典型相关课件.pptVIP

典型相关(canonical correlation ) 积差相关系数是讨论一个效标变量与一个预测变量之间的关联(corr) 如果预测变量有好几个时，欲量测效标变量与这组预测变量之间的关联便是「复相关」 欲量测多个效标变量y,…,yq与多个预测变量x1,...,xp便是典型相关(Canonical Correlation) 例题 例1 :研究中国人CPAI人格特点与心理健康的关系。心理健康用4个指标度量：（1）抑郁（2）躯体化； (3) 攻击性； (4) 生活满意度。CPAI人格特点可分为3个因素：(1)情绪稳定性(emoi)， (2)个人性(indp)；( 3)中国传统(Chnt) 可以做4个回归 那样有什么局限性？ 典型相关的路径图 典型相关分析示意图 心理學中运用典型相关的例子 研究人格特质与职业兴趣之间的关系 Cooley and Lohnes,（1971) ：发现三对典型变量，能够简便地描述会对某特定类型的工作最感兴趣之类型的人。 Thorndike, Dawis, and Weiss,(1968)：职业兴趣与职业需求之间之多变量关系。作者找 出两对典型变量之证据可供交叉验证研 究。 典型相关的目的 研究两组变量中某些线性组合之间的关系 与回归的关系 几个因变量 比回归节省 与主成分分析的关系 用非相关的变量的线性组合表示 前几个组合解释大部分方差 变式与成分的相关用于解释和变式命名 典型相关的概念 典型相关是进行两组变量之间相关的分析技术 简单回归是只有一个因变量，可视为典型相关的特殊形式 典型相关分析是将各组变量都作为整体来对待，因此它所描述的是两个变量组之间的整体的相关形式，而不是关于两个变量组中变量的相关 在典型相关分析中两个变量组是对称的 假设预测变量X有m1个变量，准则变量Y 有m2个变量，則这两组变量共有m＝m1＋m2个变量。如果將这m个变量中每一个变量彼此间的相关系数求出，可得一个正方形的、相对称的相关矩阵R；矩阵R可划分成四部分： 2.显著性检验 典型相关系数显著性检验的虛无假设如下： H0：R1＝R2＝…＝Rm2＝0 （m1代表预测变量的数目，m2代表准则变量的数目，为便于說明，假设m2≦m1） 为检验典型相关的显著性，可以（1）利用巴氏（M. S. Bartlett）的V统计值來进行卡方检验，或（2）以Roa的近似值进行F检验。不论是F检验或卡方检验，结论都一样。 典型相关分析的思路 典型变式 （canonical variate）：观测变量与权数对应相乘，然后各项累加，分别对每一组建立一个线性组合，称典型变式 两个典型变式之间的简单相关，就是典型相关 典型相关分析建立第一对典型变量的原则，是尽量使所建的两个典型变量之间的相关系数最大化，即在两个变量组各自的总变化中寻求它们之间最大的一部分共变关系，并用一对典型变式所描述 然后，继续在两组变量剩余的变化中寻找第二个最大的共变部分，形成第二对典型变式，并解出第二维度上的典型相关 这样的过程不断继续，直至所有变化部分被剥离完毕 因此，两组观测变量之间的关系可以由若干对典型变量来代表 运算步骤 Step1 导出X和Y两组的权数,使这两个线性接合的共变量最大 Step2 –检定前一组选出的线性组合,判断其相关性是否达到统计检定的显著 ?Yes ?重复第一步骤找出下一组线性组合 No 停止 SPSS 命令语句 Spss version7-15 无此manu，须记忆 MANOVA 一组自变量 WITH 一组指标变量 /DISRIM RAW STAN ESTIM CORR ROTATE (VARIMAX) ALPHA (0.05) /PRINT SIGNIF (EIGN DIM HYPOTH) /NOPRINT SIGNIF (MULTI UNIV) PARAM(ESTIM) /METHOD=UNIQUE /ERROR WITHIN+RESIDUAL /DESIGN. 解释结果 1.从特征值和典型相关系数开始 2. 结合维度递减检验，及解释百分比和冗余指数，确定有几个有意义的典型变式 3. 根据协变量负载（相关系数）和因变量负载（相关系数）解释典型变式的含义 通常大于0.30以上的负载才可能有意义 因变量与协变量的典型变式一一对应，类似于EFA 中的因素 典型变式常常可能是没有意义的 与探索性因子分析不同之处，是不做转轴来來协助解释。 由于我们较关心所能解释的变异量，若將结果转轴会因此改变典型的R2值 最大特征根考验（greatest characteristic root test） 第一个ANOVA table 给出的 Wilkss lambda 是考验第一个典型相关的显著性。 如果 p .05