研究背景
某出版机构调查了 385 名读者的教育程度（初中/高中/本科/研究生）与最常阅读的读物类型（新闻/小说/科普/娱乐），得到 4×4 列联表。机构想知道教育程度与阅读偏好之间是否存在关联，以及具体是哪些组合偏离了随机预期。
研究问题
(1) 教育程度与阅读类型是否独立？(2) 若有关联，哪些教育群体偏好哪类读物？(3) 能否用一两个维度概括这种关联结构？
数据说明
4 行 × 4 列的频数列联表，首行为列类别名，首列为行类别名，单元格为人数。总计 N = 385。
示例数据
教育程度,新闻,小说,科普,娱乐 初中,45,12,8,35 高中,38,20,15,27 本科,22,25,30,23 研究生,10,18,42,15
分析步骤
步骤 1：先用 χ² 检验确认存在关联
对应分析本身不做检验，它是描述性的降维工具。必须先确认 χ² 显著（行列不独立），否则「感知图」上的距离只是噪声，没有解释价值。
提示：若期望频数小于 5 的单元格超过 20%，χ² 近似不可靠，应考虑合并类别或用 Fisher 精确检验。
步骤 2：看维度贡献率决定画几维
可用维度上限为 min(行数−1, 列数−1)。看各维奇异值与惯性贡献率，通常取累计达 70% 以上的前两维作图。
步骤 3：读对称感知图
行类别（圆点）与列类别（方块）画在同一坐标系。靠近原点的类别接近整体平均水平；行点与列点越靠近，说明该搭配出现得比随机预期更频繁。注意：只能比较「行到列」的距离，不要比较「行到行」的欧氏距离（那对应 χ² 距离，需另作解释）。
步骤 4：用贡献率给维度命名
每一维的合计贡献率为 100%。贡献率最高的类别决定了该维的含义。本例维度 1 上，行类别以研究生（48.8%）与初中（36.7%）贡献最大，列类别以科普（56.0%）与新闻（32.1%）贡献最大，可解读为「教育程度高低」轴；维度 2 只占 4.1% 的惯性，主要由小说承载。
步骤 5：用标准化残差验证
标准化残差 = (观测−期望)/√期望，绝对值 ≥ 2 的单元格显著偏离独立假设。正值（红）表示该搭配多于预期，负值（蓝）表示少于预期，可与感知图的目视结论互相印证。
结果解读
结论
χ² 检验显著（χ²(9) = 68.93, p < .001），教育程度与阅读类型不独立，总惯性 0.179。维度 1 解释了 95.5% 的惯性，维度 2 仅 4.1%，因此一维就足以概括这张表的关联结构。感知图上研究生与科普读物彼此靠近，初中与新闻、娱乐靠近，高中与本科都落在原点附近；标准化残差印证了这一点——「研究生×科普」+4.59、「初中×新闻」+2.77 明显多于期望，而「初中×科普」−3.36、「研究生×新闻」−3.05 明显少于期望。
为什么这样解读？
列联表本身只能告诉你「有关联」，却无法直观呈现「谁和谁关联」。对应分析把 R×C 个单元格压缩到二维平面上，让研究者一眼看到关联的结构，这在市场定位、问卷交叉分析中尤其有用。本例中维度 1 独占 95.5% 的惯性，意味着「教育程度」几乎是唯一的一条解释轴，二维图退化成一条线；此时强行解读维度 2 上的位置差异是过度解释——它只承载 4.1% 的信息。另外要记住对应分析是描述性方法：坐标本身没有 p 值，判断某个搭配是否显著偏离仍需回到 χ² 与标准化残差。
如何在论文中报告
采用对应分析考察教育程度与阅读类型的关联结构（N = 385，4×4 列联表）。行列变量不独立，χ²(9) = 68.93, p < .001，总惯性 0.179。提取 3 个维度，维度 1 解释 95.5% 的惯性，维度 2 解释 4.1%，累计 99.6%。维度 1 的行贡献以研究生（48.8%）与初中（36.7%）最高，列贡献以科普（56.0%）与新闻（32.1%）最高，可命名为「教育程度」轴；感知图显示研究生与科普读物、初中与新闻及娱乐读物在维度 1 上位置接近。标准化残差中「研究生×科普」（+4.59）与「初中×新闻」（+2.77）显著高于期望，「初中×科普」（−3.36）与「研究生×新闻」（−3.05）显著低于期望。
常见错误
χ² 不显著仍强行解读感知图
行列独立时总惯性接近 0，所有点都挤在原点附近，图上的微小距离纯属抽样噪声。必须先确认 χ² 显著，再解读坐标。
在同一图上比较行与行（或列与列）的距离
对称图中行点之间的距离是 χ² 距离的近似，与「行到列」的距离含义不同。要比较两个行类别的相似性，应看它们的轮廓是否平行，或使用行主坐标图单独绘制。
保留边际为 0 的行或列
边际为 0 意味着该类别没有任何观测，其坐标无定义。本工具会自动剔除并给出提示，分析前应确认剔除是否影响研究结论。
对贡献率很低的维度做实质解读
本例维度 2 只占 4.1% 的惯性，其上点的位置差异几乎全是噪声。应先检查各维贡献率与 cos²（表示质量），只对贡献率足够高、且 cos² 大的点在该维上做解释，否则就是过度解读。