基础准备
前面我们介绍了简单对应分析以及对应分析的拓展应用均值对应分析：
对于上述两种分析方法，它们的共同点都是只涉及两个分类变量，而对于
多于两个分类变量
的情况，同样可以使用对应分析对它们的相关关系进行图形展示，称之为多重对应分析。与简单对应分析不同，多重对应分析首先需要对分类变量进行最优尺度变化，然后在按照简单对应分析的步骤进行计算。关于最优尺度变化的内容，大家可以参考之前推送过的关于线性回归分类型自变量的最优尺度变换的内容：
SPSS分析技术：最优尺度回归；无论做人还是做数据分析，请用同一把尺子测量事物！
下面我们用一个具体的案例来介绍如何用SPSS进行多重对应分析。
案例分析
随着国家发展、人民收入增加、机械电子制造业成本的降低，很多原本价格昂贵，普通百姓购买不起的产品，都开始逐渐走进千家万户，甚至成为人们日常生活中不可或缺的物品。从最开始的电灯电视固定电话，到后来的手机电脑，再到现在的家庭汽车。当一种商品成为普通百姓都能消费得起的大众消费品，那么激烈的市场竞争就随之而来，因此做好市场调研，满足消费者的喜好要求，提高销售量就成为厂家的关注点，但做好这些变得越来越不容易。中国经济的发展使得消费者的需求结构发生重大变化，从过去的生活必需品消费逐步趋向高级化，购物消费习惯也从就近消费转变为便捷性消费。以上这些变化都迫使商家不断的开发面向特定人群和细分市场的特色化产品。要做好这些，前期的市场调研必不可少。
现在有一份汽车销售的调查数据，它收集了340名顾客的用户特征信息，包括汽车原产地、汽车大小、轿车类型、居住情况、收入情况、性别、婚姻状况。使用多重对应分析方法，分析这些分类型变量之间的相关性，并据此制定发展策略。
（例题数据文件已经上传到QQ群中，需要的朋友可以前往下载）
分析思路
这份数据的变量都为分类型数据（二分类或多分类），分析它们之间的相关关系可以使用多重对应分析，多重对应分析的结果是对应分析图，能够非常方便读者进行观察和解释。
操作步骤
1、选择菜单【分析】-【降维】-【最优标度】，首先在跳出最优标度对话框（左图），可知最优标度可以用于三种数据分析方法：多重对应分析、分类数据的主成分分析和非线性典型相关分析，默认的方法就是多重对应分析，直接点击定义按钮即可。在跳出的多重对应分析对话框中（右图），将数据中的七个分类变量选入分析标量框内，为了便于观察，解中的维数保持默认2维。
2、点击右边【变量】按钮，将左边的七个变量都选入联合类别图对话框中，这样结果就能够输出由七个分类变量的所有类别组成的多重对应分析图。
3、点击【确定】，输出结果。
结果解释
1、区别测量图；图中散点的位置能够显示每个变量在二个维度上的区分程度。婚姻状况和收入情况这两个变量在两个维度上的区分程度都很好；汽车大小和汽车原产地在第二个维度上区分程度较好；轿车类型和居住情况在两个维度上区分度中等；性别在两个维度上的区分程度都很差。从散点之间的距离可以知道不同变量间的相关关系，性别与其它散点的距离都很远，说明性别与其它变量的相关性不高。
2、多重对应分析图；根据对应分析的原理，同一个变量的不同类型，如果代表它们的散点散落在原点的相似方位且互相之间的距离较近，可以说明这些类别的性质相近。不同变量的不同类别，如果代表它们的散点散落在原点的相似方位且距离较近，可以说明这些类别之间具有相关关系。
根据上面的判别原则，可以得出下面几个结论：未婚、一份收入、租房子之间有相关；小型车、跑车、日本车有相关；已婚、双份收入、买房、女性有相关；已婚有孩子、家用车、中型车有相关。企业管理者可以在制定企业发展战略和市场营销测量时参考利用这些信息，例如，可以将中型车的目标客户对准已婚家庭；而对于未婚、租房子和一份收入的人群，与各种车型都距离较远，相关性不强，从常识上解读，因为这类人群收入不高，暂时没有买车的强烈需求，所以购车比例是很低的，这类客户不是汽车企业的目标客户。
所有例题的数据文件都会上传到QQ群中，需要对照练习的朋友可以前往下载，QQ群号见下方温馨提示。
生活统计学不仅有各种数据分析方法，更有容易被大家忽视的生活常识。
温馨提示：
