【正文】 庭的年收入 )的相關(guān)關(guān)系 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 來自消費(fèi)模式指標(biāo)的第一典型變量 V1為 (原始變量的右上角帶 “ *” 表示為標(biāo)準(zhǔn)化變量 )： V1 = x1*+ x2* 它是 x1*(每年去餐館就餐的頻率 )和 x2*(每年外出看電影的頻率 )的加權(quán)和 ， 在 x1*上的權(quán)重更大些 。 考慮標(biāo)準(zhǔn)化后的系數(shù) ， 即第五部分 （ 圖右 ） 給出的典型變量和標(biāo)準(zhǔn)化變量 （ 對(duì)原始變量標(biāo)準(zhǔn)化 ） 間的換算公式 。 本例中 4種方法的檢驗(yàn)結(jié)果與前述完全一致 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 第三部分 （ 圖 721） 輸出的是按照多元分析的原理進(jìn)行的所有典型相關(guān)系數(shù)是否為 0的檢驗(yàn) ， 四種方法中一般參照 Wilks39。 第一行檢驗(yàn)的是第一相關(guān)系數(shù)以及比它小的兩個(gè)相關(guān)系數(shù)是否為 0，第一行的 F值 ， p值 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 第二部分是特征根以及相應(yīng)的統(tǒng)計(jì)量 ， 從中可以看出 ，第一對(duì)典型變量所能解釋的變異已占總變異的 %，另一對(duì)典型相關(guān)變量的作用很小 ， 只解釋了總變異的%， 可以不予考慮 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 3. 結(jié)果分析 (1) 典型相關(guān)系數(shù)及顯著性檢驗(yàn) 第一部分的 4列依次是：典型相關(guān)系數(shù) 、 校正的典型相關(guān)系數(shù) 、 近似的標(biāo)準(zhǔn)誤以及典型決定系數(shù) （ 典型相關(guān)系數(shù)的平方 ） 。 2) INPUT語句中用 “ NAME $”讀取左側(cè)的變量名 ，“ 12”表示變量名的字符落在第 2列上 ， “ (X1 X2 Y1Y4)”表示各列數(shù)據(jù)所對(duì)應(yīng)的變量名 ， “ (6.)”表示讀取數(shù)據(jù)的寬度均為 6列 ， 其中相關(guān)系數(shù)占 4位 ， 其后的空格占 2位； STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 3) 選擇項(xiàng) EDF = n – 1， 為典型相關(guān)分析提供一個(gè)計(jì)算誤差自由度的參考值 ， 因?yàn)樵撨^程中沒有合適的選擇項(xiàng)可以將原始數(shù)據(jù)的樣本含量 n準(zhǔn)確地送入 。 RUN。 VAR X1 X2。 X1 X2 Y1 Y2 Y3 。 INPUT NAME $ 12 (X1 X2 Y1Y3) (6.)。 假定變量的相關(guān)系數(shù)陣如表所示 。 調(diào)查了 70個(gè)家庭的下面兩組變量： x1：每年去餐館就餐的頻率 ， x2：每年外出看電影的頻率； y1：戶主的年齡 ， y2：家庭的年收入 ， y3：戶主受教育程度 。當(dāng)輸入數(shù)據(jù)集的類型為 CORR， COV， FACTOR， SSCP， UCORR，或者 UCOV，就不能使用這個(gè)選項(xiàng) OUTSTAT= 生成包含各種統(tǒng)計(jì)量的 SAS數(shù)據(jù)集，包括典型相關(guān)系數(shù)和典型系數(shù)，以及你要求的多元回歸統(tǒng)計(jì)量 VNAME= 為來自 VAR語句中分析變量指定標(biāo)簽，作為標(biāo)簽的字符要用單引號(hào)引起來 VPREFIX= 為來自 VAR語句的典型變量指定前綴名，默認(rèn)時(shí)典型變量命名為 V1,V2,V3等 WNAME= 為來自 WITH語句中的分析變量指定標(biāo)簽，作為標(biāo)簽的字符要用單引號(hào)引起來 WPREFIX= 為來自 WITH語句中的典型變量指定前綴名，默認(rèn)為 W1,W2,W3等控制輸出的選項(xiàng) ALL 打印所有選擇的輸出 CORR 打印原始變量之間的相關(guān)系數(shù) NCAN= 規(guī)定要輸出典型變量的個(gè)數(shù) NOPRINT 禁止所有的輸出 REDUNDANCY 打印冗余度分析的結(jié)果 SHORT 除了典型相關(guān)和多元統(tǒng)計(jì)列表以外，禁止打印典型相關(guān)分析過程默認(rèn)的輸出 SIMPLE 打印均值、標(biāo)準(zhǔn)差等簡(jiǎn)單統(tǒng)計(jì)量 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 2. 