多元統(tǒng)計(jì)分析典型相關(guān)分析

關(guān)于多元統(tǒng)計(jì)分析典型相關(guān)分析第1頁，講稿共31頁，2023年5月2日，星期三典型相關(guān)分析的基本思想與主成分分析相似，典型相關(guān)分析首先在每組變量中找出變量的線性組合，使得兩組的線性組合之間具有最大的相關(guān)系數(shù)。然后選取和最初挑選的這對(duì)線性組合不相關(guān)的線性組合，使其配對(duì)，并選取相關(guān)系數(shù)最大的一對(duì)，如此繼續(xù)下去，直到兩組變量之間的相關(guān)性被提取完畢為此。被選出的線性組合配對(duì)稱為典型變量，它們的相關(guān)系數(shù)稱為典型相關(guān)系數(shù)。典型相關(guān)系數(shù)度量了這兩組變量之間聯(lián)系的強(qiáng)度。第2頁，講稿共31頁，2023年5月2日，星期三一般情況，設(shè)

是兩個(gè)相互關(guān)聯(lián)的隨機(jī)向量，分別在兩組變量中選取若干有代表性的綜合變量Ui、Vi，使得每一個(gè)綜合變量是原變量的線性組合，即第3頁，講稿共31頁，2023年5月2日，星期三第4頁，講稿共31頁，2023年5月2日，星期三典型相關(guān)分析原理及方法第5頁，講稿共31頁，2023年5月2日，星期三

第6頁，講稿共31頁，2023年5月2日，星期三

第7頁，講稿共31頁，2023年5月2日，星期三第8頁，講稿共31頁，2023年5月2日，星期三

第9頁，講稿共31頁，2023年5月2日，星期三第10頁，講稿共31頁，2023年5月2日，星期三第11頁，講稿共31頁，2023年5月2日，星期三第12頁，講稿共31頁，2023年5月2日，星期三第13頁，講稿共31頁，2023年5月2日，星期三第14頁，講稿共31頁，2023年5月2日，星期三第15頁，講稿共31頁，2023年5月2日，星期三第16頁，講稿共31頁，2023年5月2日，星期三樣本典型相關(guān)分析第17頁，講稿共31頁，2023年5月2日，星期三第18頁，講稿共31頁，2023年5月2日，星期三

第19頁，講稿共31頁，2023年5月2日，星期三第20頁，講稿共31頁，2023年5月2日，星期三典型相關(guān)系數(shù)的顯著性檢驗(yàn)第21頁，講稿共31頁，2023年5月2日，星期三第22頁，講稿共31頁，2023年5月2日，星期三第23頁，講稿共31頁，2023年5月2日，星期三

第24頁，講稿共31頁，2023年5月2日，星期三第25頁，講稿共31頁，2023年5月2日，星期三第26頁，講稿共31頁，2023年5月2日，星期三典型載荷分析第27頁，講稿共31頁，2023年5月2日，星期三第28頁，講稿共31頁，2023年5月2日，星期三第29頁，講稿共31頁，2023年5月2日，星期三相關(guān)的R函數(shù)及實(shí)例cancor()極大似然估計(jì)法進(jìn)行參數(shù)估計(jì)cancor(x,y,xcenter=TRUE,ycenter=TRUE)x,y數(shù)據(jù)矩陣或數(shù)據(jù)框,xcenter,ycenter邏輯變量，是否將數(shù)據(jù)中心化第30頁，