上機(jī)課第11講 典型相關(guān)分析過(guò)程

1、1典型相關(guān)分析實(shí)現(xiàn)的兩種方法：典型相關(guān)分析實(shí)現(xiàn)的兩種方法：利用利用CANCORR過(guò)程過(guò)程利用利用“分析員應(yīng)用分析員應(yīng)用”系統(tǒng)完成典型相關(guān)系統(tǒng)完成典型相關(guān)分析分析典型相關(guān)分析過(guò)程介紹典型相關(guān)分析過(guò)程介紹21. 啟動(dòng)啟動(dòng)“分析員應(yīng)用分析員應(yīng)用”，打開(kāi)，打開(kāi)SAS數(shù)據(jù)集；數(shù)據(jù)集；(1) SolutionAnalysisAnalyst(2) File Open by SAS Name 選數(shù)據(jù)選數(shù)據(jù)集集2. 在在“分析員應(yīng)用分析員應(yīng)用”菜單欄目中選擇菜單欄目中選擇 StatisticsMultivarite canonical correlation；利用利用“分析員應(yīng)用分析員應(yīng)用”系統(tǒng)完成典型相系統(tǒng)完

2、成典型相關(guān)分析的具體步驟：關(guān)分析的具體步驟：33. 在彈出的典型相關(guān)分析主窗口中分別選擇在彈出的典型相關(guān)分析主窗口中分別選擇兩組變量；兩組變量；4. 在主窗口下方按在主窗口下方按 Statistics 鍵鍵, 選擇取幾對(duì)選擇取幾對(duì)典型相關(guān)變量、典型變量的前綴、回歸分典型相關(guān)變量、典型變量的前綴、回歸分析等；析等；5. 在主窗口下方按在主窗口下方按 Plots 鍵鍵, 選擇繪制前幾對(duì)選擇繪制前幾對(duì)典型變量的散點(diǎn)圖；典型變量的散點(diǎn)圖；6. 在主窗口下方按在主窗口下方按 Save Data 鍵鍵, 選擇是否選擇是否存貯典型變量得分及統(tǒng)計(jì)量；存貯典型變量得分及統(tǒng)計(jì)量；7. 查看計(jì)算結(jié)果查看計(jì)算結(jié)果.4

3、 CANCORR過(guò)程是過(guò)程是SAS/STAT軟件中軟件中進(jìn)行典型相關(guān)分析的過(guò)程進(jìn)行典型相關(guān)分析的過(guò)程. 典型相關(guān)分析典型相關(guān)分析是研究?jī)山M變量間相關(guān)關(guān)系的一種統(tǒng)計(jì)方是研究?jī)山M變量間相關(guān)關(guān)系的一種統(tǒng)計(jì)方法，它能夠揭示兩組變量之間的內(nèi)在聯(lián)系，法，它能夠揭示兩組變量之間的內(nèi)在聯(lián)系，真正反映兩組變量間的線性相關(guān)情況真正反映兩組變量間的線性相關(guān)情況. CANCORR過(guò)程完成典型相關(guān)，偏典型相過(guò)程完成典型相關(guān)，偏典型相關(guān)和關(guān)和典型冗余典型冗余分析分析. 該過(guò)程還可以產(chǎn)生包該過(guò)程還可以產(chǎn)生包含典型系數(shù)和典型變量得分的輸出數(shù)據(jù)集含典型系數(shù)和典型變量得分的輸出數(shù)據(jù)集.CANCORRCANCORR過(guò)程過(guò)程5一、一

4、、CANCORR過(guò)程的功能過(guò)程的功能 設(shè)設(shè) 和和 是兩是兩組隨機(jī)變量，典型相關(guān)分析是處理兩組變組隨機(jī)變量，典型相關(guān)分析是處理兩組變量間相關(guān)關(guān)系的方法量間相關(guān)關(guān)系的方法. 簡(jiǎn)單相關(guān)和多重相簡(jiǎn)單相關(guān)和多重相關(guān)都是典型相關(guān)的特殊情況，此時(shí)兩組變關(guān)都是典型相關(guān)的特殊情況，此時(shí)兩組變量中有一組或兩組只含一個(gè)變量量中有一組或兩組只含一個(gè)變量. CANCORR過(guò)程可完成以下幾方面計(jì)算：過(guò)程可完成以下幾方面計(jì)算：) (1 pxxx) (1 qyyy61、完成兩組變量間的典型相關(guān)分析、完成兩組變量間的典型相關(guān)分析. 用用戶可根據(jù)實(shí)際問(wèn)題的需要規(guī)定哪些變量戶可根據(jù)實(shí)際問(wèn)題的需要規(guī)定哪些變量構(gòu)成第一組，哪些是第二組

