第九讲典型相关分析.pptVIP

第八章 典型相关分析 主讲人：杨随根 课时安排：4+2 开课学院：理学院 主要内容 典型相关分析的基本思想 典型相关分析的数学表示 典型相关的求解 典型相关的性质 案例分析 一、典型相关分析的基本思想 为了了解家庭的特征与其消费模式之间的关系。调查了70个家庭的下面两组变量： 问题描述及总结 主要问题是：如何确定一组变量和另外一组变量的关系？ 解决方法：需要降维，即在每一组中分别找到一个具有代表性的变量。 如果一个变量不具有代表性，可以再取其它变量。 数据表示 二、典型相关分析的数学表示 所求问题的数学模型 四、典型相关的性质 1、同一组的典型变量之间互不相关 2、不同组的典型变量之间相关性 3、原始变量与典型变量之间的相关系数 5、典型相关系数的显著性检验 五、案例分析 例题：康复俱乐部对２０名中年人测量了三个生理指标：　weight，waist，pulse，以及三个训练指标chins（单杠），situps（仰卧起坐）和jumps（跳高）。试分析生理指标和训练指标的相关性。 数据文件见ex8.1.sav　 Spss命令 INCLUDE C:\Program Files\SPSS\Canonical correlation.sps. CANCORR SET1=v2 v3 v4 v5/ SET2=v6 v7 v8 v9/. 天津商业大学 理学院 * 杨随根 *天津商业大学 理学院 例： 家庭特征与家庭消费之间的关系 分析两组变量之间的关系。 ? X1 X2 y1 y2 y3 X1 1.00 0.80 0.26 0.67 0.34 X2 0.80 1.00 0.33 0.59 0.34 y1 0.26 0.33 1.00 0.37 0.21 y2 0.67 0.59 0.37 1.00 0.35 y3 0.34 0.34 0.21 0.35 1.00 变量间的相关系数矩阵 返回 例题 考虑两组变量的向量 其协方差阵为 在约束条件: 下，求a1和b1，使?uv达到最大。令 根据数学分析中条件极值的求法，引入Lagrange乘数，求极值问题，则可以转化为求 的极大值，其中?和?是 Lagrange乘数。 三、典型相关的求解 将上面的3式分别左乘 和 将 左乘（3）的第二式，得 并将第一式代入，得 的特征根是 ，相应的特征向量为 将 左乘（3）的第一式， 并将第二式代入，得 的特征根是 ，相应的特征向量为 结论： 既是M1又是M2的特征根， 和 是相应于M1和M2的特征向量。 至此，典型相关分析转化为求M1和M2特征根和特征向量的问题。 第一对典型变量提取了原始变量X与Y之间相关的主要部分，如果这部分还不能足以解释原始变量，可以在剩余的相关中再求出第二对典型变量和他们的典型相关系数。 典型相关分析 ? 典型相 关系数 调整典型 相关系数 近似方差 ? 典型相关系数的平方 1 0.687948 0.687848 0.005268 0.473272 2 0.186865 0.186638 0.009651 0.034919 X组典型变量的系数 ? U1 U2 X1(就餐） 0.7689 -1.4787 X2（电影） 0.2721 1.6443 Y组典型变量的系数 ? V1 V2 Y1（年龄） 0.0491 1.0003 Y2（收入） 0.8975 -0.5837 Y3（文化） 0.1900 0.2956 X组的典型变量之间是相互独立的： Y组的典型变量之间是相互独立的： 因为特征向量之间是正交的。故 4、冗余度分析 == =， === ， = = = = == 第一组典型变量提取的方差百分数为； 第二组典型变量提取的方差百分数为。 第一组典型变量提取的方差被第二组典型变量重复的百分数 （它称为在第一组冗余而在第二组存在的冗余测度）， 在第二组冗余而在第一组中存在的冗余测度为，