如何更快的学习.net网站开发,wordpress支付可见,公司网站建设及维护管理总结,最好的网站推广软件典型相关基本原理 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…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要服从多元正态分布, 样本容量至少要大于原始变量个数一般为变量个数的10 ~20 倍,这些假设包括两组变量之间要具有相关性,每组原始变量中能够综合出典型变量, 即原始变量组内要有一定的相关性等 。若这些条件和假设无法满足 ,就不能进行典型相关分析。
典型相关分析一般步骤 案例分析 探讨小学生的生长发育指标与身体素质的相关关系某市对小学生的体质进行了调查。 对 84 例 10岁男孩的四项生长发育指标肺活量L、身高cm、体重Kg、胸围cm与四项反映身体素质的指标50m 跑s、跳高cm、跳远m、实心球掷远m进行典型相关分析。数据来源医学统计学第4版孙振球等主编 数据视图 变量视图 手把手教你 在统计软件SPSS23.0及以下版本无相应的菜单操作故需要使用语法来完成。 【一】新建语法单击“文件”“新建”“语法” 【二】弹出如下所示界面输入语法代码
INCLUDEC:\ProgramFiles\IBM\SPSS\Statistics\22\Samples\English\Canonical correlation.sps. 这段语句为Canonical correlation.sps的安装位置需要输入自己文件的位置
CANCORR SET1 x1 x2 x3 x4 / SET2 y1 y2 y3 y4 . 【三】输入语法完毕后点击“运行”即可 结果解析 ①
变量x1 x2 x3 x4 之间的相关系数变量y1 y2 y3 y4 之间的相关系数 ②
两组变量之间的相关系数 ③
第一列为 各个典型相关系数依次为λ10.871 λ20.312 λ30.164 λ40.053 第二列是对各典型相关系数的检验由结果可知第一典型相关系数在α0.05 的情况下有统计学意义 ④
标准化的U典型相关变量与未标准化原始的U典型相关变量 标准化的V典型相关变量与未标准化原始)的V典型相关变量 标准化的第一典型相关变量可表示为
U1-0.099X1-0.462X2-0.066X3-0.525X4
V10.176Y1-0.791Y2-0.153Y3-0.059Y4
同理可写出其它的典型相关变量 通过以上表达式可以看出U1 主要受X2身高和X4胸围的影响较大V1主要受Y2跳高和Y150m跑的影响较大除此之外通过典型相关系数的正负可以判断变量X与变量Y的正负相关以变量Y1为例U1中的各变量与Y1呈负相关。
