第九节典型相关分析.ppt

表9.5 两组典型变量的标准化系数 由于Y1（脉搏）的系数-0.721绝对值最大，说明健康状况的典型变量主要由脉搏所决定。 同时，由于两个典型变量中抽烟量和脉搏的系数是同号的（都为负），反映抽烟量和脉搏的正相关，即日抽烟越多则每分钟的脉搏跳动次数也越多。抽烟对身体健康有害，这和客观事实是相符的。 6. Redundancy Analysis（分别给出两组典型变量的冗余分析） 表9.6中给出的四组数据分别是身体形态变量被自身的典型变量解释的方差比例、身体形态变量被健康状况的典型变量解释的方差比例、健康状况变量被自身的典型变量解释的方差比例和健康状况变量被身体形态的典型变量解释的方差比例。 表9.6 典型冗余分析 二、利用SPSS进行典型相关分析实例2 利用SPSS软件对C.R.Rao（1952）关于典型相关的经典例子进行分析。表9.7列举了25个家庭的成年长子和次子的头长和头宽。利用典型相关分析法分析长子和次子头型的相关性。 （一）操作步骤 1. 按File→New→Syntax的顺序新建一个语句窗口。在语句窗口中输入下面的语句： INCLUDE C:\Program Files\IBM\SPSS\Statistics\22\Samples\Simplified Chinese\Canonical correlation.sps. CANCORR SET1=x1 x2 / SET2=y1 y2 / . 2. 点击语句窗口Run菜单中的All子菜单项，运行典型相关宏命令，得出结果。 表9.7 长子和次子的头长与头宽 （二）主要运行结果解释 1. 典型相关系数和典型相关的显著性检验（表9.8、表9.9） 从表二可以看出，两队典型变量中，第一对的典型相关系数达到0.788，属于强相关，而第二对典型变量的相关则比较弱。这一点从表3可以更清楚的看到。显著性检验的结果表明，在0.05的显著性水平下，只有第一对典型相关是显著的。 表9.8 典型相关系数 表9.9 典型相关的显著性检验 3. 冗余分析 从表9.11可以看到，长子的头型变量被自身的第一典型变量解释了86.7%，次子的头型变量被自身的第一典型变量解释了91.8%。 表9.10 两组典型变量的未标准化系数 表9.11 冗余分析 本章结束 第四节 典型相关分析应用中的 几个问题 一 从相关矩阵出发计算典型相关 二 典型载荷分析 三 典型冗余分析 一、从相关矩阵出发计算典型相关 典型相关分析涉及多个变量，不同的变量往往具有不同的量纲及不同的数量级别。在进行典型相关分析时，由于典型变量是原始变量的线性组合，具有不同量纲变量的线性组合显然失去了实际意义。其次，不同的数量级别会导致“以大吃小”，即数量级别小的变量的影响会被忽略，从而影响了分析结果的合理性。因此，为了消除量纲和数量级别的影响，必须对数据先做标准化变换处理，然后再做典型相关分析。显然，经标准化变换之后的协差阵就是相关系数矩阵，因而，也即通常应从相关矩阵出发进行典型相关分析。 【例9.2】对于例9.1从相关系数矩阵出发进行典型相关分析。 二、典型载荷分析 以上结果说明生理指标的第一典型变量与体重的相关系数为-0.621，与腰围的相关系数为-0.925，与脉搏的相关系数为0.333。从另一方面说明生理指标的第一对典型变量与体重、腰围负相关，而与脉搏正相关。其中与腰围的相关性最强。第一对典型变量主要反映了体形的胖瘦。 三、典型冗余分析 前2个典型变量解释的方差比例＝0.451+0.246＝0.697 同样的方法可求得训练指标样本方差由自身3个典型变量解释的方差比例分别为：0.408、0.434、0.157。 第五节 实例分析与计算实现 一 利用SPSS进行典型相关分析实例1 二 利用SPSS进行典型相关分析实例2 一、利用SPSS进行典型相关分析实例1 测量15名受试者的身体形态以及健康情况指标，如9.2表。第一组是身体形态变量，有年龄、体重、胸围和日抽烟量；第二组是健康状况变量，有脉搏、收缩压和舒张压。要求测量身体形态以及健康状况这两组变量之间的关系。 表9.2 两组身体素质的典型变量 （一）操作步骤 在SPSS中没有提供典型相关分析的专门菜单项，要想利用SPSS实现典型相关分析，必须在语句窗口中调用SPSS的 Canonical correlation.sps 宏。具体方法如下： 1. 按File→New→Syntax的顺序新建一个语句窗口。在语句 窗口中输入下面的语句：（图9.1）（注意全路径，否则把sps文件放到