spss26没有典型相关性分析_如何在SPSS中实现典型相关分析
如何在
SPSS
中实现典型相关分析?
SPSS 11.0
15.1
典型相关分析
15.1.1
方法简介
在相关分析一章中,我们主要研究的是两个变量间的相关,顶多调整其他因素的作用而已;
如果要研究一个变量和一组变量间的相关,
则可以使用多元线性回归,
方程的复相关系数就
是我们要的东西,
同时偏相关系数还可以描述固定其他因素时某个自变量和应变量间的关系。
但如果要研究两组变量的相关关系时,
这些统计方法就无能为力了。
比如要研究居民生活环
境与健康状况的关系,生活环境和健康状况都有一大堆变量,如何来做
?
难道说做出两两相
关系数
?
显然并不现实,我们需要寻找到更加综合,更具有代表性的指标,典型相关
(CanonicalCorrelation)
分析就可以解决这个问题。
典型相关分析方法由
Hotelling
提出,他的基本思想和主成分分析非常相似,也是降维。即
根据变量间的相关关系,寻找一个或少数几个综合变量
(
实际观察变量的线性组合
)
对来替代
原变量,
从而将二组变量的关系集中到少数几对综合变量的关系上,
提取时要求第一对综合
变量间的相关性最大,
第二对次之,
依此类推。
这些综合变量被称为典型变量,
或典则变量,
第
1
对典型变量间的相关系数则被称为第
1
典型相关系数。一般来说,只需要提取
1
~
2
对
典型变量即可较为充分的概括样本信息。
可以证明,
当两个变量组均只有一个变量时,
典型相关系数即为简单相关系数;
当一组变量
只有一个变量时,
典型相关系数即为复相关系数。
故可以认为典型相关系数是简单相关系数、
复相关系数的推广,或者说简单相关系数、复相关系数是典型相关系数的特例。
15.1.2
引例及语法说明
在
SPSS
中可以有两种方法来拟合典型相关分析,第一种是采用
Manova
过程来拟合,第二
种是采用专门提供的宏程序来拟合,
第二种方法在使用上非常简单,
而输出的结果又非常详
细,因此这里只对它进行介绍。该程序名为
Canonical correlation.sps
,就放在
SPSS
的安装路
径之中,调用方式如下:
INCLUDE 'SPSS
所在路径
\Canonical correlation.sps'.
CANCORR SETl=
第一组变量的列表
/SET2=
第二组变量的列表
.
在程序中首先应当使用
include
命令读入典型相关分析的宏程序,然后使用
cancorr
名称
调用,注意最后的“
.
”表示整个语句结束,不能遗漏。
这里的分析实例来自曹素华教授所著《实用医学多因素统计分析方法》第
176
页:为了
研究兄长的头型与弟弟的头型间的关系,研究者随机抽查了
25
个家庭的两兄弟的头长和头
宽,资料见文件
canoncor.sav
,希望求得两组变量的典型变量及典型相关系数。显然,代表
兄长头形的变量为第一组变量,
代表弟弟头形的变量为第二组变量,
这里希望求得的是两组
变量间的相关性,在语法窗口中键入的程序如下:
INCLUDE 'D:\SpssWin\Canonical correlation.sps'.
请使用时改为各自相应的安装目录
CANCORR SETl=longlwidthl
列出第一组变量
/SET2=long2width2.
列出第二组变量
选择菜单
Run->All
,运行上述程序,结果窗口中就会给出典型相关分析的结果。
15.1.3
结果解释
NOTE:ALL OUTPUT INCLUDING ERROR MESSAGES HAVE BEEN TEMPORARILY
SUPPRESSED.IF YOU EXPERIENCE UNUSUAL BEHAVIOR THEN RERUN THIS
spss26没有典型相关性分析_如何在SPSS中实现典型相关分析相关推荐
- 如何用python进行相关性分析_如何在python中检查连续变量和分类变量之间的相关性?...
将分类变量转换为虚拟变量,并将变量放在numpy.array中.例如: data.csv:age,size,color_head 4,50,black 9,100,blonde 12,120,brow ...
- python分类变量相关性分析_如何在python中检查连续变量和分类变量之间的相关性?...
