典型相关分析实证分析.ppt

《典型相关分析实证分析.ppt》由会员分享，可在线阅读，更多相关《典型相关分析实证分析.ppt（23页珍藏版）》请在三一办公上搜索。

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：（图1.1

2、）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）,CorrelationsforSet-1 x

3、1 x2 x3 x4x11.0000.7697.5811.1022x2.76971.0000.8171-.1230 x3.5811.81711.0000-.1758x4.1022-.1230-.17581.0000,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,CorrelationsforSet-2y1y2y3y11.0000.8865.8614y2.88651.0000.7465y3.8614.74651.0000CorrelationsBetweenSet-1andSet-2y1y2y3x1.7582.8043.5401x2.8572.

4、7830.7171x3.8864.7638.8684x4.0687.1169.0147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 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。,

5、典型相关系数的显著性检验,RawCanonicalCoefficientsforSet-11 2 3x1-.031-.139.130 x2-.019-.014-.280 x3-.058.089.101x4-.071.019.010RawCanonicalCoefficientsforSet-21 2 3y1-.121-.032-.461y2-.021-.155.215y3-.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StandardizedCanonicalCoefficientsfor

6、Set-11 2 3x1-.256-1.1301.060 x2-.151-.113-2.215x3-.6941.0671.212x4-.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,StandardizedCanonicalCoefficientsforSet-2123y1-.721-.191-2.739y2-.171-1.2651.751y3-.1421.5141.259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

7、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

8、用SPSS软件对（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,CorrelationsforSet-1 x1 x2x11.0000.7346x2.73461.0000CorrelationsforSet-2y1y2y11.0000.8366y2.83661.0000CorrelationsBetweenSet-1andSet-2 y1 y2x1.7108.7022x2.6932.7070,长子：长子头长x1、长子头宽x2、次子：次子头长y1、次子头宽y2,2.典型相关系数和典型相关的显著性检验,表2.4 冗余分析,