多重对应分析的示例
在本例中，您将探讨员工对四个问题的响应之间的关联，以了解不同的员工群体。本例使用从 55 名 JMP 员工收集的关于他们在以下领域的偏好（或品味）的数据：
• 偏好的电视节目（8 类）：新闻、喜剧、警察、自然、体育、电影、戏剧或肥皂剧。
• 偏好的影片（8 类）：动作片、喜剧、古装剧、纪录片、恐怖片、音乐剧、言情片或科幻片。
• 偏好的艺术类型（7 类）：表演、风景、文艺复兴、静物、肖像、现代或印象。
• 偏好的外出就餐场所（6 类）：汉堡和薯条、酒吧、印度餐厅、意大利餐厅、法国餐厅或牛排馆。
注意：偏好的测度基于 LeRoux and Rouanet (2010) 中的问题。
1. 选择帮助 > 样本数据文件夹，然后打开 Employee Taste.jmp。
2. 选择分析 > 多元方法 > 多重对应分析。
3. 选择电视节目、影片、艺术和餐厅，然后点击 Y，响应。
在 MCA 中，与主成分分析一样，因子通常被认为是响应，而不是一些是响应，另一些是解释变量。
4. 点击确定。
提示：点击并拖动重叠标签将其重新排列。
5. 在该图下方，选择成比例标记大小。
标记大小指示该类别中响应的相对比例。
图 7.2 最初的“多重对应分析”报表的一部分
“对应分析”报表显示了四个变量的类别在前两个主轴或维上的投影。使用控件更改标绘的维。点与点之间的距离代表了员工响应模式之间的差异。
从该图中，您可以用您对主题的了解来解释以下发现：
‒ 聚集在“Burgers and Fries”餐厅偏好附近，显示有“Sport”和“Police”电视节目偏好的聚类。该聚类可称为“大众文化”群体。
‒ 从“维 2”来看，个人品味从大众文化群体转向可以归类为更“复杂”的品味 — 那些喜欢纪录片、偏好电视剧和特色餐厅（如法国菜和印度菜）的人群。
要获得个人得分，请将对象添加为 X，因子：
6. 打开“变量汇总”分级显示项。
“变量汇总”面板允许您修改分析而不必重新启动该平台。它还提供已完成分析的简明视图。
7. 选择研究对象并点击添加 X。分析自动更新。
图 7.3 包含研究对象的“多重对应分析”报表
包括研究对象后，则可在图中左下象限突出显示有着相似品味的员工的聚类。这些员工属于我们认定的大众文化领域。