第9章-典型相关分析.pptVIP

4.典型相关系数的显著性检验 需要指出的是,在实际应用上,通常通过典型相关系数的显著性检验以及典型变量和典型相关系数的实际解释,来确定究竟保留几对典型变量.所求得的典型变量的对数愈少愈容易解释,最好是第一对典型变量就能反映足够多的相关成分,只保留一对典型变量便比较理想. * * 主编：费宇 9.2 案例 表9.1 我国科学研究与开发机构科技活动情况表 * * 主编：费宇 9.2 案例 表9.1给出了2005-2012年我国科学研究与开发机构科技投入和产出的部分代表指标.其中,科技投入指标为：x1,RD人员全时当量（单位：万人年）、x2,RD经费支出（单位：亿元）、x3,政府资金（单位：亿元）、x4,企业资金（单位：亿元）；科技产出指标为：y1,发表科技论文（篇）、y2 ,专利申请受理数（件）、y3,发明专利（件）;利用这些数据进行典型相关分析来分析我国科学研究与开发机构科技投入和产出关系. * * 主编：费宇 （1）计算相关系数矩阵 （1）计算相关系数矩阵： ,下面程序求各分块矩阵的值. 其中,R11=R[1:4,1:4], R12=R[1:4,5:7],R21=R[5:7,1:4], R21=R[5:7,5:7]. * * 主编：费宇 X=read.csv(dxxgkykf.csv,header=T) R=cor(X);R R.D人员全时当量 R.D经费支出 政府资金 企业资金 发表科技论文 专利申请受理数 发明专利 R.D人员全时当量 1.0000000 0.9908535 0.9911356 0.9504280 0.9844693 0.9840037 0.9363118 R.D经费支出 0.9908535 1.0000000 0.9988826 0.9584249 0.9692064 0.9931741 0.9510069 政府资金 0.9911356 0.9988826 1.0000000 0.9503002 0.9739008 0.9869929 0.9363016 企业资金 0.9504280 0.9584249 0.9503002 1.0000000 0.9037032 0.9679390 0.9547370 发表科技论文 0.9844693 0.9692064 0.9739008 0.9037032 1.0000000 0.9516937 0.8849569 专利申请受理数 0.9840037 0.9931741 0.9869929 0.9679390 0.9516937 1.0000000 0.9796435 发明专利 0.9363118 0.9510069 0.9363016 0.9547370 0.8849569 0.9796435 1.0000000 （2）特征值和典型相关系数 （2）求特征值和典型相关系数的R程序如下： 特征值分别为9.993448×10－1 、8.555178×10－1、 4.894137×10－1、6.646159×10－17,开方得相应的典型相关系数：r1=9.996724×10－1,r2=9.249421×10－1, r3=6.995811×10－1,r4=8.152398×10－9. * * 主编：费宇 A=solve(R[1:4,1:4])%*%R[1:4,5:7]%*%solve(R[5:7,5:7])%*%R[5:7,1:4] ev=eigen(A)$values;ev #特征值 [1] 9.993448e-01 8.555178e-01 4.894137e-01 6.646159e-17 sqrt(ev) #典型相关系数 [1] 9.996724e-01 9.249421e-01 6.995811e-01 8.152398e-09 （3）典型相关系数检验 （3）典型相关系数检验的R程序及结果（1）： * * 主编：费宇 xy=scale(X) #数据标准化 ca=cancor(xy[,1:4],xy[,5:7]) #典型相关分析 ca$co