典型相关分析Word下载.docx

典型相关分析Word下载.docx

《典型相关分析Word下载.docx》由会员分享，可在线阅读，更多相关《典型相关分析Word下载.docx（12页珍藏版）》请在冰豆网上搜索。

withy1y2;

run;

在proccancorr语句之前是输入一个数据集，一个名称为exec102，结构为相关矩阵的数据集，数据集中各变量名称分别为x1,x2,y1,y2。

在输入相关数据集之后就要进行典型相关分析。

proccancorr是执行CANCORR过程，其可以用来执行典型相关分析、典型净相关分析、及典型冗余分析。

分析结果包括标准化的典型相关系数、所有典型变量与原始变量之间的相关系数以及典型变量值。

它可以分析的资料集既可以是原始变量的数据，也可以是一个相关系数矩阵或是协方差阵，在本题中分析的就是一个相关关系矩阵。

接下来就是定义因变量与自变量组，VAR语句用以指定第一组变量，WITH语句用以指定第二组变量。

接下来是结果分析。

可以从上表看出样本典型相关系数分别是r1=0.394506、r2=0.068848；

样本典型相关系数平方（即相应的特征值）分别为0.155635、0.004740。

上表是对样本的典型相关系数是否显著为零的检验，两对典型相关系数的P值都小于0.0001，那么可以在较大概率下拒绝H0，即认为第一对与第二对典型相关系数都是显著的。

接下来是输出结果

上图是原始数据的典型相关变量的系数，下图则是标准化后数据的典型相关变量的系数

因为原始数据的单位并不一致，所以在这里采用标准化数据的典型相关变量的系数，即

第一对典型变量为

第二对典型变量为

最后是两对典型变量与x1、x2、y1、y2的相关系数图，可以得出第一对典型变量与x1（阅读速度）和y1（数学运算速度）的相关系数较大，说明两者之间存在着一定的关系；

第二对典型变量与x1（阅读速度）、x2（阅读才能）、y1（数学运算速度）和y2（数学运算才能）之间的相关系数都比较大，较大的是x2与y2，这表示x1x2与y1y2之间存在着一定的联系。

10.3

程序这里与上题不同的是通过导入的excel数据，运用原始数据来进行典型分析。

可以从上表看出样本典型相关系数分别是r1=0.788508、r2=0.053740；

样本典型相关系数平方（即相应的特征值）分别为0.621745、0.002888。

上表是对样本的典型相关系数是否显著为零的检验，第一对典型相关系数的P值为0.0003，小于0.005，那么在较大概率下拒绝H0，但第二对的典型相关系数的P值为0.8031，那么在较大概率下接受H0，即认为第一对典型相关系数都是显著，第二对典型相关系数是不显著的。

为了减少数据的差异，在这里采用标准化数据的典型相关变量的系数，即

第二对典型变量的系数并不显著，在这里就不做列举

最后是两对典型变量与x1、x2、y1、y2的相关系数图，可以明显得出第一对典型变量与x1（长子头长）x2（长子头宽）和y1（次子头长）y2（次子头宽）的相关系数都非常大（接近于1），说明两者之间存在着一定的关系，这表示长子的头长宽与次子的头长宽之间很可能存在着一定的联系。

10.4

程序部分因与上一题相似，在这里不做重复介绍了，下面直接对结果进行分析。

可以从上表看出样本典型相关系数分别是r1=0.521594、r2=0.375256

r3=0.242181r4=0.136568；

样本典型相关系数平方（即相应的特征值）分别为0.272060、0.140817、0.058652、0.018651。

上表是对样本的典型相关系数是否显著为零的检验，四对典型相关系数的P值都小于0.0001，那么在较大概率下拒绝H0，即认为第一对到第四对典型相关系数都是显著的。

因为原始数据的单位并不一致，所以在这里采用标准化数据的典型相关变量的系数，将其以表格的形式表示，每一列代表一对典型变量

标准化

V1

V2

V3

V4

x1

-0.04295

1.089824

1.116106

-1.00923

x2

1.162204

0.698785

-1.417

0.173189

x3

-1.37533

0.208149

0.015567

1.689889

x4

0.890862

-1.65057

0.832481

-0.26301

R

0.521594

0.375256

0.242181

0.136568

W1

W2

W3

W4

y1

0.473266

-0.81405

0.494647

-0.16044

y2

-0.78058

-0.45102

0.590939

-0.71929

y3

0.256703

-0.60518

0.698133

0.624613

y4

0.691917

0.379952

-0.41897

0.43757

y5

-0.14515

-0.18399

-1.51915

-0.72527

y6

-0.07039

0.625541

-0.33425

0.875976

y7

0.312728

0.589835

0.227576

0.186125

y8

0.336425

0.486865

0.833353

-0.65573

最后是四对典型变量与x1、x2、x3、x4及y1、y2、y3、y4、y5、y6、y7、y8的相关系数图。

可以看出第一对典型变量与x2（吸烟2（第二措词））x4（吸烟4（第四措词））y1（集中力）y4（紧张）y5（警惕）y7（疲劳）的相关系数较高，那么认为x2x4与y1y4y5y7之间存在着一定的关系。

通过相关系数，依次可以观察到接下来的三对典型变量所代表的含义，但是因为第一对典型变量的相关系数最大0.521594，其它三对的相关系数较小，在此就不做细致分析。

课外习题

程序结果分析

可以从上表看出样本典型相关系数分别是r1=0.980756、r2=0.906494

r3=0.631299r4=0.570813（前两个的典型系数相对较大）；

样本典型相关系数平方（即相应的特征值）分别为0.961882、0.821731、0.398539、0.325827。

上表是对样本的典型相关系数是否显著为零的检验，前两对典型相关系数的P值都小于0.0001，那么可以在较大概率下拒绝H0，即认为第一对与第二对典型相关系数都是显著的；

但第三、第四对典型相关系数分别为0.0640、0.1158,都大于0.05，可以认为接受H0，即认为第三对与第四对典型相关系数都是显著的

因为原始数据的差异较大，并且原始数据的典型相关变量系数较小，所以在这里采用标准化数据的典型相关变量的系数，即

由于第三第四对相关变量的系数并不显著，在这里就不做列举。

可以看出在第一对典型相关变量中，除了x2（家庭经营收入）、x4（财产性收入）、x9（医疗保健支出）,其它变量与典型的相关变量的相关系数较大，认为劳动者报酬、转移性收入与食品支出、衣着支出、居住支出、家庭设备及服务支出、交通和通讯支出、文教娱乐用品及服务支出、其他商品及服务支出之间存在着较大的正相关关系；

在第二对典型相关变量中，转移性收入与衣着支出、医疗保健支出存在着一定的负相关关系。