典型相关分析实验报告.docVIP

实验报告 —典型相关分析 院系：数学与信息科学系 专业：数学与应用数学 姓名：刘平 学号：540910020116 5.1 实验目的 通过本实验掌握使用SAS进行典型相关分析的方法。 5.2 实验内容 一、编程作典型相关分析； 二、用INSIGHT作典型相关分析； 三、用分析家作典型相关分析。 5.3 试验步骤 练习1 1.试验代码： data exec102(type=corr); input _name_$ x1 x2 y1 y2; cards; x1 1 . . . x2 0.6328 1 . . y1 0.2412 -0.0553 1 . y2 0.0586 0.0655 0.4248 1 ; proc cancorr; var x1 x2; with y1 y2; run; 2.输出结果及相应说明或分析如下 图一 典型相关系数及检验 典型相关系数，包括典型相关系数，修正的典型相关系数，近似标准误差及典型相关系数的平方。在本题中，第一典型相关系数p1=0.394506. 检验在这个总体中当前的典型相关系数及比它小的所有典型相关系数均为0的假设。包括似然比统计量，近似的F统计量，分子自由度，分母自由度及检验的p值。似然比值为0近似F统计量,454.09,且p值都很小，所以都显著。 图二 关于两组变量的原始典型相关系数 图三 标准化的典型系数 可知，第一对典型变量为：V*=1.2568x1*-1.0253x2*,W1*=1.1045y1*-0.4527y2*,第二对典型变量为：V2*=0.2970x1*+0.7852x2*,W2*=-0.0182y1*+1.0076y2*。 练习2 1.实验代码 proc cancorr data=sasuser.ec103 simple corr vprefix=u wprefix=v out=out103; var x1 x2; with y1 y2; run; proc print data=out103; var u1 v1 x1 x2 y1 y2; run; proc plot data=out103; plot u1*v1$n=*/vref=0 href=0; run; 2.输出结果及相应说明或分析如下 图一 典型相关系数及检验 典型相关系数，包括典型相关系数，修正的典型相关系数，近似标准误差及典型相关系数的平方。在本题中，第一典型相关系数p1=0.788508。检验在这个总体中当前的典型相关系数及比它小的所有典型相关系数均为0的假设。包括似然比统计量，近似的F统计量，分子自由度，分母自由度及检验的p值。似然比值为0近似F统计量为6.60，概率水平值为0.0003，故在=0.1的显著水平下，否定所有典型相关系数为0的假设，也就是至少有一个典型相关是显著的。 图二 标准化的典型系数 从标准化变量出发的典型相关系数，第一对典型变量为：U1*=0.5522x1*+0.5215x2* ,V1*=0.5044y1*+0.5383y2*,同理，还可写出第二对典型变量。 图三 典型变量的得分 图三给出了第一对典型变量（U1,V1）的标准得分值及原始变量的观测数据。 图 第一对典型变量得分的散点图 从散点图，可以得到和基于典型系数的解释相同。从散点图可以看到长子的头大小的变量和次子的头大小的变量呈现出明显的线性相关的关系。 5.3 实验小结 通过本实验进一步了解的典型相关分析的技能。典型相关分析在研究两组变量之间相关 关系能够有效地揭示两组变量之间的相互线性依赖关系，在SAS中能更直接清晰地展示给读者。