5、構(gòu)成第一組，哪些是第二組. 典型變量典型變量的名字用戶也可以自己規(guī)定的名字用戶也可以自己規(guī)定.72、 CANCORR過(guò)程可以檢驗(yàn)一些假設(shè)，過(guò)程可以檢驗(yàn)一些假設(shè)，如在總體中，每個(gè)典型相關(guān)及所有較小如在總體中，每個(gè)典型相關(guān)及所有較小的典型相關(guān)為的典型相關(guān)為0. 進(jìn)行檢驗(yàn)時(shí)進(jìn)行檢驗(yàn)時(shí)CANCORR過(guò)程使用過(guò)程使用F近似統(tǒng)計(jì)量，在小樣本情況近似統(tǒng)計(jì)量，在小樣本情況下，下，F(xiàn)近似比使用近似比使用 2近似有較好的結(jié)果近似有較好的結(jié)果. 進(jìn)行檢驗(yàn)時(shí)要求兩組變量中至少有一組進(jìn)行檢驗(yàn)時(shí)要求兩組變量中至少有一組近似正態(tài)分布，以便得到的顯著性概率近似正態(tài)分布，以便得到的顯著性概率值（值（p值）有效值）有效.83、該

6、過(guò)程可以計(jì)算標(biāo)準(zhǔn)化和沒(méi)有標(biāo)、該過(guò)程可以計(jì)算標(biāo)準(zhǔn)化和沒(méi)有標(biāo)準(zhǔn)化的典型變量的系數(shù)，典型變量準(zhǔn)化的典型變量的系數(shù)，典型變量和原始變量的所有相關(guān)；同時(shí)也可和原始變量的所有相關(guān)；同時(shí)也可以進(jìn)行以進(jìn)行典型冗余分析典型冗余分析.94、 CANCORR過(guò)程可以對(duì)這兩組變量過(guò)程可以對(duì)這兩組變量作回歸分析作回歸分析. 哪些變量是因變量，哪些哪些變量是因變量，哪些是解釋變量用戶可以自己決定是解釋變量用戶可以自己決定. 還可以還可以要求輸出一些特殊的回歸結(jié)果要求輸出一些特殊的回歸結(jié)果. 多元回多元回歸的結(jié)果可以幫助解釋典型相關(guān)分析歸的結(jié)果可以幫助解釋典型相關(guān)分析.105、該過(guò)程可以生成許多計(jì)算結(jié)果、該過(guò)程可以生成許多

7、計(jì)算結(jié)果. 包括簡(jiǎn)包括簡(jiǎn)單統(tǒng)計(jì)量、相關(guān)陣、典型相關(guān)；檢驗(yàn)典型單統(tǒng)計(jì)量、相關(guān)陣、典型相關(guān)；檢驗(yàn)典型相關(guān)系數(shù)為相關(guān)系數(shù)為0的檢驗(yàn)統(tǒng)計(jì)量，典型結(jié)構(gòu)等；的檢驗(yàn)統(tǒng)計(jì)量，典型結(jié)構(gòu)等；還有用一組變量預(yù)測(cè)另一組變量的回歸結(jié)還有用一組變量預(yù)測(cè)另一組變量的回歸結(jié)果果. 該過(guò)程還可以生成兩個(gè)輸出數(shù)據(jù)集：該過(guò)程還可以生成兩個(gè)輸出數(shù)據(jù)集：一個(gè)包含每個(gè)觀測(cè)在典型變量上得分的數(shù)一個(gè)包含每個(gè)觀測(cè)在典型變量上得分的數(shù)據(jù)集；另一個(gè)包含有關(guān)統(tǒng)計(jì)量的輸出集據(jù)集；另一個(gè)包含有關(guān)統(tǒng)計(jì)量的輸出集. 116、 CANCORR過(guò)程可以在偏相關(guān)陣基過(guò)程可以在偏相關(guān)陣基礎(chǔ)上進(jìn)行典型相關(guān)分析礎(chǔ)上進(jìn)行典型相關(guān)分析.12PROC CANCORR ; 必

