第八章--典型相关分析.pptVIP

第八章 典型相关分析 §8.2 典型相关分析的计算步骤和例 * 研究两组变量之间的关系 例如，要研究一种生物的p种性态和环境的q个因子之间有多大的关系，这就要分析这两个多元变量之间的相关性。 设X是p维随机变量，Y是q维随机变量。如何描述它们之间关系的紧密程度？ 直观的想法自然是用X的p个分量和Y的q个分量之间逐一地计算其相关系数（共p*q个），但是这样做既繁琐，也反映不出事物的本质。 因而，我们希望能够概括地叙述这两个多元随机变量之间的关系。 §8.1 典型相关分析的基本内容 典型相关分析就是一种把原来较多变量化为少数几个典型变量，通过这较少的典型变量之间的典型相关系数来综合地描述这二个多元随机变量之间关系的一种数学方法 一、典型相关分析的数学内容 若X是p维随机变量，Y是q维随机变量。 现在构造二个“综合变量” 来概括原来两个多元随机变量。 其中u1，u2，…，up和v1，v2，…vq是待定系数。 显然，我们希望系数u和v选取能使Z和W的相关系数 达到最大。 同时，希望u与v的选取能使D(Z)和D(W)都等于1。 于是，问题就化为在约束条件 的极大值问题。 现引入记号 由于 ，于是可将典型相关分析问题写成： 在约束条件 下， 求函数 的极大值。 为此，采用Lagrange待定系数法，令 对u和v求偏导数，并令其为零。 可得 其中: 其中A、B、∑11、∑22都是对称矩阵。 注意 ⅰ） 为矩阵A相对于正定矩阵∑11的特征根。 u为相应的特征向量。 ii） 为矩阵B相对于正定矩阵∑22的特征根。 v为相应的特征向量 二、λ的统计意义 如果u、v已经求出, 因此，λ是新构造的二个“综合变量”之间的相关系数,称做多元随机变量X和Y的典型相关系数， 而相应的 和 叫做典型变量。 三、方程的解法 由于我们只能从样本出发，所以必须用样本方差和协方差来代替总体方差和协方差。 由样本分别计算出Sxx、Syy、Sxy,、Syx，用它们分别代替∑11、∑12 、∑21、∑22 ，得到 又，u和v满足约束条件 1) 求出 λ2 (D的特征根) 2) 求出v (D的特征向量) v应满足 (规格化) 3) 求出u 求 和u, v 如果D的秩为r，则矩阵D有r个非零特征根 则二个随机向量X,Y之间有r个非零典型相关系数 相应地有r对典型变量： 的统计意义是Zj和Wj的相关系数，典型相关系数越大，说明相应的典型变量之间关系越密切。 因而，一般在实际应用中把典型相关系数很小的那些典型变量忽略掉。按 的大小只取前k个典型相关系数及典型变量进行分析。 四、典型变量的性质 ⅰ）X的各典型变量互不相关。 Y的各典型变量也互不相关。 ⅱ）X和Y的同一对典型变量Zj和Wj之间相关系数为 ，不同组的典型变量Zj和Wk(j≠k)之间协方