典型相关基本原理
典型相关分析是主成分分析和因子分析的进一步发展 ,是研究两组变量间的相互依赖关系 ,把两组变量之间的相互关系变为研究两个新的变量之间的相关,而且又不抛弃原来变量的信息 ,这两个新的变量分别由第一组变量和第二组变量的线性组合构成 ,并且两组变量的个数可以是不同的 ,两组变量所代表的内容也可以是不同的。
例如:某种药物的不同剂型、剂量、给药途径、给药时间等为一类因素,而给药后对人体各系统(神经系统、循环系统、呼吸系统、消化系统等)产生的反应为另一因素,对于这种情况就需要从两组整体上来分析“处理”与“效应”之间的相关性。
典型性相关分析与简单相关分析相比 ,简单相关分析有时可能受某些因素的影响 ,反映的是表面的而非本质的联系 ,甚至有时是假象。所以 ,典型性相关分析在相关分析中有其独特的作用。
典型相关分析的线性组合
设两组变量X1、X2、……、Xp 与Y1、Y2、……、Yp , 则其线性组合可表示为:
这种线性组合被称为第一典型相关变量,也可以推广到一般情况,即第 i (i ≧ 1)典型相关变量。
典型相关分析需满足的条件
典型相关分析是在原始数据满足一定条件和假设的前提下进行的 , 这些条件包括原始变量