8、需的語(yǔ)句必需的語(yǔ)句 WITH variables; VAR variables; PARTIAL variables; FREQ variables; 可選擇的語(yǔ)句可選擇的語(yǔ)句 WEIGHT variables; BY variables;二、基本語(yǔ)句二、基本語(yǔ)句13三、三、proc cancorr語(yǔ)句的選擇項(xiàng)語(yǔ)句的選擇項(xiàng)(32項(xiàng)項(xiàng))Data=SASdatasetOut= SASdatasetOutstat= SASdatasetVname=labelWname= labelVprefix=nameWprefix=name14AllCorr-輸出原始變量之間的相關(guān)系數(shù)輸出原始變量之間的相關(guān)系數(shù)

9、.Ncan=n-規(guī)定要求輸出的典型變量的個(gè)數(shù)規(guī)定要求輸出的典型變量的個(gè)數(shù).NoprintShortSimpleVdep|wreg-要求用要求用var變量作為因變量，而變量作為因變量，而with變量作為回歸量的多元回歸分析變量作為回歸量的多元回歸分析.Wdep|vreg-要求用要求用with變量作為因變量，而變量作為因變量，而var變量作為回歸量的多元回歸分析變量作為回歸量的多元回歸分析.15案例案例1 研究三個(gè)生理指標(biāo)和三個(gè)訓(xùn)練指標(biāo)研究三個(gè)生理指標(biāo)和三個(gè)訓(xùn)練指標(biāo)之間的相關(guān)關(guān)系之間的相關(guān)關(guān)系(見(jiàn)教材見(jiàn)教材329頁(yè)例頁(yè)例10.3.2，也是，也是SAS中典型相關(guān)的例題中典型相關(guān)的例題).三個(gè)生理指標(biāo)

10、：三個(gè)生理指標(biāo)：weight: 體重體重 waist: 腰圍腰圍 pulse: 脈搏脈搏三個(gè)訓(xùn)練指標(biāo)：三個(gè)訓(xùn)練指標(biāo)：chins: 單杠單杠 situps: 仰臥起坐次數(shù)仰臥起坐次數(shù) jumps: 跳高跳高16VAR Variables3WITH Variables3Observations20輸出結(jié)果輸出結(jié)果17Means and Standard DeviationsVariableMeanStandard Deviationweight178.60000024.690505waist35.4000003.201973pulse56.1000007.210373chins9.4500005.

11、286278situps145.55000062.566575jumps70.30000051.27747018Correlations Among the VAR Variables weightwaistpulseweight1.00000.8702-0.3658waist0.87021.0000-0.3529pulse-0.3658-0.35291.000019Correlations Among the WITH Variables chinssitupsjumpschins1.00000.69570.4958situps0.69571.00000.6692jumps0.49580.6

12、6921.000020Correlations Between the VAR Variables and the WITH Variables chinssitupsjumpsweight-0.3897-0.4931-0.2263waist-0.5522-0.6456-0.1915pulse0.15060.22500.034921 CanonicalCorrelationAdjustedCanonicalCorrelationApproximateStandardErrorSquaredCanonicalCorrelation10.7956080.7540560.0841970.632992

13、20.200556-.0763990.2201880.04022330.072570.0.2282080.00526622 Eigenvalues of Inv(E)*H= CanRsq/(1-CanRsq) EigenvalueDifferenceProportionCumulative11.72471.68280.97340.973420.04190.03660.02370.997030.00530.00301.000023 Test of H0: The canonical correlations in the current row and all that follow are z

14、ero LikelihoodRatioApproximateF ValueNum DF Den DFPr F10.350390532.05934.2230.063520.954722660.184300.949130.994733550.081160.774824Multivariate Statistics and F ApproximationsS=3 M=-0.5 N=6StatisticValueF ValueNum DFDen DFPr FWilks Lambda0.350390532.05934.2230.0635Pillais Trace0.678481511.569480.15

