式，直观揭示变量不同类别之间的联系，特别适合于多分类定性变量的研究。对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。它最大特点是能把众多的样品和众多的变量同时作到同一张图上，将样品的大类及其属性在图上直观而又明了地表示出来，具有直观性。另外，它还省去了因子选择和因子轴旋转等复杂的数学运算及中间过程，可以从因子载荷图上对样品进行直观的分类，而且能够指示分类的主要参数（主因子）以及分类的依据，是一种直观、简单、方便的多元统计方法。