对应分析的步骤
对应分析大致步骤分别为：1、编制交叉列联表。2、根据原始矩阵进行对应变换。3、行变量和列变量的分类降维处理。4、绘制行列变量分类的对应分布图。
对应分析：对应分析也称关联分析、R-Q型因子分析，是近年新发展起来的一种多元相依变量统计分析技术，通过分析由定性变量构成的交互汇总表来揭示变量间的联系。可以揭示同一变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系。
对应分析是一种视觉化的数据分析方法，它能够将几组看不出任何联系的数据，通过视觉上可以接受的定位图展现出来。对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。对应分析最大的特点是具有直观性，而且它是一种直观、简单、方便的多元统计方法。
对应分析也是一种降维方法，因此在将行列信息投射到低纬空间时也可能会有信息的损失。对应分析可以省去因子旋转和因子选择等复杂中间过程，降低数学运算难度，且从因子载荷图上可以直接对行因素和列因素进行分类。
对应分析也称关联分析、R-Q型因子分析，通过分析由定性变量构成的交互汇总表来揭示变量间的联系。对应分析法是在R型和Q型因子分析的基础上发展起来的一种多元统计分析方法下面我们主要从下面四个方面来解说：
[if !supportLineBreakNewLine][endif]实际应用理论思想建立模型[if!supportLineBreakNewLine][endif]分析结果[if !supportLineBreakNewLine]
实际应用对应分析法 可以揭示同一变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系 。当所涉及的 分类变量类别较多或者分类变量的个数较多 的时候，我们就需要用到对应分析。主要应用在市场细分、产品定位、地质研究以及计算机工程等领域中。
原因在于，它是一种视觉化的数据分析方法，它能够将几组看不出任何联系的数据，通过视觉上可以接受的定位图展现出来。理论思想由于指标型的因子分析和样品型的因子分析反映的是一个整体的不同侧面，因此它们之间一定存在内在的联系。
如果能够有效利用这种内在联系所提供的信息，对更全面合理地分析数据具有很大的帮助。在因子分析中，如果研究的对象是样品，可采用Q型因子分析；如果研究的对象是变量，则需采用R型因子分析。
但是，因为这两种因子分析方法必须分别对样品和变量进行处理，所以这两种分析方法往往存在着相互对立的关系，为我们发现和寻找它们的内在联系制造了困难。而对应分析通过一个过渡矩阵Z将两者有机地结合了起来。