将分类变量转换为伪变量here,并将变量放入numpy.array中.例如: data.csv:age,size,color_head 4,50,black 9,100,blonde 12,120,b ...
- 如何用excel做正交分析_如何在SPSS中进行正交设计及正交分析?
设要做二因素的正交设计,A因素有三个水平,B因素有两个水平.则选择Data-->Orthogonal Design-->generate,弹出的就是正交设计窗口: Factor name框 ...
- 基于典型相关性分析(CCA)的多视图学习方法综述
本文主要借鉴自<Canonical Correlation Analysis (CCA) Based Multi-View Learning: An Overview>,转载自伍冬睿科学网 ...
- 第六讲 典型相关性分析
目录 简介 步骤 SPSS操作步骤 简介 典型相关性分析(Canonical Correlation Analysis),研究两组变量(每组变量中都可能又多个指标)之间相关关系的一种多元统计方法.它能 ...
- 典型相关性分析(CCA)原理详细总结合集
典型相关性分析(CCA) 最近研究CCA相关的算法,从头原理入手 推荐以下两位大佬的Blog,希望对你有所帮助. 刘建平Pinard 网名为JerryLead的大佬 第一位大佬的Blog: 第二位大佬 ...
- excel两个指标相关性分析_用Excel做相关性分析
一.概念理解 相关关系:变量之间存在着的非严格的不确定的关系,对它们进行深层次的分析,观察它们的密切程度. 相关性分析:对变量之间相关关系的分析,即相关性分析.其中比较常用的是线性相关分析,用来衡量它 ...
- 表格在整个html居中显示,html 表格字符居中显示_如何在HTML中居中显示表格?
html 表格字符居中显示_如何在HTML中居中显示表格? html 表格字符居中显示_如何在HTML中居中显示表格? html 表格字符居中显示 HTML table provides the ab ...
- figma设计_如何在Figma中构建设计入门套件(第1部分)
figma设计 Figma教程 (Figma Tutorial) Do you like staring at a blank canvas every time you start a new pr ...
- 在excel日期比对大小_如何在Excel中防止分组日期
在excel日期比对大小 As a teenager, group dates can be fun. If you have strict parents, that might be the on ...
最新文章
- java获取24小时制时间格式_java 日期格式时间24小时制
- Nacos Go 微服务生态系列(一)| Dubbo-go 云原生核心引擎探索
- 学术部活动具体落实计划
- Python + Selenium 基础篇 - 打开和关闭浏览器
- 小强的HTML5移动开发之路(43)——JqueryMobile页眉、工具栏和标签栏导航
- .NET Framework 3.5 sp1离线安装方案
- thoughtworks业务需求分析师面试总结
- ubuntu Opencv4及扩展模块编译安装过程
- 【IP路由基础(直连路由、静态路由的三种配置)】--20211203、20211206
- 使用fisheye4.8(crucible4.8)添加仓库时出现的问题
- Node.js实战(Node.js in Action)书中的代码实现
- python_you-get下载B站视频详解
- 我的世界服务器显示无法解析主机名什么意思,我开了我的世界服务器可为什么它出现无法解析主机名...
- CAD2014学习笔记-常用绘图命令和工具
- 线上盲盒电商模式运营
- java get请求405_get方法没问题,post方法报405错误
- webERP安装配置超详细
- 我的爸爸,在滴滴做自动驾驶
- 云计算技术分享:linux云计算课程学习大纲
- Python中itertools.product()函数调用
热门文章
- 论文《Efficient Large-Scale Stereo Matching》学习
- H5支付、支付宝支付
- 辅助进度控制的计算机软件是指,辅助进度控制的计算机软件是指以( )为核心的项目管理软件包。...
- python 菜鸟联盟-菜鸟联盟python
- 手机端显示电脑端隐藏html源码,div+css实现电脑端显示手机端隐藏代码
- table表格固定表头
- Nobook虚拟实验室完爆各种传统实验室
- OSEK OS标准简介(转)
- html用js连接sql,如何从浏览器中的JavaScript连接到SQL Server数据库?
- 阿里云物联网平台简介_物联网简介