典型相关分析.docxVIP

典型相关分析

典型相关分析就是利用综合变量对之间的相关关系来反映两组指标之间的整体相关性的多元统计分析方法。它的基本原理是:为了从总体上把握两组指标之间的相关关系，分别在两组变量中提取有代表性的两个综合变量和(分别为两个变量组中各变量的线性组合)，利用这两个综合变量之间的相关关系来反映两组指标之间的整体相关性。

通常情况下，为了研究两组变量

的相关系数，可以用最原始的方法，分别计算两组变量之间的全部相关系数，一共有个简单相关系数，这样既繁琐又不能抓住问题的本质。

首先分别在每组变量中找出第一对线性组合，使其具有最大相关性，即

然后在每组变量中找出第二对线性组合，使其分别与本组内的第一对线性组合不相关，第二对线性组合本身具有次大的相关性，有

与，与不相关，但与相关。如此继续下去，直至进行到步，两组变量的相关性被提取完为止，可以得到组变量，这里。

步骤：

假设两组随机变量,为维总体的次标准化观测数据阵，有

第一步，计算相关系数矩阵，并将剖分为,其中和分别为第一组变量和第二组变量的相关系数阵，为第一组与第二组变量的相关系数阵。

第二步，求典型相关系数及典型变量。首先求的特征根特征向量的特征根，特征向量.则典型变量为

记，求典型相关系数和典型变量归结为求和的特征根和特征向量。

第三步，原始变量与典型变量之间的相关性

原始变量与典型变量之间的相关系数

设典型变量系数矩阵

典型变量系数矩阵

则有

与的相关系数

同理可计算得

2.各组原始变量被典型变量所解释的方差

组原始变量被解释的方差比例

组原始变量被解释的方差比例

组原始变量被解释的方差比例

组原始变量被解释的方差比例

第四步，典型相关系数的显著性检验。

计算样本的协方差阵

假设有组和组变量，样本容量为，观测值矩阵为。对应的标准化数据矩阵为

样本协方差阵

2.整体检验

中至少有一个非零

记

经计算得

在原假设为真的情况下，检验的统计量

近似服从自由度为的分布。在给定的显著水平下，如果，则拒绝原假设，认为至少第一对典型变量之间的相关性显著。

3.部分总体典型相关系数为零的检验

中至少有一个非零。

若原假设被接受，则认为只有第一对典型变量是有用的；若原假设被拒绝，则认为第二对典型变量也是有用的，并进一步检验假设

，中至少有一个非零。

如此进行下去，直至对某个

，中至少有一个非零。

记

在原假设为真的情况下，检验的统计量

近似服从自由度为的分布。在给定的显著水平下，如果，则拒绝原假设，认为至少第对典型变量之间的相关性显著。

第五步，典型结构与典型冗余分析。

典型结构指原始变量与典型变量之间的相关系数

，据此可以计算任一个典型变量或解释本组变量(或)总变差的百分比或或。同时可求得前个典型变量(或)解释本组变量(或)总变差的累计百分比或。

典型冗余分析用来研究典型变量解释另一组变量总变差百分比的问题。第二组典型变量解释第一组变量总变差的百分比(或第一组典型变量解释的变差被第二组中典型变量重复解释的百分比)简称为第一组典型变量的冗余测度；第一组典型变量解释第二组变量总变差的百分比(或第二组典型变量解释的变差被第一组中典型变量重复解释的百分比)简称为第二组典型变量的冗余测度；冗余测度的大小表示这对典型变量能够对另一组变差相互解释的程度大小。