典型相关分析在均匀设计数据分析中的应用-HKBUMATH.PDFVIP

典型相关分析在均匀设计数据分析中的应用 郭秀花 鲍卫华 罗艳侠 周诗国 （北京军医学院数学教研室） 1.引言 均匀设计 （Uniform design）[1，2] ，自1978 年由中国的著名数学家方开泰和王 元提出来之后有了飞速的发展，在国内外各行各业的应用越来越广泛。当各因素的 水平数较多时，为了将试验点均匀地散布在试验范围内，探讨因素不同水平组合下 响应 （因变量）测量值的较佳结果，用均匀设计表来安排实验时，试验数据的结果 分析要视因变量的情况而定。当只有1 个因变量时，若为连续变量的取值，一般采 用多元线性回归分析；若为分类变量取值 0、1 （或等级资料），可采用 Logistic 回归分析[3]。当有多个因变量时，目前大都多次运用多元线性回归分析，可以得到 每个因变量与全部自变量的关系式，但很难找到使每个因变量都达到较佳结果的试 验组合。本文利用典型相关分析，探讨全部自变量与全部因变量之间的整体关联性。 2.方法简介 典型相关[4]分析是研究一组指标与另一组指标间关系的统计方法，它将两组指 标当作一个整体进行分析，寻找其相应的典型变量，因而将两组指标间的相关信 息更加充分地挖掘出来。在许多实际问题中，需要研究两组变量之间的相关性。 例如，研究原料的主要质量指标(X、… 、X )与其相应产品的主要质量指标(Y、… 、 1 p 1 Y )之间的相关性；研究居民的营养状况的一组指标(X、… 、X )与其健康状况的 q 1 p 另一组指标(Y、… 、Y )之间的相关性等等。当 p=q=1 时，就是两个变量之间的 1 q 简单相关分析问题；当P1、q=1 时，就是一个因变量与多个自变量之间的多元相 关分析问题；当p、q 均大于１时，就是研究两组多变量之间的相关性，即为典型 相关分析。 利用主成分的思想，找一组系数 A=(a 、… 、a )及 B=(b 、… 、b )，使 1 p 1 q 得新变量 V =a X +…+a X ≡Ax 与W =b Y +…+b Y ≡BY 之间有最大可能的相关系数，称(V， 1 1 1 p p 1 1 1 q q 1 W )为第１对典型相关变量，它们之间相关系数ｒ 简记为ｒ；同理，可求得第 1 (V1，W1) 1 2、第3、 …、 第K(K 小于等于p，q 中较小者)对典型相关变量以及与之对应的 相关系数ｒ、… 、ｒ。各对典型相关变量所包括的相关信息互不交叉，且满足： 2 k 1≥ｒ≥ｒ≥…≥ｒ≥0； 1 2 k ｒ =0，ｒ =0，ｒ =0 （i≠j）；各V 和W 的均值都为0，方差都为1。 (Vi，Vj) (Wi，Wj) (Vi，Wj) i i 求出典型变量对和典型相关系数后，把具有统计学意义的典型相关系数所对 应的典型变量对保留下来，并给予合理的解释，是进行典型相关分析好坏的关键。 3.实例应用 资料选自 《均匀设计论文选》第2 集 “均匀设计在清净型硼酸盐添加剂研制中 221 [5] 的应用”燕山石化公司炼油厂研究所的.訾立钧 ： 6 个自变量名称及取值范围： 原料A （X1）：210-400 原料B （X2）：50-240 工业品 溶剂（X3）：500-1400 条件1 （X4）：45-90；条件2 （X5