第10章典型相关分析.pptVIP

第十章 典型相关分析 通常情况下，为了研究两组变量 的相关关系，可以用最原始的方法，分别计算两组变量之间的全部相关系数，一共有pq个简单相关系数，这样又烦琐又不能抓住问题的本质。如果能够采用类似于主成分的思想，分别找出两组变量的各自的某个线性组合，讨论线性组合之间的相关关系，则更简捷。 例 家庭特征与家庭消费之间的关系 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： 例 家庭特征与家庭消费之间的关系 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： 例 家庭特征与家庭消费之间的关系 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： 第二对典型变量中V2与X2的相关系数为0.4614，可以看出V2可以作为文化消费特性的指标，第二对典型变量中W2与Y1和Y3之间的分别相关系数为0.8464和0.3013，可见典型变量W2主要代表了家庭成员的年龄特征和教育程度， V2和 W2的相关系数为0.1869，说明文化消费与年龄和受教育程度之间的有关。 求解典型相关系数的步骤 1. 求矩阵A、B A(6×6)矩阵 B(5×5)矩阵 2. 求矩阵A、B的λ(相关系数的平方) B矩阵求λ(典型相关系数的平方) 5个λ与典型相关系数 3. 求A、B关于λi的变量系数(求解第1典型变量系数) 求解第2典型变量系数 …求解第5典型变量系数 5组(标准化)典型变量系数(X) 5组(标准化)典型变量系数(X) 由标准化典型变量系数获得原变量X对应的粗典型变量系数 5组(标准化)典型变量系数(Y) 典型相关系数的特点 §10.2 样本典型相关系数 在实际应用中,总体的协方差矩阵常常是未知的,类似于其他的统计分析方法,需要从总体中抽出一个样本,根据样本对总体的协方差或相关系数矩阵进行估计,然后利用估计得到的协方差或相关系数矩阵进行分析.由于估计中抽样误差的存在,所以估计以后还需要进行有关的假设检验. 由于 所以若M的特征根为? ,则(I-M)的特征根为(1-?).根据矩阵行列式与特征根的关系,可得： 在原假设为真的情况下,检验的统计量 近似服从自由度为pq的?2分布.在给定的显著性水平?下,如果?2???2 (pq),则拒绝原假设,认为至少有一对典型变量之间的相关性显著. 与原变量间的相关程度和典型变量系数有关. 1985年中国28 省市城市男生(19～22岁)的调查数据。记形态指标:身高(cm)、坐高、体重(kg)、胸围、肩宽、盆骨宽分别为X1，X2，…，X6；机能指标:脉搏(次/分)、收缩压(mmHg) 、舒张压(变音)、 舒张压(消音)、肺活量(ml)分别为Y1，Y2，…，Y5。现欲研究这两组变量之间的相关性。 简单相关系数矩阵 等于该变量与自己这方典型变量的相关系数与典型相关系数的乘积 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V1有大致相同的相关系数， V1视为形容职业特性的指标。第一对典型变量的第二个成员W1与Y1，Y2，Y5，Y6有较大的相关系数，说明W1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V1和W1之间的相关系数0.5537。 V1和W1解释的本组原始变量的比率： X组的原始变量被V1到V5解释了100% Y组的原始变量被W1到W5解释了80.3% X组的原始变量被V1到V4解释了90.81% Y组的原始变量被W1到W4解释了69.72% §10.3典型变量的冗余分析（