典型相关分析特征.ppt

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(x′,y′)′～Np+q(μ,Σ),Σ>0。又设S为样本协方差矩阵，且n>p+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)式实际上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。 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，就认为第一个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。 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 H0：ρ2=?=ρm=0 H1：ρ2,?,ρm至少有一个不为零 若原假设H0被接受，则认为只有第一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。 如此进行下去，直至对某个k，假设H0：ρk+1=?=ρm=0被接受，这时可认为只有前k对典型变量是显著的。 对于假设检验问题 H0：ρk+1=?=ρm=0 H1：ρk+1,?,ρm至少有一个不为零 其检验统计量为 对于充分大的n，当H0为真时，统计量 近似服从自由度为(p?k)(q?k)的χ2分布。给定显著性水平α，若 ，则拒绝原假设H0，认为第k+1个典型相关系数ρk+1是显著的，即第k+1对典型变量显著相关。 以上的一系列检验实际上是一个序贯检验，检验直到对某个k值H0未被拒绝为止。事实上，检验的总显著性水平已不是α了，且难以确定。还有，检验的结果易受样本容量大小的影响。因此，检验的结果只宜作为确定典型变量个数的重要参考依据，而不宜作为惟一的依据。通常选择尽可能小的k。 例10.4.2 在例10.3.1中，欲进一步检验： H0：ρ2=ρ3=0，H1：ρ2≠0 检验统计量为 故接受原假设H0，即认为第二个典型相关是不显著的。因此，只有一个典型相关是显著的。 第十章 典型相关分析 §10.1 引言 §10.2 总体典型相关 §10.3 样本典型相关 §10.4 典型相关系数的显著性检验 §10.1 引言 典型相关分析（canonical correlation analysis）是研究两组变量之间相关关系的一种统计分析方法，它能够有效地揭示两组变量之间的相互线性依赖关系。 典型相关分析是由霍特林（Hotelling,1935,1936）首先提出的。 §10.2 总体典型相关 一、典型相关的定义及导出 二、典型相关变量的性质 三、从相关矩阵出发计算典型相关 一、典型相关的定义及导出 设x=(x1,x2,?,xp)′和y=(y1,y2,?,yq)′是两组随机变量，且V(x)=Σ11(>0)，V(y)=Σ22(>0)，Cov(x, y)=Σ12，即有