使用 CANCORR過程 【 例 73】 家庭特征與家庭消費(fèi)之間的關(guān)系 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 表 73 常用選項(xiàng)及其功能 EDF= 指定誤差的自由度。 (3) WITH語句：列出要進(jìn)行典型相關(guān)分析的第二組變量 ， 變量必須是數(shù)值型的 。 (2) VAR語句：列出要進(jìn)行典型相關(guān)分析的第一組變量 ， 變量必須是數(shù)值型的 。 (1) PROC CANCORR語句：標(biāo)示典型相關(guān)分析開始 ，可以規(guī)定輸入輸出數(shù)據(jù)集 ， 指定分析方法和控制輸出結(jié)果的顯示等 。 其中 PROC CANCORR語句 、 WITH語句是每個(gè)過程中必不可少的 ， 其余語句可視情況使用 。 其中 ， 運(yùn)動(dòng)指標(biāo)的第一典型變量對(duì)生理指標(biāo)中的腰圍指標(biāo)解釋能力最強(qiáng) ， 可以說明運(yùn)動(dòng)對(duì)體形影響較大 ，加強(qiáng)體育鍛煉可以減肥 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 由復(fù)相關(guān)系數(shù)的平方可看出 ， 生理指標(biāo)的第一典型變量 W1對(duì) chins()和 situps()有一定解釋能力 ，但對(duì) jumps()幾乎沒有解釋能力 。 運(yùn)動(dòng)指標(biāo)通過它的第一個(gè)典型變量解釋的共享方差的比例是 ％ ， 而被對(duì)方個(gè)典型變量 V1解釋的方差比例為 %， 其比值也是 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 下圖是變量的標(biāo)準(zhǔn)化方差通過它的典型變量和配對(duì)的典型變量所解釋的方差比例 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 在原始變量與配對(duì)組的典型變量的相關(guān)關(guān)系 (典型交叉載荷 )的分析結(jié)果中 ， 腰圍 waist與運(yùn)動(dòng)指標(biāo)的第 1典型變量 W1的相關(guān)性較強(qiáng) ， 這也說明了腰圍大 (體形較胖 )則運(yùn)動(dòng)能力差；起坐次數(shù)和引體向上與生理指標(biāo)的第 1典型變量 V1呈一定的負(fù)相關(guān)系數(shù) ， 說明人的體形肥胖程度對(duì)這兩種運(yùn)動(dòng)能力有負(fù)面影響 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 第六部分為典型結(jié)構(gòu) ， 分別是各組原始變量與典型變量兩兩之間的相關(guān)系數(shù)矩陣 ， 如圖所示 。 W1 = – chins* – situps* + jumps* 它在 situps*上的系數(shù)最大 。 V1 = – weight*+ waist* – pulse* 它近似地是 waist*和 weight*的加權(quán)差 ， 在 waist*上權(quán)重更大些 。 因 6個(gè)變量沒有使用相同單位進(jìn)行測(cè)量 ， 因此考慮分析標(biāo)準(zhǔn)化后的系數(shù) 。 Lambda檢驗(yàn)結(jié)果與前述完全一致 ， 表明至少有一個(gè)典型相關(guān)系數(shù)在 α = 0。 Lambda檢驗(yàn)的結(jié)果 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 第三部分輸出的是用四種多元統(tǒng)計(jì)方法進(jìn)行的所有典型相關(guān)系數(shù)均為 0的 F檢驗(yàn)結(jié)果 ， 如圖所示 。 可以看出 ， 第一對(duì)典型變量所能解釋的變異已占總變異的 %， 其它兩個(gè)典型相關(guān)變量的作用很小 ， 一共只解釋了總變異的 3%， 可以不予考慮 。 