【正文】 下次使用時就可以通過 File－Open－ Syntax來打開這個文件了。 SPSS的 實(shí)現(xiàn) ? 對例 ， 首先打開例 SPSS數(shù)據(jù) ， ? 通過 File－ New－ Syntax打開一個空白文件 （ 默認(rèn)文件名為 ） ， 再在其中鍵入下面命令行： ? MANOVA led hed WITH arti man ? /DISCRIM ALL ALPHA(1) ? /PRINT=SIG(EIGEN DIM). ? 再點(diǎn)擊一個向右的三角形圖標(biāo) (運(yùn)行目前程序，Run current)，就可以得到所需結(jié)果了。 例子結(jié)論 ? 從這兩個表中可以看出 ， V1主要和變量 hed相關(guān) ， 而 V2主要和 led及 相關(guān)； W1主要和變量 arti及 man相關(guān) ， 而 W2主要和 相關(guān)；這和它們的典型系數(shù)是一致的 。 可以看出，頭一個典型變量 V1相應(yīng)于前面第一個（也是最重要的）特征值，主要代表高學(xué)歷變量 hed；而相應(yīng)于前面第二個（次要的）特征值的第二個典型變量 V2主要代表低學(xué)歷變量 led和部分的網(wǎng)民變量 ，但高學(xué)歷變量在這里起負(fù)面作用。 ? 這些系數(shù)以兩種方式給出；一種是沒有標(biāo)準(zhǔn)化的原始變量的線性組合的典型系數(shù) (raw canonical coefficient)， 一種是 標(biāo)準(zhǔn)化 之后的典型系數(shù)(standardized canonical coefficient)。 注意 ， SPSS把第一組變量稱為因變量 (dependent variables)， 而把第二組稱為協(xié)變量 (covariates)；顯然 ， 這兩組變量是完全對稱的 。 計(jì)算結(jié)果 ? 對于眾多的計(jì)算機(jī)輸出挑出一些來介紹 。 看來 ， 頭兩對典型變量 (V, W)的累積特征根已經(jīng)占了總量的%。 該表給出了每個檢驗(yàn)的 F值 ， 兩個自由度和 p值 （ 均為 ） 。 至于得到 (V, W)的計(jì)算 ， 則很簡單 ， 下面就 。 ? 軟件還會輸出一些檢驗(yàn)結(jié)果；于是只要選擇顯著的那些 (V, W)。 這樣又出現(xiàn)了選擇多少組典型變量 (V, W)的問題了 。 而所得的特征值與 V和 W的典型相關(guān)系數(shù)有直接聯(lián)系 。 這種相關(guān)關(guān)系是用典型相關(guān)系數(shù) （ canonical correlation coefficient）來衡量的 。 ? 典型相關(guān)分析 (canonical correlation analysis)就是要找到這兩組變量線性組合的系數(shù)使得這兩個由線性組合生成的變量（和其他線性組合相比）之間的 相關(guān)系數(shù)最大。 ? 現(xiàn)在的問題是為每一組變量 選取一個綜合變量作為代表； ? 而一組變量最簡單的綜合形式就是該組變量的 線性組合 。 尋找代表 ? 如直接對這六個變量的相關(guān)進(jìn)行兩兩分析，很難得到關(guān)于這兩組變量之間關(guān)系的一個清楚的印象。 ? 觀眾評分來自低學(xué)歷 (led)、高學(xué)歷 (hed)和網(wǎng)絡(luò) ()調(diào)查三種 ,它們形成 第一組變量 ； ? 而業(yè)內(nèi)人士分評分來自包括演員和導(dǎo)演在內(nèi)的藝術(shù)家 (arti)、發(fā)行 ()與業(yè)內(nèi)各部門主管 (man)三種，形成 第二組變量 。 s l i n e a r d i s c r i m i n a n t f u n c t i o n s先驗(yàn)概率 (沒有給 ) 費(fèi)歇判別函數(shù)系數(shù) 把自變量代入三個式子 ,哪個大歸誰 . Territorial Map Canonical Discriminant Function 2 .0 趄蝌蝌蝌蝌趄蝌蝌蝌蝌趄蝌蝌蝌蝌趄蝌蝌蝌蝌趄蝌蝌蝌蝌趄蝌蝌蝌蝌 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 * .0 * 12 23 12 * 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 趄蝌蝌蝌蝌趄蝌蝌蝌蝌趄蝌蝌蝌蝌趄蝌蝌蝌蝌趄蝌蝌蝌蝌趄蝌蝌蝌蝌 .0 Canonical Discriminant Function 1 Symbols used in territorial map Symbol Group Label 1 1 剛毛鳶尾花 2 2 變色鳶尾花 3 3 佛吉尼亞鳶尾花 * Indicates a group centroid 鳶尾花數(shù)據(jù) Territory Map(區(qū)域圖 ) Canonical Discriminate Function 1 Versus Canonical Discriminate Function 2 三種 鳶尾花 的典則變量值把一個典則變量組成的坐標(biāo)平面分成三個區(qū)域 . *為中心坐標(biāo) . Canonical Discriminant FunctionsFunction 110010Function 23210123分類Group Centroids佛吉尼亞鳶尾花變色鳶尾花剛毛鳶尾花佛吉尼亞鳶尾花變色鳶尾花剛毛鳶尾花Canonical Discriminant Functions分類 = 剛毛鳶尾花Function 15678910Function 23210123Group CentroidGroup Centroid剛毛鳶尾花Canonical Discriminant Functions分類 = 變色鳶尾花Function 15432101Function 2210123Group CentroidGroup Centroid變色鳶尾花Canonical Discriminant Functions分類 = 佛吉尼亞鳶尾花Function 1109876543Function 23210123Group CentroidGroup Centroid佛吉尼亞鳶尾花鳶尾花數(shù)據(jù) (預(yù)測分類結(jié)果小結(jié) ) C l a s s i f i c a t i o n R e s u l t sa50 0 0 500 48 2 500 1 49 501 0 0 . 0 .0 .0 1 0 0 . 0.0 9 6 . 0 4 . 0 1 0 0 . 0.0 2 . 0 9 8 . 0 1 0 0 . 0分類剛毛鳶尾花變色鳶尾花佛吉尼亞鳶尾花剛毛鳶尾花變色鳶尾花佛吉尼亞鳶尾花C o u n t%O r i g i n a l剛毛鳶尾花 變色鳶尾花佛吉尼亞鳶尾花P r e d i c t e d G r o u p M e m b e r s h i pT o t a l9 8 . 0 % o f o r i g i n a l g r o u p e d c a s e s c o r r e c t l y c l a s s i f i e d .a . 可以看出分錯率 后面是相關(guān)分析 (Correlation Analysis) 統(tǒng)計(jì)學(xué) ─ 從數(shù)據(jù)到結(jié)論 第十三章 典型相關(guān)分析