上机课典型相关分析过程

1、上机课典型相关分析过程启动启动“分析员应用分析员应用”，打开，打开SAS数据集；数据集；SolutionAnalysisAnalystFile Open by SAS Name 选数据选数据集集在在“分析员应用分析员应用”菜单栏目中选择菜单栏目中选择 StatisticsMultivarite canonical correlation；利用利用“分析员应用分析员应用”系统完成典型相系统完成典型相关分析的具体步骤：关分析的具体步骤：2在弹出的典型相关分析主窗口中分别选择两组在弹出的典型相关分析主窗口中分别选择两组变量；变量；在主窗口下方按在主窗口下方按 Statistics 键键, 选择取几对

2、典型选择取几对典型相关变量、典型变量的前缀、回归分析等；相关变量、典型变量的前缀、回归分析等；在主窗口下方按在主窗口下方按 Plots 键键, 选择绘制前几对典选择绘制前几对典型变量的散点图；型变量的散点图；在主窗口下方按在主窗口下方按 Save Data 键键, 选择是否存贮选择是否存贮典型变量得分及统计量；典型变量得分及统计量；查看计算结果查看计算结果.3 CANCORR过程是过程是SAS/STAT软件中进行软件中进行典型相关分析的过程典型相关分析的过程. 典型相关分析是研究典型相关分析是研究两组变量间相关关系的一种统计方法，它能两组变量间相关关系的一种统计方法，它能够揭示两组变量之间的内

3、在联系，真正反映够揭示两组变量之间的内在联系，真正反映两组变量间的线性相关情况两组变量间的线性相关情况. CANCORR过过程完成典型相关，偏典型相关和程完成典型相关，偏典型相关和典型冗余典型冗余分析分析. 该过程还可以产生包含典型系数和典型变量该过程还可以产生包含典型系数和典型变量得分的输出数据集得分的输出数据集.CANCORRCANCORR过程过程4一、一、CANCORR过程的功能过程的功能 设设 和和 是两是两组随机变量，典型相关分析是处理两组变组随机变量，典型相关分析是处理两组变量间相关关系的方法量间相关关系的方法. 简单相关和多重相关简单相关和多重相关都是典型相关的特殊情况，此时两组

4、变量都是典型相关的特殊情况，此时两组变量中有一组或两组只含一个变量中有一组或两组只含一个变量. CANCORR过程可完成以下几方面计算：过程可完成以下几方面计算：) (1 pxxx) (1 qyyy51、完成两组变量间的典型相关分析、完成两组变量间的典型相关分析. 用户可用户可根据实际问题的需要规定哪些变量构成第一根据实际问题的需要规定哪些变量构成第一组，哪些是第二组组，哪些是第二组. 典型变量的名字用户也可典型变量的名字用户也可以自己规定以自己规定.62、 CANCORR过程可以检验一些假设，过程可以检验一些假设，如在总体中，每个典型相关及所有较小的如在总体中，每个典型相关及所有较小的典型相

5、关为典型相关为0. 进行检验时进行检验时CANCORR过程过程使用使用F近似统计量，在小样本情况下，近似统计量，在小样本情况下，F近似近似比使用比使用 2近似有较好的结果近似有较好的结果. 进行检验时要进行检验时要求两组变量中至少有一组近似正态分布，以求两组变量中至少有一组近似正态分布，以便得到的显著性概率值（便得到的显著性概率值（p值）有效值）有效.73、该过程可以计算标准化和没有标准、该过程可以计算标准化和没有标准化的典型变量的系数，典型变量和原化的典型变量的系数，典型变量和原始变量的所有相关；同时也可以进行始变量的所有相关；同时也可以进行典型冗余分析典型冗余分析.84、 CANCORR过

