8典型相关分析.pptVIP

第八章 典型相关分析Canonical Correlation Analysis 1 变量组之间的相关性问题 2 数学模型及计算方法 3 典型相关系数的显著性检验 4 应用举例 1 变量组之间的相关性问题 1 变量组之间的相关性问题 1 变量组之间的相关性问题 两个随机变量X,Y的相关性可用它们的相关系数来度量. 2 数学模型及计算方法 1 ）总体的典型变量与典型相关 进一步假定∑11 和∑22是满秩阵,令 典型相关变量的计算方法 标准化后的计算 2）样本的典型变量与典型相关分析 其中 这时,样本典型变量为 为了消除量纲的影响,也可以对样本观测值进行标准化,即令 标准化样本 在实际分析中,为使典型变量易于解释,通常从R出发,求标准化样本的典型变量,选择样本典型相关系数较大的少数几对样本典型变量,以反映原来两组变量间的关系. 3典型相关系数的显著性检验 四、典型相关分析的应用 1、职业满意度典型相关分析 某调查公司从一个大型零售公司随机调查了784人，测量了5个职业特性指标和7个职业满意变量。讨论 两组指标之间是否相联系。 X 组： Y 组： X1—用户反馈 Y1—主管满意度 X2—任务重要性 Y2—事业前景满意度 X3—任务多样性 Y3—财政满意度 X4—任务特殊性 Y4—工作强度满意度 X5—自主权 Y5—公司地位满意度 Y6—工作满意度 Y7—总体满意度 可以看出，所有五个表示职业特性的变量与u1有大致相同的相关系数， u1视为形容职业特性的指标。第一对典型变量的第二个成员v1与Y1，Y2，Y5，Y6有较大的相关系数，说明v1主要代表了主管满意度，事业前景满意度，公司地位满意度和工种满意度。而u1和v1之间的相关系数0.5537。 u1和v1解释的本组原始变量的比率： X组的原始变量被u1到u5解释了100% Y组的原始变量被v1到v5解释了80.3% X组的原始变量被u1到u4解释了90.81% Y组的原始变量被v1到v4解释了69.72% 第一对典型变量中，U1主要受自开始建设至本年底累计完成投资影响，V1主要受经营总收入和商品房屋销售收入影响； 第二对典型变量中，U2主要受自开始建设至本年底累计完成投资、本年完成投资和施工房屋面积影响，V2主要受经营税金及附加、竣工房屋面积和竣工房屋价值影响： 第三对典型变量中，U3受各个指标影响都较大，V4主要受房屋出租收入、经营税金及附加和竣工房屋面积的影响； 第四对典型变量中，U4主要受本年完成投资的影响，V4主要受经营总收入和工房屋价值的影响。 第五对典型变量中，U5主要受开发公司个数影响，V4主要受经营总收入、商品房屋销售收入、房屋出租收入和经营税金及附加影响。 但注意到，第一对典型变量的方差贡献率已达92.20%,故保留第一对典型变量用作分析，从而达到降维的目的。 总的来说，房地产的投入变量主要受自开始建设至本年底累计完成投资影响，产出变量集中在经营总收入和商品房屋销售收入上。累计完成投资额与经营总收入，特别是商品房屋销售收入高度相关。 本例想利用我国1999年城镇居民的家庭收入来源和消费性支出的数据了解我国居民消费构成及主要影响因素分析所用的数据来自：《中国统计年鉴》2000。 收入指标：X1——可支配收入 X2——实际收入 X3——国有单位职工收入 X4——集体单位职工收入 X5——其他经济类型职工收入， X6——转移收入 支出指标：Y1——消费性支出 Y2——食品 Y3——衣着 Y4——交通和通讯 Y5——医疗和保健 Y6——娱乐、教育、文化服务 Y7——居住 完 附1 矩阵平方根的概念 Canonical Correlation Analysis ? ? ? Adjusted Canonical Correlation Approx Canonical Correlation Squared Standard Error ? Canonical Correlation 1