该博客为个人学习清风建模的学习笔记，部分课程可以在B站：【强烈推荐】清风：数学建模算法、编程和写作培训的视频课程以及Matlab等软件教学_哔哩哔哩_bilibili
目录
| 名称 | 重要性 | 难度 |
| 典型相关分析 | ★★★ | ★★★★★ |
典型相关分析（Canonical Correlation）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联系。
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。
1例子引入
把多个变量与多个变量之间的相关化为两个具有 代表性的变量之间的相关。代表： 能较为综合、全面的衡量所在组的内在规律。一组变量最简单的综合形式就是该组变量的线性组合。
2概念定义
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止。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。
确保典型变量的唯一性，我们只考虑方差为1：
典型相关变量条件：
1.方差为1
2.相关系数最大
相关系数公式：
经过很多过程：
a和b的性质：
常用的向量矩阵求导公式 https://blog.csdn.net/lipengcn/article/details/52815429
3解题思路
（
1
）
数据的分布有假设：
两组数据服从联合正态分布
。
（
2
）
首先要对两组变量的相关性进行检验（构造似然比统计量 ）
。
p
值小于
0.05
（
0.1
）表示在
95%
（
90%
）的置信水平下拒绝原假设，即认为两组变量有关。
（
3
）确定典型相关变量的个数（直接看典型相关系数对应的
P
值即可）
（
4
）利用标准化后的典型相关变量分析问题
（
5
）进行典型载荷分析
(6)
计算前
r
个典型变量对样本总方差的贡献
4SPSS操作步骤
注意： Spss 至少需要 24 版本，低版本不能直接进行典型相关分析的操作，需要编程。（如果新版本仍不能运行，则检查电脑用户名是否为中文，如果是中文的话就需要在电脑上新建一个用户，在新用户上面重新安装SPSS ）
4.1导入数据
4.2检验数据的类型
4.3点击菜单功能
4.4将数据移动到对应的集合
4.5导出分析结果
4.6对结果进行分析
典型相关性修改为->典型相关系数，显著性->p值
标准化典型相关系数->标准化典型相关变量对应的线性组合
5总结
典型相关分析是用于俩组变量之间相关性的分析，具体解题：首先收集并预处理两组变量的数据，然后构造两组变量的线性组合，即典型变量，以最大化这两个组合之间的相关性。通过解特征方程找到使相关性最大化的系数，从而得到典型变量和对应的典型相关系数。接着，解释这些典型变量的含义及它们之间的相关性，并进行统计推断以确定相关性的显著性。
更多理论知识在厦门大学多元统计分析-第九章典型相关分析.ppt
地址在：阿里云盘分享
1919
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
