在旧版SPSS软件中如果要做典型相关分析，我们需要用简单的语法语句调取自带的宏程序，输出的结果以文本为主，没有成体系的表格，结果解读也相对繁琐。相对较新的一些SPSS版本，已经基于Python内置了一个典型相关分析的菜单模块，你在安装SPSS软件时，一定要选择安装Python插件，否则也不会看到这个菜单。市面上的多数SPSS图书要么没有讲解该方法，要么还是使用宏程序，为了让读者们实践起来方便一些，小兵这里用SPSS24.0来演示这个崭新的菜单过程，随后会录制视频更新到课程中去。案例数据与方法介绍为了研究兄长的头型和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数据，希望求得两组变量的典型相关系数。显然兄长的头型的long1和width1是第一组变量，弟弟头型的long2和width2为第二组变量。(引自张文彤图书)大家注意啊，我们是研究第一组变量(long1和width1)与第二组变量long2和width2，两组变量数据间的相关性，可不是以前说的两个变量间(比如身高和肺活量)的相关性。显然普通的两变量相关性分析根本解决不了这个问题。能解决两组变量间相关性考察任务的统计方法，统计上叫做典型相关分析，英文名称为Canonical Correlation，由统计学家Hotelling在1936年提出。SPSS典型相关分析菜单选项菜单【分析】→【典型相关性】，这是基于Python插件做的菜单模块，安装时一定要全安装上。然后打开下方主对话框，逻辑上很清晰，我们要告诉软件第一组变量是long1和width1，第二组变量是long2和width2，就这么简单。接下来，点开【选项】对话框，在软件默认勾选的载荷、方差比例、系数外，再勾选成对相关性。好了，返回主对话框，点【确定】要求软件执行分析。基本条件判断典型相关分析有一个最基本的条件，我们要从第一组变量中抽取一(一个或两个)个虚拟的【典型变量】，就像主成分分析一样，假设提取一个叫做u1。同理我们从第二组变量中抽取出一个虚拟的【典型变量】，假设也是一个叫做v1。u1是long1和width1的线性组合，v1是long2和width2的线性组合。凭什么能提取出这样的潜在变量呢，那它的基础条件就是每组变量内各变量存在一定程度的相关性，否则无法提取出来。典型相关分析就是做这件事的，它要提取u1与v1，甚至是u2与v2。u1与v1叫做第一对典型变量，代表性最强，u2与v2叫做第二对典型变量，代表性次之。一般认为，只需要提取1~2对典型变量出来就可以充分概括两组变量的信息。所以，首先我们要判断案例数据是不是组内变量具备一定相关性。long1和width1相关系数0.735，,long2和width2相关系数0.839，组内的相关系数均在0.7以上，算是高度相关了。稳妥了，有了这个基础就能保证抽取出u和v。然后我们也发现兄和弟之间的相关性也较高，最低0.693。可见我们狭义判断一下也会觉得兄和弟之间头型的数据有相关，这也让研究能继续下去。相关系数本例每组变量只有两个变量，所以最多每组提取2个【典型变量】。最终呢SPSS帮我们抽提了2对【典型变量】。第一对【典型变量】u1和v1间的相关系数为0.789，经统计检验，有统计学意义(P＜0.01)，第二对【典型变量】的相关系数为0.054，无统计学意义(P＞0.05)。这是非常重要的结果，也是最终结果了。两队典型变量的相关性，我们只保留有统计学意义的。因此弟弟头型数据与兄长头型数据间的相关系数为0.789，高度相关。这是基本结论。典型变量那么我现在想明确的知道这一对典型变量u1和v1到底长什么样子，它不是代表性最强吗？有多强？看这两个表格，编号1的列指的就是第一对典型变量，同理编号2的列指的是第二对典型变量。据此可写出u1和v1的表达式(系数统一取绝对值)。u1=0.522*long1+0.522*width1v1=0.504*long2+0.538*width2就长这样了。那它们各自代表第一组变量和第二组变量的信息程度有多大呢？看下表。如上。第一对典型变量中的u1可解释第一组变量总变异的86.7%，很高吧。而v1能解释第二组变量总变异的92%。而第二对典型变量分别解释的能力是13.3%和8%，很显然是非常低的比例，所以抛弃它不要了。到此时，我们已经明确地得到：1、兄长组提取出u1，弟弟组提取出v1，组成最强典型变量对(u1+v1)；2、u1和v1的代表性足够强，各自的解释能力在80%以上；所以我们用u1和v1分别代表第一组变量数据，和第二组变量数据，其相关系数为0.789，弟弟头型数据与兄长头型数据高度相关，有统计学意义。数据来源及参考资料：张文彤《SPSS统计分析高级教程》全文完图/文=数据小兵推荐阅读

• 张文彤老师SPSS统计分析书籍推荐

• 冯国双老师统计分析书籍推荐

• 如何理解相关分析的显著性检验？

---

坚决不做僵尸课
持续更新维护
一对一答疑欢迎加入SPSS视频课程竭诚服务→课程咨询请后台回复【课程】，了解更多。↙点【