6、程可以对这两组变量作回归过程可以对这两组变量作回归分析分析. 哪些变量是因变量，哪些是解释变量用哪些变量是因变量，哪些是解释变量用户可以自己决定户可以自己决定. 还可以要求输出一些特殊还可以要求输出一些特殊的回归结果的回归结果. 多元回归的结果可以帮助解释多元回归的结果可以帮助解释典型相关分析典型相关分析.95、该过程可以生成许多计算结果、该过程可以生成许多计算结果. 包括简单统包括简单统计量、相关阵、典型相关；检验典型相关系数计量、相关阵、典型相关；检验典型相关系数为为0的检验统计量，典型结构等；还有用一组变的检验统计量，典型结构等；还有用一组变量预测另一组变量的回归结果量预测另一组变量的回

7、归结果. 该过程还可以该过程还可以生成两个输出数据集：一个包含每个观测在生成两个输出数据集：一个包含每个观测在典型变量上得分的数据集；另一个包含有关典型变量上得分的数据集；另一个包含有关统计量的输出集统计量的输出集. 106、 CANCORR过程可以在偏相关阵基础过程可以在偏相关阵基础上进行典型相关分析上进行典型相关分析.11PROC CANCORR ; 必需的语句必需的语句 WITH variables; VAR variables; PARTIAL variables; FREQ variables; 可选择的语句可选择的语句 WEIGHT variables; BY variables;

8、二、基本语句二、基本语句12三、三、proc cancorr语句的选择项语句的选择项(32项项)Data=SASdatasetOut= SASdatasetOutstat= SASdatasetVname=labelWname= labelVprefix=nameWprefix=name13AllCorr-输出原始变量之间的相关系数输出原始变量之间的相关系数.Ncan=n-规定要求输出的典型变量的个数规定要求输出的典型变量的个数.NoprintShortSimpleVdep|wreg-要求用要求用var变量作为因变量，而变量作为因变量，而with变量变量作为回归量的多元回归分析作为回归量的多元

9、回归分析.Wdep|vreg-要求用要求用with变量作为因变量，而变量作为因变量，而var变量变量作为回归量的多元回归分析作为回归量的多元回归分析.14案例案例1 研究研究三个生理指标和三个训练指标之间的三个生理指标和三个训练指标之间的相关关系相关关系(见教材见教材329页例，也是页例，也是SAS中典型相关的例题中典型相关的例题).三个生理指标：三个生理指标：weight: 体重体重 waist: 腰围腰围 pulse: 脉搏脉搏三个训练指标：三个训练指标：chins: 单杠单杠 situps: 仰卧起坐次数仰卧起坐次数 jumps: 跳高跳高15VAR Variables3WITH Var

10、iables3Observations20输出结果输出结果16Means and Standard DeviationsVariableMeanStandard Deviationweight178.60000024.690505waist35.4000003.201973pulse56.1000007.210373chins9.4500005.286278situps145.55000062.566575jumps70.30000051.27747017Correlations Among the VAR Variables weightwaistpulseweight1.00000.870

11、2-0.3658waist0.87021.0000-0.3529pulse-0.3658-0.35291.000018Correlations Among the WITH Variables chinssitupsjumpschins1.00000.69570.4958situps0.69571.00000.6692jumps0.49580.66921.000019Correlations Between the VAR Variables and the WITH Variables chinssitupsjumpsweight-0.3897-0.4931-0.2263waist-0.55

12、22-0.6456-0.1915pulse0.15060.22500.034920 CanonicalCorrelationAdjustedCanonicalCorrelationApproximateStandardErrorSquaredCanonicalCorrelation10.7956080.7540560.0841970.63299220.200556-.0763990.2201880.04022330.072570.0.2282080.00526621 Eigenvalues of Inv(E)*H= CanRsq/(1-CanRsq) EigenvalueDifferenceP

13、roportionCumulative11.72471.68280.97340.973420.04190.03660.02370.997030.0053 0.00301.000022 Test of H0: The canonical correlations in the current row and all that follow are zero LikelihoodRatioApproximateF ValueNum DFDen DFPr F10.350390532.05934.2230.063520.954722660.184300.949130.994733550.081160.

