典型相关分析 多元统计分析课件人大何晓群.pptVIP

* 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 §8.4 社会经济案例研究 输出结果⑤和⑥是典型冗余分析。结果⑤是说明典型函数可以解释的变量方差的比例。获利能力变量的方差大部分可以通过典型变量解释的方差比例高达75.73%，这也说明了自变量组对因变量组的解释能力，说明了这几方面的能力对公司的盈利可以造成很大的影响。而反之因变量组对自变量组的解释能力很有限。 输出结果6是典型冗余分析的复相关系数分析，类似于回归分析中的R2,我们看到自变量组的第一个典型变量对两个因变量的解释能力较强，复相关系数比较高。 * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 §8.4 社会经济案例研究 利用SPSS也可以给出该例题的部分结果,下面给出SPSS的程序,以便有兴趣的读者练习. 打开数据文件后,在File下建立新的Syntax文件,输入上段程序,点选Run菜单下的ALL运行. 与SAS程序运行结果进行比较. * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 §8.4 社会经济案例研究 * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 §8.4 社会经济案例研究 在此我们通过软件SAS来完成数据分析。操作步骤如下： 1.首先，将数据输入到文本文档中，命名为“pig.txt”，保存于D盘 2.打开SAS软件，输入以下程序 使用SAS软件操作步骤，SAS软件的输入程序为： data pig; infile “D:/shouzhi.txt”; input x1-x4 y1-y8; run; proc cancorr data=pig ncan=2; var x1-x4; with y1-y8; run; 我们可以得到以下结果： 结果一是判断两组变量相关性的各种检验，如果无法拒绝它们不相关的零假设，就不必做进一步的典型相关分析了。从输出结果来看，我们有理由拒绝零假设，即认为这两组变量之间有一定的相关性。 * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 §8.4 社会经济案例研究 结果二主要反映典型变量之间的相关系数，第一对典型变量（V、W）的典型相关系数0.990688，第二对典型变量的典型相关系数为0.813766。 * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 §8.4 社会经济案例研究 结果三给出了特征根（Eigenvalue）、特征根所占的百分比（Proportion）、累计百分比（Cumulative）等信息。可以看出第一对典型变量（V、W）的特征根占了总量的93.01% 。注意，特征根的大小反映了对（V、W）的相关的不同重要程度。 * 目录 上页 下页 返回 结束 §8.4 社会经济案例研究 结果四反映了第一组变量的前两个典型变量V1、V2的表示式（标准化后数据），从中不难看出第一个典型变量主要代表工资性收入和转移性收入，第二个典型变量主要代表工资性收入和财产收入，但是工资性收入起负面作用。 V1=0.5659 X1+0.1142 X2+0.0767 X3 +0.4111 X4 V2=-1.2056 X1-0.7276 X2+0.4284 X3 +0.8815 X4 类似的还可以得到第二组变量的前两个典型变量W1、W2的表示式（标准化后数据），可以看出第一个典型变量主要代表家庭设备及服务和衣着，第二个典型变量主要代表家庭设备及服务、交通和通讯、文教娱乐用品及服务、医疗保健、其他商品及服务，不过交通和通讯、文教娱乐用品及服务在这里起负面作用。 W1=-0.0252 Y1+0.2066 Y2+0.0862 Y3+0.4832 Y4+0.1265 Y5+0.0852 Y6-0.1075 Y7+0.1958 Y8 W2= -0.8120Y1-0.1716 Y2-0.9091 Y3+1.8191 Y4-1.9772 Y5-1.0594 Y6+1.7860 Y7+1.3223 Y8 * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 §8.4 社会经济案例研究 * 中国人民大学六西格玛质量管理研究中心 * 目录 上页 下页 返回 结束 §8.4 社会经济案例研究 结果五可以看出V1主要和变量X1、X3、X4相关，W1和反映消费支出的8各变量相关性都很强。 由此，综合以上结果分析，我们不难得出V1所代表的工资性收入和转移性收入和W1所代表的各种家庭生活消费支出相关。 该