典型相关分析(Canonical correlation analysis)(二):原始变量与典型变量之间的相关性 、典型相关系数的检验

典型相关分析系列博文:

典型相关分析(Canonical correlation analysis)(一):基本思想 、复相关系数、偏相关系数

典型相关分析(Canonical correlation analysis)(二):原始变量与典型变量之间的相关性 、典型相关系数的检验

典型相关分析(Canonical correlation analysis)(三): 职业满意度典型相关分析案例

典型相关分析(Canonical correlation analysis)(四): 中国城市竞争力与基础设施的相关分析


目录

1  原始变量与典型变量之间的相关性 

(1)原始变量与典型变量之间的相关系数

(2)各组原始变量被典型变量所解释的方差

2  典型相关系数的检验

1.计算样本的协方差阵

2.建立整体检验 & 统计量

3.部分总体典型相关系数为零的检验


 1  原始变量与典型变量之间的相关性 

(1)原始变量与典型变量之间的相关系数

(2)各组原始变量被典型变量所解释的方差

2  典型相关系数的检验

在实际应用中,总体的协方差矩阵常常是未知的,类似于其他的统计分析方法,需 要从总体中抽出一个样本,根据样本对总体的协方差或相关系数矩阵进行估计,然后利 用估计得到的协方差或相关系数矩阵进行分析。由于估计中抽样误差的存在,所以估计 以后还需要进行有关的假设检验。

1.计算样本的协方差阵

2.建立整体检验 & 统计量

3.部分总体典型相关系数为零的检验

 


典型相关分析系列博文:

 

典型相关分析(Canonical correlation analysis)(一):基本思想 、复相关系数、偏相关系数

典型相关分析(Canonical correlation analysis)(二):原始变量与典型变量之间的相关性 、典型相关系数的检验

典型相关分析(Canonical correlation analysis)(三): 职业满意度典型相关分析案例

典型相关分析(Canonical correlation analysis)(四): 中国城市竞争力与基础设施的相关分析

 

  • 6
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
典型相关分析是一种多元统计分析方法,用于研究两组变量之间的相关关系。它通过将两组变量进行线性组合,找到最大相关系数,从而得到两组变量之间典型相关变量。 以一个典型相关分析的案例来说明。假设我们想研究体质指标与心理健康之间的关系。我们收集了100名成年人的体质指标数据(如身高、体重、腰围等)和心理健康指标数据(如抑郁倾向、幸福感等)。我们希望通过典型相关分析找到体质指标和心理健康指标之间的关联。 首先,我们将两组变量进行标准化处理,以消除单位的影响。然后,我们将体质指标和心理健康指标分别进行线性组合,得到两个典型变量。这两个典型变量分别代表了体质指标和心理健康指标的主要共同方差。 在典型相关分析中,我们计算典型相关系数来衡量两个典型变量相关性。该系数的取值范围为-1到1,越接近1表示两个典型变量之间相关性越强。 通过典型相关分析,我们可能发现体质指标和心理健康指标之间存在显著的正相关关系。例如,我们可能发现第一个典型变量代表了一个既高体质指标又高心理健康指标的模式,这表明身体健康和心理健康呈正相关。而第典型变量可能代表了一个低体质指标和低心理健康指标的模式,这表明身体健康和心理健康呈负相关。 此外,我们还可以通过典型相关分析得到两个典型变量的贡献度,以及每个变量典型变量的权重系数。这些信息可以帮助我们理解体质指标和心理健康指标之间的相关机制,并为进一步的研究提供线索。 总之,典型相关分析是一种有效的统计方法,可以揭示出两组变量之间相关性,并为研究者提供有关变量之间关系的有用信息。在不同领域中,典型相关分析都可以被广泛应用,以帮助我们更好地理解变量之间的关系。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值