文档介绍：本讲稿第一页，共七十四页
第一节引言
典型相关分析（Canonical Correlation）是研究两组变量之间相关关系的一种多元统计方法。它能够揭示出两组变量之间的内在联系。
相关系数可以衡量两个随机变量之间的线性相关关系；著性检验
本讲稿第三十五页，共七十四页
二、典型相关系数的显著性检验
本讲稿第三十六页，共七十四页
二、典型相关系数的显著性检验
本讲稿第三十七页，共七十四页
二、典型相关系数的显著性检验
本讲稿第三十八页，共七十四页
二、典型相关系数的显著性检验
本讲稿第三十九页，共七十四页
二、典型相关系数的显著性检验
本讲稿第四十页，共七十四页
第四节典型相关分析应用中的几个问题
一从相关矩阵出发计算典型相关
二典型载荷分析
三典型冗余分析
本讲稿第四十一页，共七十四页
一、从相关矩阵出发计算典型相关
典型相关分析涉及多个变量，不同的变量往往具有不同的量纲及不同的数量级别。在进行典型相关分析时，由于典型变量是原始变量的线性组合，具有不同量纲变量的线性组合显然失去了实际意义。其次，不同的数量级别会导致“以大吃小”，即数量级别小的变量的影响会被忽略，从而影响了分析结果的合理性。因此，为了消除量纲和数量级别的影响，必须对数据先做标准化变换处理，然后再做典型相关分析。显然，经标准化变换之后的协差阵就是相关系数矩阵，因而，也即通常应从相关矩阵出发进行典型相关分析。
本讲稿第四十二页，共七十四页
【】。
本讲稿第四十三页，共七十四页
本讲稿第四十四页，共七十四页
本讲稿第四十五页，共七十四页
二、典型载荷分析
本讲稿第四十六页，共七十四页
本讲稿第四十七页，共七十四页
本讲稿第四十八页，共七十四页
本讲稿第四十九页，共七十四页
以上结果说明生理指标的第一典型变量与体重的相关系数为-，与腰围的相关系数为-，。从另一方面说明生理指标的第一对典型变量与体重、腰围负相关，而与脉搏正相关。其中与腰围的相关性最强。第一对典型变量主要反映了体形的胖瘦。
本讲稿第五十页，共七十四页
三、典型冗余分析
本讲稿第五十一页，共七十四页
本讲稿第五十二页，共七十四页
本讲稿第五十三页，共七十四页
本讲稿第五十四页，共七十四页
前2个典型变量解释的方差比例＝+＝
同样的方法可求得训练指标样本方差由自身3个典型变量解释的方差比例分别为：、、。
本讲稿第五十五页，共七十四页
第五节实例分析与计算实现
一利用SPSS进行典型相关分析实例1
二利用SPSS进行典型相关分析实例2
本讲稿第五十六页，共七十四页
一、利用SPSS进行典型相关分析实例1
测量15名受试者的身体形态以及健康情况指标，。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。
两组身体素质的典型变量
本讲稿第五十七页，共七十四页
本讲稿第五十八页，共七十四页
（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 宏。具体方法如下：
1. 按File→New→Syntax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 'Canonical '.
CANCORR SET1=x1 x2 x3 x4 /
SET2=y1 y2 y3 / .
本讲稿第五十九页，共七十四页
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。
语句窗口
本讲稿第六十页，共七十四页
（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（分别给出两组变量内部以及两组变量之间的相关系数矩阵）
2. Canonical Correlations（给出典型相关系数）
，，。