基于spss典型相关分析及论文写作模板

最新推荐文章于 2024-07-20 23:37:53 发布

Nin_haoya

最新推荐文章于 2024-07-20 23:37:53 发布

阅读量4.1k

点赞数

分类专栏：数学建模文章标签：数学建模

本文链接：https://blog.csdn.net/Nin_haoya/article/details/132348285

版权

数学建模专栏收录该内容

1 篇文章 0 订阅

订阅专栏

一、spss操作（spss25）

导入数据选择典型相关性

打开输出面板，选择导出

在word中对表格进行修改分析

1.变量指标说明：

Canonical Correlations Settings
指标	变量
Set 1 观众评分指标	led hed net
Set 2 业内评分指标	arti com man

2.典型相关系数

Canonical Correlations
	相关系数	P值
1	.995	.000
2	.953	.000
3	.637	.000

p值都为0，小于0.05，拒绝原假设，可以认为两组变量之间存在相关性，且三对典型变量的相关性均是显著的。

典型相关系数分别为： $\lambda_{1}=0.990$ ， $\lambda_{2}=0.953$ ， $\lambda_{3}=0.637$ 。

3.第一组变量标准化典型相关变量对应的线性组合系数

Set 1 Standardized Canonical Correlation Coefficients
Variable	1	2	3
led	.149	-.786	-1.212
hed	.977	.383	-.160
net	-.052	-.312	1.467

4.第一组变量标准化典型相关变量对应的线性组合系数

Set 2 Standardized Canonical Correlation Coefficients
Variable	1	2	3
arti	.858	.911	-1.983
com	.019	-1.046	-1.114
man	.145	-.337	2.833

得到典型相关系数向量：

$a^{(1)^{*}}=(0.149,0.977,-0.052)'$

$a^{(2)^{*}}=(-0.786,0.383,-0.312)'$

$a^{(3)^{*}}=(-1.212,-0.160,1.467)'$

$b^{(1)^{*}}=(0.858,0.019,0.145)'$

$b^{(2)^{*}}=(0.911,-1.046,-0.337)'$

$b^{(3)^{*}}=(-1.983,-1.114,2.833)'$

得到标准化的典型变量：

其中， $Z_{i}^{(1)}$ 和 $Z_{j}^{(2)}$ 分别为原始变量 $U_{i}$ 和 $V_j$ 标准化后的结果。

以上结果说明观众评分的第一组典型变量与低学历的相关系数为0.1491，与高学历的相关系数为0.977，与网络的相关系数为-0.052.业内人士评分的第一组典型变量与艺术家的相关系数为0.858，与发行的相关系数为0.019，与部门主管的相关系数为0.145，同理我们也可以得到第二组、第三组。

5.（典型冗余分析）观众评分典型载荷

Set 1 Canonical Loadings
Variable	1	2	3
led	.333	-.925	-.185
hed	.993	.101	.057
net	.383	-.753	.535

6.业内人士评分典型载荷

Set 2 Canonical Loadings
Variable	1	2	3
arti	.997	.065	-.043
com	.571	-.811	-.126
man	.922	-.274	.273

从另一方面说明观众评分的第一对典型变量与低学历、高学历、网络调查均成正的线性相关关系。其中与高学历的相关性最强。业内人士的第一对典型变量与艺术家、发行、部门主管也都为正的线性相关关系。其中与艺术家、部门主管的线性相关关系比较强，同理可以得到第二组、第三组。

7.已解释方差的比例

Proportion of Variance Explained
Canonical Variable	Set 1 by Self	Set 1 by Set 2	Set 2 by Self	Set 2 by Set 1
1	.415	.411	.723	.717
2	.478	.434	.246	.223
3	.108	.044	.031	.012

可以看出观众评分样本方差由自身3个典型变量解释的方差比例为：0.415、0.478、0.108，前两个典型变量已解释方差的比例达到0.415+0.478=0.893，同样的方法可以求得业内人士评分方差由自身的3个典型变量解释的方差比例分别为：0.723、0.246、0.031，前两个典型变量已解释方差的比例达到0.723+0.246=0.969 。所以我们可以根据前两组变量（说明只需要前两个变量就行，写论文的时候放在前面）得到典型相关分析的结果：

二、论文写作模板

2.1基本原理

首先假设： $X^{(1)}=(X_{1}^{(1)},X_{2}^{(1)},\cdots ,X_{p}^{(1)})$ 、 $X^{(2)}=(X_{1}^{(2)},X_{2}^{(2)},\cdots ,X_{q}^{(2)})$ 是两个相互关联的随机向量，分别在两组变量中选取若干有代表性的综合变量 $U_{i}$ 、 $V_{i}$ ，使得每一个综合变量是原变量的线性组合，即

