對稱圖還是非對稱圖？
對稱圖把品牌和屬性都畫在主座標上，是最常見的知覺圖，兩組點的分布尺度相同。但它只定義了同一組內部的距離：品牌與品牌、屬性與屬性。品牌靠近某個屬性，不一定代表兩者關聯緊密；應依離中心的方向解讀，並在「每個品牌代表什麼」清單中核對。
非對稱圖（列主座標）把品牌畫在主座標、把屬性畫在標準座標（也就是空間的頂點）。此時每個品牌都是各屬性點的加權平均，品牌會被拉向描述它的屬性，品牌與屬性之間的距離可以解讀。如果要回答「每個品牌占據了哪些聯想」，就用這張圖。
計算公式
設 P 為原表除以總數 N，r 和 c 為列、欄質量（邊際比例）。標準化殘差 S = D_r^−½ (P − r cᵀ) D_c^−½，對其進行奇異值分解 S = U Σ Vᵀ。維度 k 的主慣量 λ_k = σ_k²，總慣量 Σ λ_k = χ² ÷ N。
列（品牌）主座標 F = D_r^−½ U Σ，欄（屬性）主座標 G = D_c^−½ V Σ；標準座標再除以 σ_k。貢獻度 = 質量 × 標準座標²，即該點在該維度慣量中所占的比例；cos² = 主座標² ÷ 該點到中心的卡方距離平方，代表該維度對該點的呈現程度。補充點以轉換公式定位：其分布 × 另一組點的標準座標。
分析範例
按「使用範例資料」或「載入範例表格」會載入一份合成的咖啡連鎖品牌形象研究：500 位受訪者針對 5 個虛構的咖啡品牌，以及「我心目中理想的咖啡店」，勾選 8 個描述詞中哪些適合該品牌。維度 1 解釋了 53.7% 的慣量，維度 2 解釋了 41.0%，二維知覺圖合計呈現了 94.7% 的品牌–屬性關聯，足以作為原表的可靠摘要。
維度 1 區分了「CP值高」、「出餐快」（以及 Brewline）與「好喝」（以及 Copper Kettle、Harbor Roast）；維度 2 區分了「店員親切」、「傳統老派」（Copper Kettle、Daybreak）與「時尚現代」、「高級」（Summit）。Brewline 在「出餐快」（指數 220）和「CP值高」（指數 179）上明顯高於期望。
「理想的咖啡店」以補充列的方式投影到圖上，不參與建構座標軸。它離 Harbor Roast 最近，高於期望的屬性依序是「好喝」、「傳統老派」、「高級」，這正是品牌應該努力建立的聯想。
適用與不適用的情境
對應分析適用於任何二維次數表，尤其是品牌形象與品牌聯想研究。
- 品牌形象或品牌聯想題：哪些描述詞適合哪些品牌。
- 其他二維次數表，例如產品 × 使用情境、門市 × 選擇理由、族群 × 答案。
- 把「理想品牌」、新一波資料或新競品當作補充點，投影到既有的知覺圖上。
- 量表評分（各品牌的平均分數）：應改用平均數交叉表或主成分分析。
- 非常稀疏的表：提及次數很少的品牌或詞位置不可靠，應設為補充點。
- 在對稱圖中把品牌與屬性的距離當成有意義的數值來解讀。
如何解讀結果
先看前兩個維度解釋了多少慣量（低於約 60% 時，圖上遺漏了大量資訊），再看對每個維度貢獻最大的點，替座標軸命名。只解讀表示品質良好的點（兩個維度的 cos² 總和高於約 0.5），並用「高於期望」清單或非對稱圖核對品牌與屬性的關聯。