第十章-典型相关分析.pptVIP

例10.3.2 在研究组织结构对“职业满意度”的影响时，作为其中一部分，邓讷姆(Dunham)调查了职业满意度与职业特性相关的程度。对从一大型零售公司各分公司挑出的n=784个行政人员，测量了p=5个职业特性变量：用户反馈(x1)、任务重要性(x2)、任务多样性(x3)、任务特性(x4)及自主权(x5)和q=7个职业满意度量：主管满意度(y1)、事业前景满意度(y2)、财政满意度(y3)、工作强度满意度(y4)、公司地位满意度(y5)、工种满意度(y6)及总体满意度(y7)。对784个被测者的样本相关矩阵为 * 样本典型相关系数和样本典型系数列于表10.3.2中。 * 表10.3.2 典型相关系数和典型系数 标准化变量 x1* 0.42 0.34 ?0.86 ?0.79 0.03 x2* 0.20 ?0.67 0.44 ?0.27 0.98 x3* 0.17 ?0.85 ?0.26 0.47 ?0.91 x4* ?0.02 0.36 ?0.42 1.04 0.52 x5* 0.46 0.73 0.98 ?0.17 ?0.44 rj 0.55 0.24 0.12 0.07 0.06 标准化变量 y1* 0.43 ?0.09 0.49 ?0.13 ?0.48 y2* 0.21 0.44 ?0.78 ?0.34 ?0.75 y3* ?0.04 ?0.09 ?0.48 ?0.61 0.35 y4* 0.02 0.93 ?0.01 0.40 0.31 y5* 0.29 ?0.10 0.28 ?0.45 0.70 y6* 0.52 ?0.55 ?0.41 0.69 0.18 y7* ?0.11 ?0.03 0.93 0.27 ?0.01 * 第一对样本典型变量为 根据典型系数，u1*主要代表了用户反馈和自主权这两个变量，三个任务变量显得并不重要；而v1*主要代表了主管满意度和工种满意度变量，其次代表了事业前景满意度和公司地位满意度变量。我们也可从相关系数的角度来解释典型变量，原始变量与第一对典型变量间的样本相关系数列于表10.3.3中。 * 所有五个职业特性变量与第一典型变量u1*有大致相同的相关系数，故u1*可以解释为职业特性变量，这与基于典型系数的解释不同。v1*主要代表了主管满意度、事业前景满意度、公司地位满意度和工种满意度，v1*可以解释为职业满意度—公司地位变量，这与基于典型系数的解释基本相一致。第一对典型变量u1*与v1*的样本相关系数r1=0.55，可见，职业特性与职业满意度之间有一定程度的相关性。 表10.3.3 原始变量与典型变量的样本相关系数 原始变量 样本典型变量 原始变量 样本典型变量 x u1* v1* y u1* v1* x1：用户反馈 0.83 0.46 y1：主管满意度 0.42 0.76 x2：任务重要性 0.73 0.40 y2：事业前景满意度 0.36 0.64 x3：任务多样性 0.75 0.42 y3：财政满意度 0.21 0.39 x4：任务特性 0.62 0.34 y4：工作强度满意度 0.21 0.38 x5：自主权 0.86 0.48 y5：公司地位满意度 0.36 0.65 y6：工种满意度 0.45 0.80 y7：总体满意度 0.28 0.50 * §10.4 典型相关系数的显著性检验 一、全部总体典型相关系数均为零的检验 二、部分总体典型相关系数为零的检验 * 一、全部总体典型相关系数均为零的检验 设 。又设S为样本协差阵，且np+q。 考虑假设检验问题： H0：ρ1=ρ2=?=ρm=0 H1：ρ1,ρ2,?,ρm至少有一个不为零 其中m=min{p,q}。若检验接受H0，则认为讨论两组变量之间的相关性没有意义；若检验拒绝H0，则认为第一对典型变量是显著的。 (10.4.1)式等价于假设检验问题 H0：Σ12=0，H1：Σ12≠0 H0成立表明x与y互不相关。 (10.4.1) * 似然比检验统计量为 对于充分大的n，当H0成立时，统计量 在给定的α下，若 ，则拒绝H0，认为典型变量u1与v1之间的相关性是显著的；否则，就认为第一典型相关系数不显著。 * 例10.4.1 在例10.3.1中，假设为多元正态数据，欲检验： H0：ρ1=ρ2=ρ3=0，H1：ρ1≠0 它的似然比统计量为 查χ2分布表得， ，因此在α=0.10的显著性水平下，拒绝原假设H0，也即认为至少有一个典型相关是显著的(p=0.062) 。 * 二、部分总体典型相关系数为零的检验 若H0：ρ1=ρ2=?=ρm=0经检验被拒绝，则应进一步检验假设