1、典型相关分析和皮尔逊相关系数/斯皮尔曼相关系数对比

皮尔逊相关系数和斯皮尔曼相关系数针对的是两个变量的相关性，典型相关分析针对的是两组变量进行相关分析，每组变量还可以由多个变量构成。
例如：下图求皮尔逊相关系数，求各变量之间的相关系数，即（身高，体重）得到一个相关系数，（身高，肺活量）得到一个相关系数，依次类推，得到互不相同的所有变量之间的相关系数。

下图求典型相关性，求两组变量的相关性，即（[第一组变量],[第二组变量]）=（[低学历，高学历，网络]，[艺术家，发行，主管]）之间相关性，是将第一组变量的三个变量做线性组合，和第二组变量的线性组合进行相关性分析。分析过程有spss软件进行，主要是对结果的解释。

2、典型相关分析

典型相关分析由Hotelling提出，其基本思想和主成分分析非常相似。首先在每组变量中找出变量的线性组合，使得两组的线性组合之间具有最大的相关系数；然后选取和最初挑选的这对线性组合不相关的线性组合，使其配对，并选取相关系数最大的一对；如此继续下去，直到两组变量之间的相关性被提取完毕为此。被选出的线性组合配对称为典型变量，它们的相关系数称为典型相关系数。典型相关系数度量了这两组变量之间联系的强度。

例题
题目：分析第一组变量（体重，腰围，脉搏）和第二组变量（引体向上次数，起坐次数，跳跃次数）之间的关系。

操作：将数据导入spss中（版本24以上），分析-相关-典型相关-将（体重，腰围，脉搏）放集合1-剩下的3个放集合2-确定

查看结果（转为中文后）：只需了解典型相关系数（Canonical Correlations）、集合1标准化典型变量对应的线性组合系数表（Set 1 Standardized Canonical Correlation Coefficients）、集合2标准化典型相关变量对应的线性组合系数（Set 2 Standardized Canonical Correlation Coefficients）三张表格表达的意思即可。

分别来看三张表的表达意思

1、典型相关系数表

表格的最后一列，这一列代表着检验统计量所对应的p值，我们要通过它确定典型相关系数的个数。与前面提到的皮尔逊相关系数的p值一下，一般p值<0.05即为相关，（这是在置信水平为95%情况下）；上图中只有第一行的0.064接近0.05，剩下两个p太大，不显著，因此，可以在置信水平为90%情况下（p值<0.1）,可认为两组变量的线性组合相关，且因为相关系数为0.796成正相关。因为线性组合只有第一行的显著性水平达到了，因此集合1、集合2的线性组合只取第一列数据。
2、集合1标准化典型变量对应的线性组合系数表

由典型相关性表分析得出，只有第一个线性组合让两组变量呈现的相关性是显著的，因此，集合1典型相关系数取第一个线性组合的系数，也即第一列的系数。由此可得到第一组变量对应的线性组合：

3、集合2标准化典型相关变量对应的线性组合系数

同集合1，可得到第二组变量（集合2）的线性组合：

分析：其实我们典型分析结果就是得到两组变量各自的线性组合，以及，组合后整体U1和V1之间的相关性。从此题来看，第一组变量[体重，腰围，脉搏]和第二组变量[引体向上次数，起坐次数，跳跃次数]之间是正相关，相关系数为0.796，显著性为0.064，在90%的置信水平内认为此正相关具有统计学意义。且第一个变量体重是正相关，腰围是负相关，可以理解为：U1和V1是正相关，U1增加，V1也增加；假设U1的增加是其他两项不变，体重Z1的增加，则V1增加，假设第二组变量的起坐次数Z2和跳跃次数Z3都不变，则引体向上增加；也即，体重增加，对应引体向上增加。（可以这样理解，前提是其他的变量不变）

3、典型相关分析计算过程

1.数据分布有假设：两组数据符合联合正态分布
2.对两组变量的相关性进行检验
3.确定典型相关变量的个数（p值）
4.标准化后的典型相关变量
5.典型荷载分析
6.贡献

数学建模6 典型相关分析相关推荐

数学建模Day6 典型相关分析
典型相关分析xmind思维导图下载戳这里个人理解典型相关分析不同于相关系数,相关系数是分析两个单变量之间的相关关系,而典型相关分析可以分析两组变量之间的关系.比如一组变量A1.A2.A3,另一 ...
数学建模-6.典型相关分析
典型相关分析是研究两组变量之间相关关系的一种多元统计方法.它能够揭示出两组变量之间的内在关系在一元统计分析中,用相关系数来衡量两个随机变量之间的线性相关关系:用复相关系数研究一个随机变量和多个随机 ...
数学建模-SPSS典型应用
01 Logistic 回归定义:用于研究影响关系,即X对Y的影响情况.Y为定类数据,X可以是定量数据或者定类数据如何X 是150 170 那是定量如果X 是矮不矮就是定类探究X(定量)与 ...
数学建模典型相关分析Canonical Correlation analysis
典型相关分析CCA和主成分分析PCA非常相似,都是通过现有变量的线性组合构造新的综合变量以实现减少变量数目但代表几乎同样多的信息的目的.只是CCA分析的是两组变量,是要把每一组变量用一个线性组合综合变 ...
数学建模系列笔记3：预测和相关分析
文章目录 3-3-1 马尔科夫链模型 3-4-1 灰色预测模型 3-5-1 人工神经网络 4-1-1 关联分析 4-1-2 独立性检验 4-2-1 通径分析 4-3-1 典型相关分析 3-3-1 马尔 ...
数学建模及其算法概述
一.数学模型的分类 1. 按模型的数学方法分: 几何模型.图论模型.微分方程模型.概率模型.最优控制模型.规划论模型.马氏链模型等. 2. 按模型的特征分: 静态模型和动态模型,确定性模型和随机模型, ...
二维动态规划降维误差一般为多少_数学建模常用算法模型
数学模型的分类按模型的数学方法分: 几何模型.图论模型.微分方程模型.概率模型.最优控制模型.规划论模型.马氏链模型等按模型的特征分: 静态模型和动态模型,确定性模型和随机模型,离散模型和连续性模 ...
2023电工杯数学建模AB题思路分析
文章目录 0 赛题思路 1 竞赛信息 2 竞赛时间 3 组织机构 4 建模常见问题类型 4.1 分类问题 4.2 优化问题 4.3 预测问题 4.4 评价问题 0 赛题思路 (赛题出来以后第一时间在C ...
2023电工杯数学建模A题思路
文章目录 0 赛题思路 1 竞赛信息 2 竞赛时间 3 组织机构 4 建模常见问题类型 4.1 分类问题 4.2 优化问题 4.3 预测问题 4.4 评价问题 0 赛题思路 (赛题出来以后第一时间在C ...

数学建模6 典型相关分析

1、典型相关分析和皮尔逊相关系数/斯皮尔曼相关系数对比

2、典型相关分析

3、典型相关分析计算过程

数学建模6 典型相关分析相关推荐

最新文章

热门文章