$U_{i}=a_{1}^{(i)}X_{1}^{(1)}+a_{2}^{(i)}X_{2}^{(1)}+\cdots +a_{p}^{(i)}X_{p}^{(1)}:=\mathbf{{a^{(i)'}X^{(1)}}}$

$V_{i}=b_{1}^{(i)}X_{1}^{(1)}+b_{2}^{(i)}X_{2}^{(1)}+\cdots +b_{q}^{(i)}X_{q}^{(1)}:=\boldsymbol{b^{(i)'}X^{(1)}}$

为了确保典型变量的唯一性，我们只考虑方差为1的 $X^{(1)}$ 、 $X^{(2)}$ 的线性函数 $\mathbf{a^{(i)'}X^{(1)}}$ 与 $\mathbf{{b^{(i)'}X^{(2)}}}$ ，求使得它们相关系数达到最大的这一组。若存在常向量 $a^{(1)}$ ， $b^{(1)}$ ，在 $D(a^{(1)'}X^{(1)})=D(b^{(1)'}X^{(2)})=1$ 的条件下，使得 $\rho (a^{(1)'}X^{(1)},b^{(1)'}X^{(2)})$ 达到最大，则称 $\mathbf{a^{(i)'}X^{(1)}}$ 、 $\mathbf{{b^{(i)'}X^{(2)}}}$ 是 $X^{(1)}$ ， $X^{(2)}$ 的第一对典型相关变量。求出第一对典型相关变量之后，可以类似的求出各对之间互不相关的第二对、第三对等典型相关变量。这些典型相关变量就反映了 $X^{(1)}$ ， $X^{(2)}$ 之间的线性相关情况。

2.2基本步骤

设 $X=\begin{bmatrix} X^{(1)}\\ X^{(2)} \end{bmatrix}$ 服从正态分布 $N_{p+q}(\mu ,\Sigma )$ ，从该总体中抽取样本容量为 $n$ 的样本，得到下列数据矩阵：

$X^{(1)}=\begin{bmatrix} X_{11}^{(1)} & X_{12}^{(1)} &\cdots & X_{1p}^{(1)}\\ X_{21}^{(1)} &X_{22}^{(1)} & \cdots &X_{2p}^{(1)} \\ \cdots&\cdots& \ddots &\vdots\\ X_{n1}^{(1)} & X_{n2}^{(1)} & \cdots & X_{np}^{(1)} \end{bmatrix}$

$X^{(2)}=\begin{bmatrix} X_{11}^{(2)} & X_{12}^{(2)} &\cdots & X_{1q}^{(2)}\\ X_{21}^{(2)} &X_{22}^{(2)} & \cdots &X_{2q}^{(2)} \\ \cdots&\cdots& \ddots &\vdots\\ X_{n1}^{(2)} & X_{n2}^{(2)} & \cdots & X_{nq}^{(2)} \end{bmatrix}$

然后对样本数据进行标准化处理，则样本的相关系数矩阵为：

$\dot{R} =\begin{bmatrix} \dot{R_{11}} &\dot{R_{12}} \\ \dot{R_{21}} & \dot{R_{22}} \\ \end{bmatrix}$

(csdn的latex无法识别代码，因此这个矩阵没有设置分割线，在latex中可以复制如下代码得到)

\left[\begin{array}{c;{1pt/3pt}c}
\dot{R_{11}} & \dot{R_{12}}\\
\hdashline[3pt/1pt]
\dot{R_{21}} & \dot{R_{22}}\\ 
\end{array}\right]
\end{gather*}

由此可得矩阵A和B的样本估计：

$\dot{A^*}=\dot{R^{-1}_{11}}\dot{R_{12}}\dot{R_{22}^{-1}}\dot{R_{21}}$

$\dot{B^{*}}=\dot{R^{-1}_{22}}\dot{R_{21}}\dot{R_{11}^{-1}}\dot{R_{12}}$

求解 $\dot{A^*}$ 和 $\dot{B^*}$ 的特征根及对应的特征向量，即可得到典型变量及典型相关系数。最终genuine典型相关系数得到我们的典型相关分析表达式。

两组变量指标：（之后的即是分析spss得到的数据表格，上一个目录）

Nin_haoya

关注

0
点赞
踩
17

收藏

觉得还不错? 一键收藏
1
评论
基于spss典型相关分析及论文写作模板

导入数据选择典型相关性打开输出面板，选择导出在word中对表格进行修改分析1.变量指标说明：指标变量Set 1观众评分指标Set 2业内评分指标2.典型相关系数相关系数P值1.995.0002.953.0003.637.000p值都为0，小于0.05，拒绝原假设，可以认为两组变量之间存在相关性，且三对典型变量的相关性均是显著的。典型相关系数分别为：。3.第一组变量标准化典型相关变量对应的线性组合系数Variable123led.149。
复制链接

扫一扫