五相关分析().pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 第四节 典型相关 一、典型相关分析主要用途 研究两组变量之间的关系。如： 居民生活环境与健康状况之间的关系； 投入性变量（就业人数、固定资产投资、直接利用外资）与产出性变量（工业总产值、农业总产值、进出口总额）之间的关系； 运动员的体力（反复横向跳、臂力、握力等）与运动能力（长跑、短跑、投球）之间的关系。 第四节 典型相关 二、典型相关分析的总体思想 从不同角度（维度）来考察两组变量，计算其相关系数，相关系数越大，说明这方面的关系是主要关系；相关系数越小，说明这方面的关系是次要关系，甚至可以忽略。 第四节 典型相关 三、典型相关分析的主要思路 1、从不同角度来考察两组变量： 用不同的线性组合形成新的综合变量： 第四节 典型相关 2、新的综合变量之间的相关系数即为典型相关系数： 第四节 典型相关 3、关键：寻找到合适的系数向量，也即形成新的综合变量（对），使对内的相关系数最大。 第四节 典型相关 也可以先将数据标准化，再进行典型相关分析。 第四节 典型相关 4、可以找到的综合变量有多对，各对之间互不相关（正交），以避免信息重复。 第四节 典型相关 四、典型相关分析的计算机实现 1、启动Spss数据窗口； 2、打开Spss语法窗口：File→New→Syntax； 3、在Syntax窗口中输入命令： include ‘d：\spss\canonical correlation.sps. cancorr set1=x1 to x7 /set2=y1 to y5. 4、运行程序：Run→All； 5、阅读结果并进行分析。 第四节 典型相关 四、典型相关分析的计算机实现 第四节 典型相关 例题（运动员体力与运动能力典型相关分析.csv）： 为研究运动员体力与运动能力的关系，对某高校体育系新生男生38人进行体力测试（共7项指标）和运动能力测试（共5项指标），试进行典型相关分析。 第四节 典型相关 体力指标： 反复横向跳：次； 纵跳：cm； 背力：Kg； 握力：kg； 台阶试验：指数； 立定体前屈：cm； 俯卧上体后仰：cm； 运动能力指标： 50M跑：s；跳远：cm； 投球：m；引体向上：次； 耐力跑：s。 第四节 典型相关 第一组变量内部 变量间的相关系数 第二组变量内部 变量间的相关系数 两组变量间的相关系数 第四节 典型相关 典型相关系数 典型相关的显著性检验 第四节 典型相关 第四节 典型相关 第四节 典型相关 U对第一组变量 组内方差的解释程度 V对第一组变量 组内方差的解释程度 V对第二组变量 组内方差的解释程度 U对第二组变量 组内方差的解释程度 第四节 典型相关 第四节 典型相关 五、典型相关分析的实质 例中的两组变量分别有7个变量和5个变量，换句话说，这两组变量分别是7维和5维的，每个case相当于7维和5维空间中的一对点。而我们的目的是设法把多维空间中的点降低到低维空间中，比如缩减到二维空间中，然后再考察这两组变量新形成的代表性综合变量之间的关系。因此，这是一个数据降维过程。 第四节 典型相关 先假定只有二维，即只有两个变量，它们由横坐标和纵坐标所代表；因此每个观测值都有相应于这两个坐标轴的两个坐标值；如果这些数据形成一个椭圆形状的点阵（这在变量的二维正态的假定下是可能的）那么这个椭圆有一个长轴和一个短轴。在短轴方向上，数据变化很少；在极端的情况，短轴如果退化成一点，那只有在长轴的方向才能够解释这些点的变化了；这样，由二维到一维的降维就自然完成了。 第四节 典型相关 当坐标轴和椭圆的长短轴平行，那么代表长轴的变量就描述了数据的主要变化，而代表短轴的变量就描述了数据的次要变化。但是，坐标轴通常并不和椭圆的长短轴平行。因此，需要寻找椭圆的长短轴，并进行变换，使得新变量和椭圆的长短轴平行。如果长轴