典型相关分析例题结果_典型相关分析例题

典型相关分析例题结果由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“典型相关分析例题”。

Run MATRIX procedure:

Correlations for Set-1

long1 width1 long1

1.0000

.7346 width1

.7346 1.0000

Correlations for Set-2

两组变量内部各自的相关阵

long2 width2 long2

1.0000

.8393 width2

.8393 1.0000

Correlations Between Set-1 and Set-2

long2 width2 long1

.7108

.7040

width1

.6932

.7086 两组变量间各变量的两两相关阵，可见兄弟的头型指标间确实存在相关性，提取出综合指标来代表这种相关性。

Canonical Correlations 1

.789 2

.054 第一典型相关系数为0.789。

Test that remaining correlations are zero:

Wilk's

Chi-SQ

DF

Sig.1

.377

20.964

4.000

.000 2

.997

.062

1.000

.803 各典型相关系数的检验。

Standardized Canonical Coefficients for Set-1long1

-.552

-1.366 width1

-.522

1.378

Raw Canonical Coefficients for Set-1long1

-.057

-.140 width1

-.071

.187 上面两个表为各典型变量与变量组1中各变量间标化与未标化的系数列表，由此可写出典型变量的转化公式为(标化的)：

L10.552long10.522width1,L21.366long11.378width1

Standardized Canonical Coefficients for Set-2long2

-.504

-1.769 width2

-.538

1.759

Raw Canonical Coefficients for Set-2long2

-.050

-.176 width2

-.080

.262 上面两个表为各典型变量与变量组2中各变量间标化与未标化的系数列表，同上可写出典型变量的转化公式为(标化的)：

M10.504long20.538width2,M21.769long21.759width2

Canonical Loadings for Set-1long1

-.935

-.354 width1

-.927

.375

Cro Loadings for Set-1long1

-.737

-.019 width1

-.731

.020 上表为第一变量组中各变量分别与自身、相对的典型变量的相关系数，可见它们主要和第一对典型变量的关系比较密切。

Canonical Loadings for Set-2long2

-.956

-.293 width2

-.962

.274

Cro Loadings for Set-2long2

-.754

-.016 width2

-.758

.015 上表为第二变量组中各变量分别与自身、相对的典型变量的相关系数，结论与前相同。

下面是冗余度(Redundancy)分析结果，它列出各典型变量相关系数

所能解释原变量变异的比例，可以用来辅助判断需要保留多少个典型相关系数。

Redundancy Analysis:

Proportion of Variance of Set-1 Explained by Its Own Can.Var.Prop Var CV1-1

.867 CV1-2

.133 是第一组变量的变异可被自身的典型变量所解释的比例。第一典型变量解释了总变异的86.7％。

Proportion of Variance of Set-1 Explained by Opposite Can.Var.Prop Var CV2-1

.539 CV2-2

.000 第一组变量的变异能被它们相对的典型变量所解释的比例。

Proportion of Variance of Set-2 Explained by Its Own Can.Var.Prop Var CV2-1

.920 CV2-2

.080 是第二组变量的变异可被自身的典型变量所解释的比例。

Proportion of Variance of Set-2 Explained by Opposite Can.Var.Prop Var CV1-1

.572 CV1-2

.000 第二组变量的变异能被它们相对的典型变量所解释的比例。

综合上述冗余度分析结果，只需保留第一对典型变量。