SPSS对应分析---研究品牌和品牌形象之间的关系
对应分析能够把一个交叉表结果通过图形的方式展现出来，用以表达不同变量之间以及不同类别之间的关系。
对应分析实际上也是“降维”方法的一种，比较适合对分类变量进行研究。
1.0 对应分析简介
对应分析可以看成是交叉表的图形化，对应分析的主要作用是用图形化的方式表达分类变量之间的关系。对应分析主要应用于产品地位、品牌研究、市场细分、竞争分析、广告研究等领域，因为它是一种图形化的数据分析方法，它能够将几组看似没有联系的数据，通过视觉上可以接受的定位图展现出来。
2.0 对应分析实验
我们用一个品牌形象定位的在SPSS中实现对应分析。
(1)把交叉表的数据通过EXCEL数据透视表的【多重合并计算数据区域】转换成一维表再进行分析；
(2)在SPSS中，由于二维表是两个分类变量的交叉汇总，将其转换为一维表后，每一行数据仍然是对应分类变量汇总的个案数，所以需要在SPSS中采用加权方法，为每个数据赋予对应的权重。
【分析】-【降维】-【对应分析】，分别把“形象”和“品牌”变量移至【行】、【列】框中。如图2-1所示。
图 2-1 【对应分析】对话框
图 2-2 【对应分析】行列设置
3.0 对应分析结果解读
第一个输出的结果是“对应表”，如图 3-1，其数据和EXCEL里面的交叉表数据完全一致。
图 3-1 对应分析输出结果：对应表
第二个输出结果是“摘要表”，如图 3-2，该表输出了对应分析的统计量结果以及累积百分比。
图 3-2 对应分析：摘要表
在通常情况下，前面两个维度的累积惯量比例达到80%以上，就说明对应分析图的效果非常好，是具有可读性的。在 图 3-2 所示，对应分析图的累积惯量比例达到了86.4%，说明对应分析图的效果非常好。
图 3-3 对应分析：对应分析图
如图 3-3所示，这个输出的结果是最重要的“对应分析图”，图中各类别散点在图形中的距离和位置反映了它们各自之间的关系。
在同一维度上，例如横轴上，同一变量的类别距离越近，说明在这个维度上的差异越小。例如，“外观稳重大气”和“外观时尚”对于参与品牌形象评价的用户来说，差异相对较小；
在对应分析图中，不同变量散点之间的距离越近，说明他们的相关性越大。例如，“品牌T”和“技术领先，经常创新”距离很靠近，说明用户认为品牌T属于技术领先，经常创新的品牌。