统计学典型相关分析PPT.ppt

统计学;第十三章 典型相关分析;13.1两组变量的相关问题 ;例子（数据tv.txt) ;;典型变量;典型相关系数 ;典型相关系数 ;计算结果 ;计算结果 ;计算结果 ;可以看出，头一个典型变量V1相应于前面第一个（也是最重要的）特征值，主要代表高学历变量hed；而相应于前面第二个（次要的）特征值的第二个典型变量V2主要代表低学历变量led和部分的网民变量net，但高学历变量在这里起负面作用。 ;计算结果 ;;例子结论 ;SPSS的实现;SPSS的实现;SPSS的实现;附录 ;两个变量时,用线性相关系数研究两个变量之间的线性相关性:;典型相关分析;数学: 设两组随机变量;这是Lagrange乘数法求下面f的极大值;可得到p1对线性组合Ui=l(i)’X(1), Vi=m(i)’X(2),称每一对变量为典型变量. 其极大值 称为第一典型相关系数. 一般只取前几个影响大的典型变量和典型相关系数来分析.;典型变量的性质: (1)X(1)和X(2)中的一切典型变量都不相关. (2) X(1)和X(2)的同一对典型变量Ui和Vi之间的相关系数为li, 不同对的Ui和Vj(i≠j)之间不相关. 样本情况, 只要把S用样本协差阵或样本相关阵R代替. 下面回到我们的例子。;典型相关系数的显著性检验: 首先看X(1)和X(2)是否相关,如不相关, 就不必讨论.如果;如果H0为检验第r(rk)个典型相关系数的显著性;当然在实际例子中一般并不知道S。因此在只有样本数据的情况下, 只要把S用样本协差阵或样本相关阵代替就行了。但是这时的特征根可能不在0和1的范围，因此会出现软件输出中的特征根（比如大于1）不等于相关系数的平方的情况，这时，各种软件会给出调整后的相关系数。 ;典型相关和回归分析的关系 把X(1)和X(2)换成回归中的X和Y, 这就是因变量和自变量之间的相关问题. 而Y在X上的投影,就是回归了.;统计学;第十四章 对应分析 ;行和列变量的相关问题 ;行和列变量的相关问题 ;例子（数据ChMath.txt );例子（数据ChMath.txt );人们可以对这个列联表进行前面所说的c2检验来考察行变量和列变量是否独立。结果在下面表中（通过Analyze－Descriptive Statistics－Crosstabs） ;对应分析;对应分析 ;对应分析 ;对应分析 ;首先看对应分析结果的一个主要SPSS展示，然后再解释该图的来源和解释。 ;对应分析的数学原理是什么？;结果解释;表中的术语 ;解释 ;;解释 ;SPSS的实现;SPSS的实现;附录对应分析的数学;因子分析对变量和对样品要分别对待. 对应分析把变量和样本同时反映到相同坐标轴(因子轴)的一张图形上. 数学上, 令A=[aij]为n×p矩阵, x=[xi] 为n-(列)向量, y=[yj] 为p-(列)向量. 那么(r,x,y)称为对应分析问题C0(A)的解, 如果;行记分(row score) xi和列记分yj的加权均值成比例, 而列记分yj和行记分xi的加权均值成比例. 数值r为行列记分的相关(在典型相关的意义上). ;记R=diag(ai.), C=diag(a.i), R1/2= diag(a.i1/2), 则上面式子为 rx=R-1Ay; ry=C-1A’x 或 rR1/2x=(R-1/2AC-1/2)C1/2y; rC1/2y=(C-1/2A’ R-1/2)R1/2x= (R-1/2 A C-1/2 )’R1/2x X为一个解的条件是下面特征值问题有解(最大特征值为1是平凡解, 两组非零特征值相同!);令;Z’Z的特征根为l1≥l2≥…≥lp; Z’Z相应的特征向量为u1,u2…,up. ZZ’相应的特征向量为v1,v2…,vn.对最大的m个特征值得因子载荷阵