第10章 典型相关分蔚啮.ppt

第十章; ; ;什么是典型相关分析？ 　　典型相关分析是研究两组变量之间相关关系的一种多元统计分析方法．它借用主成分分析降维的思想，分别对两组变量提取主成分，且使两组变量提取的主成分之间的相关程度达到最大，而从同一组内部提取的各主成分之间互不相关，用从两组之间分别提取的主成分的相关性来描述两组变量整体的线性相关关系．;典型相关关系研究两组变量之间整体的线性相关关系，它是将每一组变量作为一个整体来进行研究而不是分析每一组变量内部的各个变量．所研究的两组变量可以是一组为自变量，而另一组变量为因变量；两组变量也可以是同等的地位，但典型相关关系要求两组变量都至少是间隔尺度．; 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。; 在解决实际问题中，这种方法有广泛的应用。如，在工厂里常常要研究产品的q个质量指标 和p个原材料的指标 之间的相关关系；也可以是采用典型相关分析来解决的问题。如果能够采用类似于主成分的思想，分别找出两组变量的线性组合既可以使变量个数简化，又可以达到分析相关性的目的。;例 家庭特征与家庭消费之间的关系;? ;Y2; ; 然后再在每组变量中找出第二对线性组合，使其分别与本组内的第一线性组合不相关，第二对本身具有次大的相关性。;典型相关的数学描述; 当 p≥1 , q=1(或 q≥1, p=1) 时, p维随机向量; 当 p , q 1时, 利用主成分分析的思想,可以把多个变量与多个变量之间的相关化为两个新的综合变量之间的相关.也就是 求 和 ,使得新的综合变量;§10.1 总体典型相关;定义10.1.1 设 p+q 维随机;则称 是X,Y的第 k 组(对)典型相关变量,它们之间的相;典型相关变量的解法;1. 第一对典型相关变量的求法;用拉格朗日乘子法,令;再分别用 左乘方程(10.1.1);则方程组(10.1.2)有非零解的充要条件是; 具体计算时,因?的高次方程(10.1.3)不易解;将其代入方程组(10.1.2)后还需求解(p+q)阶方程.为了计算上的简便,常作以下变换:;将 左乘(10.1.2)的第一式,并将第二式代入,得;故求解方程(10.1.3)等价于求解方程组(10.1.4):; 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。 ; 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.设第二对典型变量为：;2. 典型相关变量的一般求法;例 家庭特征与家庭消费之间的关系;? ;典型相关分析 ;X组典型变量的系数 ;典型变量的性质;2、不同组的典型变量之间相关性;例 家庭特征与家庭消费之间的关系;? ;典型相关分析 ;X组典型变量的系数 ;典型变量的结构（相关系数）;典型变量的结构（相关系数）; 两个反映消费的指标与第一对典型变量中V1的相关系数分别为0.9866和0.8872，可以看出V1可以作为消费特性的指标，第一对典型变量中V1与Y2之间的相关系数为0.9822，可见典型变量V1主要代表了了家庭收入， V1和 W1的相关系数为0.6879，这就说明家庭的消费与一个家庭的收入之间其关系是很密切的；; 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;典型相关系数计算实例;Cov(X)＝R11;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