对应分析
有这样一份关于顾客购物调查的数据,如下:
1.分析——降维——对应分析
结果如下:对应分析图
最优尺度分析
前面介绍的对应分析方法是针对两个分类变量进行的,如果有多个变量需要分析,4个及以上的分类变量分析,可以使用多重对应分析来弥补简单对应分析的不足。
PS中,最优尺度分析包括多重对应分析、分类主要成份分析、非线性典型相关性,其中,多重对应分析适合对多个分类变量进行分析;分类主要成分分析则用于有序分类和连续型变量的分析;非线性典型相关性适用于变量集的情形(样本在该变量上有多个分类水平,比如问卷当中多选题的情形),有序分类、无序分类、连续型变量均可。
操作步骤:打开上述数据集,分析——降维——最优标度
对应图如下:
这些信息大致反映了消费者的教育程度与消费行为之间的关联,对商家制定营销策略能形成有价值的参考。
多维尺度分析
在商业分析当中,经常需要了解不同观测之间(不同产品之间、不同服务之间、不同品牌或体验之间等)等的差异程度,来发现产品之间的关系、明确互相竞争的产品、发现市场机会等。
有以下数据集:关于美国几个主要城市间的距离矩阵,由于距离是对称的,因此只保存了下三角位置的数据。
点击:分析——标度——多维标度(ALLSCAL)
将上述得分绘制在二维图上,可以直观地看出个样本间的距离情况。可以看到各个城市所呈现出的相对位置与实际地图位置非常接近。(可对照地图进行对比)