15、51Hotelling-Lawley Trace1.771941462.64919.0530.0357Roys Greatest Root1.724738749.203160.0009NOTE: F Statistic for Roys Greatest Root is an upper bound.25Raw Canonical Coefficients for the VAR Variables PHYS1PHYS2PHYS3weight-0.031404688-0.076319506-0.007735047waist0.49324167560.36872298940.1580336471

16、pulse-0.008199315-0.0320519940.145732242126Raw Canonical Coefficients for the WITH Variables EXER1EXER2EXER3chins-0.066113986-0.071041211-0.245275347situps-0.0168462310.00197374540.0197676373jumps0.01397156890.0207141063-0.00816747227Standardized Canonical Coefficientsfor the VAR Variables PHYS1PHYS

17、2PHYS3weight-0.7754-1.8844-0.1910waist1.57931.18060.5060pulse-0.0591-0.23111.050828Standardized Canonical Coefficientsfor the WITH Variables EXER1EXER2EXER3chins-0.3495-0.3755-1.2966situps-1.05400.12351.2368jumps0.71641.0622-0.418829Correlations Between the VAR Variablesand Their Canonical Variables

18、 PHYS1PHYS2PHYS3weight0.6206-0.7724-0.1350waist0.9254-0.3777-0.0310pulse-0.33280.04150.942130Correlations Between the WITH Variablesand Their Canonical Variables EXER1EXER2EXER3chins-0.72760.2370-0.6438situps-0.81770.57300.0544jumps-0.16220.9586-0.233931Correlations Between the VAR Variablesand the

19、Canonical Variables of theWITH Variables EXER1EXER2EXER3weight0.4938-0.1549-0.0098waist0.7363-0.0757-0.0022pulse-0.26480.00830.068432Correlations Between the WITH Variablesand the Canonical Variables of theVAR Variables PHYS1PHYS2PHYS3chins-0.57890.0475-0.0467situps-0.65060.11490.0040jumps-0.12900.1

20、923-0.0170第一對(duì)典型變量為身材與運(yùn)動(dòng)能力第一對(duì)典型變量為身材與運(yùn)動(dòng)能力.33Canonical Redundancy AnalysisStandardized Variance of the VAR Variables Explained byCanonical VariableNumberTheir OwnCanonical VariablesCanonicalR-SquareThe OppositeCanonical VariablesProportionCumulativeProportionProportionCumulativeProportion10.45080.4508

21、 0.6330 0.28540.285420.24700.6978 0.0402 0.00990.295330.30221.0000 0.0053 0.00160.296934Standardized Variance of the WITH Variables Explained byCanonical VariableNumberTheir OwnCanonical VariablesCanonicalR-SquareThe OppositeCanonical VariablesProportionCumulativeProportionProportionCumulativePropor

22、tion10.40810.4081 0.6330 0.25840.258420.43450.8426 0.0402 0.01750.275830.15741.0000 0.0053 0.00080.2767Canonical Redundancy Analysis35Raw Variance of the WITH Variables Explained byCanonical VariableNumberTheir OwnCanonical VariablesCanonicalR-SquareThe OppositeCanonical VariablesProportionCumulativ

23、eProportionProportionCumulativeProportion10.41110.41110.63300.26020.260220.56350.97460.04020.02270.282930.02541.00000.00530.00010.283036Raw Variance of the VAR Variables Explained byCanonical VariableNumberTheir OwnCanonical VariablesCanonicalR-SquareThe OppositeCanonical VariablesProportionCumulati

24、veProportionProportionCumulativeProportion10.37120.37120.6330 0.23490.234920.54360.91480.0402 0.02190.256830.08521.00000.0053 0.00040.257337Squared Multiple Correlations Betweenthe VAR Variables and the First M CanonicalVariables of the WITH VariablesM123weight0.24380.26780.2679waist0.54210.54780.5478pulse0.07010.07020.074938Squared Multiple Correlations Betweenthe WITH Variables and the First MCanonical Variables of the VAR VariablesM123chins0.33510.33740.3396situps0.42330.43650.4365jumps0.01670.05360.053939案例案例2 研究工作滿意度和工作特征的相關(guān)研究工作滿意度和工作特征的相關(guān)關(guān)系關(guān)系(SAS系統(tǒng)中典型相關(guān)關(guān)系的開(kāi)始案例系統(tǒng)