14、774823Multivariate Statistics and F ApproximationsS=3 M=-0.5 N=6StatisticValueF ValueNum DFDen DFPr FWilks Lambda0.350390532.05934.2230.0635Pillais Trace0.678481511.569480.1551Hotelling-Lawley Trace1.771941462.64919.0530.0357Roys Greatest Root1.724738749.203160.0009NOTE: F Statistic for Roys Greates

15、t Root is an upper bound.24Raw Canonical Coefficients for the VAR Variables PHYS1PHYS2PHYS3weight-0.031404688-0.076319506-0.007735047waist0.49324167560.36872298940.1580336471pulse-0.008199315-0.0320519940.145732242125Raw Canonical Coefficients for the WITH Variables EXER1EXER2EXER3chins-0.066113986-

16、0.071041211-0.245275347situps-0.0168462310.00197374540.0197676373jumps0.01397156890.0207141063-0.00816747226Standardized Canonical Coefficientsfor the VAR Variables PHYS1PHYS2PHYS3weight-0.7754-1.8844-0.1910waist1.57931.18060.5060pulse-0.0591-0.23111.050827Standardized Canonical Coefficientsfor the

17、WITH Variables EXER1EXER2EXER3chins-0.3495-0.3755-1.2966situps-1.05400.12351.2368jumps0.71641.0622-0.418828Correlations Between the VAR Variablesand Their Canonical Variables PHYS1PHYS2PHYS3weight0.6206-0.7724-0.1350waist0.9254-0.3777-0.0310pulse-0.33280.04150.942129Correlations Between the WITH Var

18、iablesand Their Canonical Variables EXER1EXER2EXER3chins-0.72760.2370-0.6438situps-0.81770.57300.0544jumps-0.16220.9586-0.233930Correlations Between the VAR Variablesand the Canonical Variables of theWITH Variables EXER1EXER2EXER3weight0.4938-0.1549-0.0098waist0.7363-0.0757-0.0022pulse-0.26480.00830

19、.068431Correlations Between the WITH Variablesand the Canonical Variables of theVAR Variables PHYS1PHYS2PHYS3chins-0.57890.0475-0.0467situps-0.65060.11490.0040jumps-0.12900.1923-0.0170第一对典型变量为身材与运动能力第一对典型变量为身材与运动能力.32Canonical Redundancy AnalysisStandardized Variance of the VAR Variables Explained b

20、yCanonical VariableNumberTheir OwnCanonical VariablesCanonicalR-SquareThe OppositeCanonical VariablesProportionCumulativeProportionProportionCumulativeProportion10.45080.4508 0.6330 0.28540.285420.24700.6978 0.0402 0.00990.295330.30221.0000 0.0053 0.00160.296933Standardized Variance of the WITH Vari

21、ables Explained byCanonical VariableNumberTheir OwnCanonical VariablesCanonicalR-SquareThe OppositeCanonical VariablesProportionCumulativeProportionProportionCumulativeProportion10.40810.4081 0.6330 0.25840.258420.43450.8426 0.0402 0.01750.275830.15741.0000 0.0053 0.00080.2767Canonical Redundancy An

22、alysis34Raw Variance of the WITH Variables Explained byCanonical VariableNumberTheir OwnCanonical VariablesCanonicalR-SquareThe OppositeCanonical VariablesProportionCumulativeProportionProportionCumulativeProportion10.41110.41110.63300.26020.260220.56350.97460.04020.02270.282930.02541.00000.00530.00

23、010.283035Raw Variance of the VAR Variables Explained byCanonical VariableNumberTheir OwnCanonical VariablesCanonicalR-SquareThe OppositeCanonical VariablesProportionCumulativeProportionProportionCumulativeProportion10.37120.37120.6330 0.23490.234920.54360.91480.0402 0.02190.256830.08521.00000.0053

24、0.00040.257336Squared Multiple Correlations Betweenthe VAR Variables and the First M CanonicalVariables of the WITH VariablesM123weight0.24380.26780.2679waist0.54210.54780.5478pulse0.07010.07020.074937Squared Multiple Correlations Betweenthe WITH Variables and the First MCanonical Variables of the VAR VariablesM123chins0.33510.33740.3396situps0.42330.43650.4365jum