卡方检验只能对两个分类变量之间是否存在联系进行检验，如果分类变量有多个水平的话，则无法衡量每个水平间的联系。对此，虽然可以使用逻辑回归进行建模，但是如果分类变量的水平非常多，就需要分别设定哑变量，这样对于操作和解释都非常繁琐。而对应分析则是专门解决上述问题的方法，它特别擅长对两个分类变量的多个水平之间的对应性进行分析。常用于市场细分、产品定位、品牌形象及满意度研究。

对应分析最大的特点是通过直观的图形方式，展现分类变量不同水平之间的联系，水平越多，效果越好。

对应分析是一种多元统计分析方法，由于只是运用数学原理对数据进行处理和转换，当中没有涉及假设检验，因此本质上也只是一种描述性、探索性统计方法，但是由于结果直观易懂，也在某些研究领域经常使用，它的使用前提是，变量间各水平要存在联系，这点可以通过卡方检验进行判断。

对应分析可以分为简单对应分析和多重对应分析，前者只是涉及两个变量，一般是列联表形式；而后者则针对多个分类变量。

SPSS把对应分析认为是一种降维技术，因此放在了降维过程中。

一、简单对应分析

分析—降维—对应分析

我们想分析头发颜色和眼睛颜色之间的关系，特收集了这两个变量，头发颜色有五个水平，眼睛颜色有四个水平，数据组成形式如下，注意频数要进行加权

首先对数据进行预分析，由于是频数数据，因此需要做条形图

以上的对应分析是针对单元格为频数的资料进行的，但有时候，我们收集来的数据资料并不是频数资料，而是均值、总和等，如下面的数据形式，单元格中为均值，此时需要使用基于均值的对应分析

之后的结果解释和基于频数的对应分析一致。

==================================================

二、多重对应分析

分析—降维—最优尺度

对于多个变量间的对应分析，需要使用最优尺度变换过程，看一个例子

该数据有7个变量，都属于无序多分类或二分类变量