第十 典型相关分析20101.pptVIP

* * * * * * * * * * * * * * * * * * * * * DXL * §10.5、典型相关系数的显著性检验 　　典型相关分析是否恰当，应该取决于两组原变量之间是否相关，如果两组变量之间毫无相关性而言，则不应该作典型相关分析。用样本来估计总体的典型相关系数是否有误，需要进行检验。 　（一）整体检验 检验的统计量： Wilkes 分布 The canonical correlation analysis---CCA * DXL * 按大小次序排列为 当n1时，在 成立下 近似服从 分布 这里 ， 因此在给定检验水平 之下，若由样本算出的 临界值，则否定 (不相关被否定，即相关）； 即第一对典型变量 具有相关性，其相关系数为 ，即至少可以认为第一个典型相关系数 为显著的。 §10.5、典型相关系数的显著性检验 The canonical correlation analysis---CCA * DXL * §10.5、典型相关系数的显著性检验 第二步：将 除去，再检验其余 个典型相关系数的显著性，这时计算 则统计量 近似服从 个自由度的 分布， 若 ，则认为 被否定，即第二对典型变量 相关。 The canonical correlation analysis---CCA * DXL * §10.5、典型相关系数的显著性检验 第三步：以下逐个检验，直到某一个相关系数 检验为不显著为止。这时我们就找到反映两组变量相互关系的k-1对典型变量。 一般，检验第r个（rk)典型相关系数的显著性时，作统计量 它近似服从 个自由度的 分布。 其中 The canonical correlation analysis---CCA * DXL * 注意： 1）对两组变量x和y进行典型相关分析，采用的也是一种降维技术。我们希望使用尽可能少的典型变量对数，为此需要对一些较小的典型相关系数是否为零进行假设检验。 2）H0经检验被拒绝，则应进一步作检验。 The canonical correlation analysis---CCA * DXL * 若原假设H0被接受，则认为只有第二对典型变量是有用的；若原假设H0被拒绝，则认为第二对典型变量也是有用的，并进一步检验假设。 （二）部分总体典型相关系数为零的检验 The canonical correlation analysis---CCA * DXL * 如此进行下去.直至对某个k，有 The canonical correlation analysis---CCA * DXL * 检验的统计量 近似服从自由度为(p-k)(q-k)的?2分布。在给定的显著性水平?下，如果?2??2 [(p-k)(q-k)]，则拒绝原假设，认为至少第k+1对典型变量之间的相关性显著。 The canonical correlation analysis---CCA Wilkes 分布与 ?2分布 * DXL * §10.6、计算步骤及实例 计算步骤： 第一步 计算相关系数阵R，并将R剖分为 第二步 求典型相关系数及典型变量； 首先求 则 典型变量： The canonical correlation analysis---CCA * DXL * §10.6、计算步骤及实例 第三步 典型相关系数的显著性检验。 ?2 法 * DXL * 典型相关分析的逻辑框图 确定典型相关分析的目的 设计典型相关分析 检验典型相关分析的基本假设 典型函数的估计和识别 解释典型函数和变量 验证模型 The canonical correlation analysis---CCA * DXL * §10.6 计算实例 例1 对某高中一年级男生38人进行体力测试（共7项指标）及运动能力测试（共五项指标），试对两组指标作典型相关分析。 体力测试指标：X1=反复横向跳（次）；X2=纵跳（cm）；X3=背力（kg)；X4=握力（k