应用多元分析实验五.docVIP

应用多元分析 实验五 典型相关分析 班 级：应数08-1 姓 名：王彩丽 学 号：200810020132 实验五 典型相关分析 一、实验目的：通过本实验掌握使用SAS进行典型相关分析的方法。 二、实验内容：编程做典型相关分析。 三、实验步骤： 5.4.1 编程实现相关分析代码： 结果及其分析： 图1为各个数值的均值和标准差 图2典型相关系数及检验 图3输出中包括了典型相关系数，修正的典型相关系数，近似标准误差及典型相关系数的平方。可以得到，第一相关系数为。检验在这个总体中当前的典型相关系数及比它小的所有典型相关系数均为0的假设。包括似然比统计量，近似F统计量，分子自由度，分母自由度及检验的P值。似然比值小于0近似F统计量值为454.09，概率水平值小于0.0001，故在的显著水平下，否定所有典型相关系数为0的假设，也就是至少有一个典型相关都是显著的。在下一行，得到结果说明第二个典型相关也是显著的。 图3从原是变量出发的典型相关系数 图4标准化的典型系数 由图4可以得到第一对典型变量为： 图5典型结构 图5给出了原始变量和典型变量的相关系数。 5.4.2 编程实现相关分析代码： 结果及其分析： 图1为各个数值的均值和标准差 图2变量间的相关系数矩阵 图3典型相关系数及检验 图3输出中包括了典型相关系数，修正的典型相关系数，近似标准误差及典型相关系数的平方。可以得到，第一相关系数为。检验在这个总体中当前的典型相关系数及比它小的所有典型相关系数均为0的假设。包括似然比统计量，近似F统计量，分子自由度，分母自由度及检验的P值。似然比值为0近似F统计量值为6.6，概率水平值为0.0003，故在的显著水平下，否定所有典型相关系数为0的假设，也就是至少有一个典型相关是显著的。 图4从原是变量出发的典型相关系数 图5标准化的典型系数 由图5可以得到第一对典型变量为： 图6典型结构 图6给出了原始变量和典型变量的相关系数。 图7典型变量的得分 图7给出了第一对典型变量（u1,v1）的标准得分值及原始变量的观测数据。 图8第一对典型变量得分的散点图 第一对典型变量得分的散点图可以看出散点在近似的一条直线上分布。 四、实验小结 通过本次实验，认识了典型相关分析是应用降维思想研究两组变量之间相关性关系的一种多元统计分析方法，它能够揭示两组变量之间的内在联系，真的反映两组变量间的线性相关情况。CANCORR过程是完成典型相关、偏相关、典型冗余相关分析的，还可以产生包含典型系数和典型变量得分的输出数据集。