典型相关分析实证分析ppt课件

1、典型相关分析实例分析,一、利用SPSS进行典型相关分析 实例1,例1：测量15名受试者的身体形态以及健康情况指标，如1.1表。第一组是身体形态变量，有年龄、体重、胸围和日抽烟量；第二组是健康状况变量，有脉搏、收缩压和舒张压。要求测量身体形态以及健康状况这两组变量之间的关系。,表1.1 两组身体素质的典型变量,（一）操作步骤 在SPSS中没有提供典型相关分析的专门菜单项，要想利用SPSS实现典型相关分析，必须在语句窗口中调用SPSS的 Canonical correlation.sps 宏。具体方法如下： 1. 按FileNewSyntax的顺序新建一个语句窗口。在语句 窗口中输入下面的语句：（

2、图1.1） INCLUDE C:Program Files (x86)SPSSIncSPSS16 Canonical correlation.sps. CANCORR SET1=x1 x2 x3 x4 / SET2=y1 y2 y3 / .,2. 点击语句窗口Run菜单中的All子菜单项，运行典型相关宏命令，得出结果。,图1.1 语句窗口,（二）主要运行结果解释 1. Correlations for Set-1、Correlations for Set-2、Correlations Between Set-1 and Set-2（两组变量内部以及两组变量之间的相关系数矩阵）,Correlat

3、ions for Set-1 x1 x2 x3 x4 x1 1.0000 .7697 .5811 .1022 x2 .7697 1.0000 .8171 -.1230 x3 .5811 .8171 1.0000 -.1758 x4 .1022 -.1230 -.1758 1.0000,身体形态：年龄 x1、体重x2、胸围x3、日抽烟量x4； 健康状况：脉搏y1、收缩压y2、舒张压y3,Correlations for Set-2 y1 y2 y3 y1 1.0000 .8865 .8614 y2 .8865 1.0000 .7465 y3 .8614 .7465 1.0000 Correlat

4、ions Between Set-1 and Set-2 y1 y2 y3 x1 .7582 .8043 .5401 x2 .8572 .7830 .7171 x3 .8864 .7638 .8684 x4 .0687 .1169 .0147 身体形态：年龄 x1、体重x2、胸围x3、日抽烟量x4； 健康状况：脉搏y1、收缩压y2、舒张压y3,2. Canonical Correlations（典型相关系数） 从表中可以看出第一典型相关系数达到0.957，第二典型相关系数为0.582，第三典型相关系数为0.180。,3. Test that remaining correlations are

5、 zero（典型相关的显著性检验） 从左至右分别为Wilks的统计量、卡方统计量、自由度和伴随概率。在0.05的显著性水平下，三对典型变量中只有第一对典型相关是显著的。,典型相关系数的显著性检验,Raw Canonical Coefficients for Set-1 1 2 3 x1 -.031 -.139 .130 x2 -.019 -.014 -.280 x3 -.058 .089 .101 x4 -.071 .019 .010 Raw Canonical Coefficients for Set-2 1 2 3 y1 -.121 -.032 -.461 y2 -.021 -.155 .

6、215 y3 -.021 .227 .189,5.Standardized Canonical Coefficients（两组典型变量的标准化系数） 本例中的数据单位并不统一 Standardized Canonical Coefficients for Set-1 1 2 3 x1 -.256 -1.130 1.060 x2 -.151 -.113 -2.215 x3 -.694 1.067 1.212 x4 -.189 .051 .027 来自身体形态指标的第一典型变量 为：,身体形态：年龄 x1、体重x2、胸围x3、日抽烟量x4,Standardized Canonical Coeffi

7、cients for Set-2 1 2 3 y1 -.721 -.191 -2.739 y2 -.171 -1.265 1.751 y3 -.142 1.514 1.259 来自健康状况指标的第一典型变量 为： 由于Y1（脉搏）的系数-0.721绝对值最大，说明健康状况的典型变量主要由脉搏所决定。,身体形态：年龄 x1、体重x2、胸围x3、日抽烟量x4； 健康状况：脉搏y1、收缩压y2、舒张压y3,6. Redundancy Analysis（典型变量的冗余分析） 给出的四组数据分别是: 身体形态变量被自身的典型变量解释的方差比例 被健康状况的典型变量解释的方差比例 健康状况变量被自身的典型

8、变量解释的方差比例 被身体形态的典型变量解释的方差比例,典型冗余分析,身体形态变量被自身的典型变量、健康状况的典型变量解释的方差比例,身体形态变量被自身的第一典型变量解释了57.6%,健康状况变量被自身的典型变量、健康状况的典型变量解释的方差比例,健康状况变量被自身的第一典型变量解释了87.4%,二、利用SPSS进行典型相关分析 实例2,例2：利用SPSS软件对C.R.Rao（1952）关于典型相关的经典例子进行分析。表2.1列举了25个家庭的成年长子和次子的头长和头宽。利用典型相关分析法分析长子和次子头型的相关性。 （一）操作步骤 1. 按FileNewSyntax的顺序新建一个语句窗口。在

9、语句窗口中输入下面的语句： INCLUDE C:Program Files (x86)SPSSIncSPSS16 Canonical correlation.sps. CANCORR SET1=x1 x2 / SET2=y1 y2 / . 2. 点击语句窗口Run菜单中的All子菜单项，运行典型相关宏命令，得出结果。,表2.1 长子和次子的头长与头宽,（二）主要运行结果解释,1. 典型相关系数,Correlations for Set-1 x1 x2 x1 1.0000 .7346 x2 .7346 1.0000 Correlations for Set-2 y1 y2 y1 1.0000 .8366 y2 .8366 1.0