《心理多元统计分析教学课件》第7章+典型相关分析.pptVIP

第七章 典型相关分析 7.1 典型相关分析的基本思路 7.2 典型相关和典型变量 7.3 典型相关系数的检验 7.4 典型相关分析的基本假设和数据要求 7.5 典型相关分析的统计指标 7.6 应用SPSS软件进行典型相关分析 7.1 典型相关分析的基本思路 典型相关分析(Canonical Correlation Analysis)是研究两组变量之间相关关系的一种多元统计分析方法。1936年，Hotelling 首先把线性相关由两个变量推广到两个随机向量的讨论中，提出了典型相关分析。 典型相关分析不是分别对其中一个变量组的每个变量做与另一组的多个变量之间的多元相关或多元回归，而是将各组变量都作为整体来对待，因此，它所描述的是两个变量组之间的整体的相关形式。 x1 x2 x3 x4 x5 y1 y2 y3 X u1 u2 u3 y v1 v2 v3 cr1 cr2 cr3 典型相关分析示意图 7.2 典型相关和典型变量 7.3 典型相关系数的检验 7.4 典型相关分析的基本假设和数据要求 基本假设: 两组变量之间为线性关系, 即每组典型变量之间为线性关系并且，每个典型变量与本组所有观测变量的关系也是线性关系。 数据要求： 模型中的所有观测变量为等距以上等级，并且要求实际取值范围较宽。但也可以用由顺序变量或类别变量定义的虚拟变量。 典型相关分析要求各组内的观测变量之间不能有高度