案例：某方便面厂商对旗下产品做品牌形象研究，针对竞品和自家产品，询问了下列问题，用于收集关于品牌形象的数据。
消费者行为学中，认为对品牌的态度会影响到消费者是否购买。主要基于费希本的多属性模型，认为消费者在决策时，会对比产品的多个属性，综合决定。所以在市场调研中要调查消费者关注哪些属性，同时还要调研在消费者印象中，不同品牌拥有哪些属性？
对应分析的数学统计背景：参考mooc课程①《多元统计分析及R语言建模》②《多元统计分析》
在问卷中，设置如案例的题目，能收集到被访者对各个品牌的形象选择频数。
两个问题：数据格式，数据类型
数据格式：①交叉表：SPSS中的交叉表和频数表不同，交叉表不能直接做对应分析，需要在Excel中转为频数表，重新录入后才能用。如何将二维表（交叉表）转为一维表（频数表） https://zhuanlan.zhihu.com/p/36204790 。②问卷数据：问卷导出的格式是按个案存储的，需要转为汇总格式的频数表才能用，多选题的转化需要定义多重响应集，然后用定制表输出频数表所需格式，重新录入SPSS中。如何调整数据用于对应分析（文章最后一部分） https://www.jianshu.com/p/98909f35b1c8
数据类型：①频数②打分③百分比。一般情况下都是频数（分类变量的数据），在《市场研究中的统计分析方法·专题篇》中还提到了使用频数加工后的列百分比数据。相对原始频数，用这种数据对结果有什么影响，不是很了解。还可以用打分产生的数据，但打分产生的数据，简单对应分析使用不同的分析方法，具体见《SPSS统计分析高级教程》245页-基于均数的对应分析。
其一：简单的统计排序，统计各个品牌在各个形象中的被选情况，做个排序。
其二：对应分析
1.通过卡方检验是否适用对应分析。对应分析的前提是，行列变量之间的确存在关联。
2.利用交叉表，查看原始分布的情况，了解各类别的数据，是否有频次过少的变量，如果有，则需要处理，一般是删除，或者不参与对应分析。（与多元对应分析比较，处理方法略有不同）。了解各品牌的大致突出的形象是什么。
行列交叉表，用于简单观察分布情况，同时查看是否有数据缺少等问题。
各行类别在各个维度上的信息量。
同上
具体看法：
第一种是分开看，行类别是否有效分开了，越是分开，代表对应分析的效果越好。具体看位置，比如行类别左右分的很开，上下却没有，说明行类别的信息主要体现在了横坐标上。
第二种是行列一起看，点与点之间的距离代表了关联程度，越近表明关联越大。同时离原点位置越远，代表了关联倾向越明显，可以从行和列汇总表中“维中的得分”理解，离原点越近，其维度中的信息量越少。