第二個(gè)典型相關(guān)系數(shù)為 ， 第三個(gè)為。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 3. 結(jié)果分析 (1) 典型相關(guān)系數(shù)及顯著性檢驗(yàn) 第一部分的 4列依次是：典型相關(guān)系數(shù) 、 校正的典型相關(guān)系數(shù) 、 近似的標(biāo)準(zhǔn)誤以及典型相關(guān)系數(shù)的平方 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 4) 單擊 “ Statistics（ 統(tǒng)計(jì) ） ” 按鈕 ， 打開 “ Canonical Correlation： Statistics”對(duì)話框； 選中 “ Canonical redundancy statistics”復(fù)選框 ， 并選擇3個(gè)典型變量 ， 如圖所示 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 表 72 某康復(fù)俱樂部測(cè)量的生理指標(biāo)和運(yùn)動(dòng)指標(biāo) 設(shè)表中數(shù)據(jù)已經(jīng)存放在數(shù)據(jù)集 ， 試分析生理指標(biāo)和運(yùn)動(dòng)指標(biāo)這兩組變量間的相關(guān)性 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 用 “ 分析家 ” 實(shí)現(xiàn)典型相關(guān)分析 1. 實(shí)例 【 例 72】 某康復(fù)俱樂部對(duì) 20名中年人測(cè)量了 3項(xiàng)生理指標(biāo)：體重 (weight)、 腰圍 (waist)、 脈搏 (pulse)和 3項(xiàng)運(yùn)動(dòng)指標(biāo)：引體向上 (chins)、 起坐次數(shù) (situps)、 跳躍次數(shù)(jumps)。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 (6) 典型冗余分析 典型冗余分析 (canonical redundancy analysis)表明 ，兩對(duì)典型變量仍不能全面預(yù)測(cè)配對(duì)的那組變量 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 來自形態(tài)指標(biāo)的第一典型變量 CX1為： CX1 = * – * – * + * + * – * 易知 ， CX1主要代表了胸圍 、 身高和肩寬等指標(biāo) 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 (5) 標(biāo)準(zhǔn)化變量的典型相關(guān)變量的系數(shù) 輸出結(jié)果中還給出標(biāo)準(zhǔn)化變量的典型變量系數(shù) ， 如圖所示 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 說明 ， 第一對(duì)典型變量對(duì)肩寬 x5和收縮壓 y2的解釋作用不大 。 x5與第二典型變量間的相關(guān)性比較高 ， y2與第二典型變量間的相關(guān)性比較高 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 (4) 典型相關(guān)結(jié)構(gòu) 典型相關(guān)結(jié)構(gòu) （ 下圖 ） 分別是各組原始變量與典型變量兩兩之間的相關(guān)系數(shù)矩陣 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 (3) 典型相關(guān)系數(shù)的檢驗(yàn) 用似然比法檢驗(yàn)典型相關(guān)系數(shù)與零的差別是否顯著 ，其原假設(shè)為小于此對(duì)典型變量典型相關(guān)系數(shù)的所有典型相關(guān)系數(shù)都為 0， 其 p值依次為 ， 等等 ， 如圖 75所示 ， 說明前兩對(duì)典型相關(guān)系數(shù)基本具有顯著意義 （ 在 α ） 。 從中可以看出 ， 前兩對(duì)典型變量所能解釋的變異占總變異 （ 方差 ） 的 %，如圖 74所示 。 前兩個(gè)典型相關(guān)系