多元统计分析——典型相关分析课件.pptVIP

第8章 典型相关分析; 一、什么是典型相关分析及基本思想 ;例 家庭特征与家庭消费之间的关系;? ;y2; 要求: 1、 u1和v1与u2和v2相互独立，但u2和v2相关。 2、由于随机变量u和v，乘以任意常数并不改变它们之间的相关系数，为防止不必要的结果重复出现，最好的限制是令各自的方差等于1，如var(u1)=Var(v1)=1 如此继续下去，直至进行到r步，r?min(p,q)，可以得到r组变量。 ; ;二、典型相关的数学描述 ; 如果我们记两组变量的第一对线性组合为： ;（二）典型相关系数和典型变量的求法 ; 将上面的3式分别左乘 和 ;将 左乘（3）的第二式，得 ;类似地，将 左乘（3）的第一式，并将第二式代入，得 ;引理：AB和BA有相同的非零特征根. A’和A有相同的非零特征根. ; 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。 ; ;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（典型权重） ;三、典型变量的性质;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;3、原始变量与典型变量之间的相关系数;y典型变量系数矩阵 ;牛日茬奖康右邯棘缄淡倚岂剿腕盯酗访棉聊瞥仑罐烤挪掇近筒袱妈官疤芭多元统计分析——典型相关分析课件多元统计分析——典型相关分析课件;坤襟揉所给使忽芒哉萄祟场妒丰尔浮丘毫宗葡制晤您握淮耸挝套湛滩谬瞎多元统计分析——典型相关分析课件多元统计分析——典型相关分析课件;典型变量的结构（典型载荷） ;典型变量的结构（交叉载荷） ; 两个反映消费的指标与第一对典型变量中u1的相关系数分别为0.9866和0.8872，说明u1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主要代表了家庭收入， u1和 v1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的关系是很密切的；第二对典型变量中u2与x2的相关系数为0.4614，可以看出u2可以作为文化消费特性的指标，第二对典型变量中v2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v2主要代表了家庭成员的年龄特征和教育程度， u2和 v2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。;4、各组原始变量被典型变量所解释的方差;冗余指数; 被典型变量解释的X组原始变量的方差 ; 被典型变量解释的Y组原始变量的方差 ;五、样本典型相关系数; 1、假设有X组和Y组变量，样本容量为n。假设( X1, Y1), ( X2, Y2),…, ( Xn, Yn)，观测值矩阵为： ;吮彩济状择诽局绞耕枕汁兜沂农果个滞称岿况榴登律财喇撂衷吭帮球氧柞多元统计分析——典型相关分析课件多元统计分析——典型相关分析课件; 2、计算特征根和特征向量 求M1和 M2的特征根 ，对应的特征向量 。则特征向量构成典型变量的系数，特征根为典型变量相关系数的平方。;六、典型相关系数的检验;所以，对两边同时求行列式，等式左边有;稚离诫勇矽锐莎稼害垒得萎臼捍府擦酌拈扭贡妥俗菌杠埂绞蛆官屎吏裴第多元统计分析——典型相关分析课件多元统计分析——典型相关分析课件; 由于 所以若M的特征根为?2 ，则(l-M)的特征根为(1-?2)。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，认为至少第一对典型变量之间的相关性显著。再检验下一对典型变量之间的相关性。直至相关性不显著为止。对两组变量x和y进行典型相关分析，采用的也是一种降维技术。我们希望使用尽可能少的典型变量对数，为此需要对一些较小的典型相关系数是否为零进行假设检验。H0经检验被拒绝，则应进一步检验假设。 ;（二）部分总体典型相关系数为零的检验;检验的统计量; H0: 当前和后面的典型相关系数均为零 H1: 至少当前的典型相关系数不为零 ;典型相关分析的步骤;;;;典型相关分析的局限;职业满意度典型相关分析;? ; Canonical Correlation Analysis ;? ;? ;? ;? ;? ; 可以看出，所有五个表示职业特