实验九 典型相关分析

《实验九 典型相关分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、课　时　授　课　计　划课次序号：22一、课　　题：实验九典型相关分析二、课　　型：上机实验三、目的要求：1.掌握典型相关分析的理论与方法、模型的建立与显著性检验；2.掌握利用典型相关分析的SAS过程解决有关实际问题.四、教学重点：典型相关分析的SAS过程.教学难点：相关分析的理论与方法、模型的建立与显著性检验.五、教学方法及手段：传统教学与上机实验相结合．六、参考资料：《应用多元统计分析》，高惠璇编，北京大学出版社，2005；《使用统计方法与SAS系统》，高惠璇编，北京大学出版社，2001；《多元统计分析》(二版)，何晓群编，中国人民大学出版社，20

2、08；《应用回归分析》(二版)，何晓群编，中国人民大学出版社，2007；《统计建模与R软件》，薛毅编著，清华大学出版社，2007.七、作业：4.94.10八、授课记录：授课日期班　　次九、授课效果分析：实验九典型相关分析(CanonicalCorrelationAnalysis)（2学时）一、实验目的和要求能利用原始数据与相关矩阵、协主差矩阵作相关分析,能根据SAS输出结果选出满足要求的几个典型变量．二、实验内容1.典型相关分析的SAS过程—PROCCANCORR过程基本语句：PROCCANCORR

3、STAT=SAS数据集>;VARvariables;WITHvariables;RUN;说明：此过程输入数据可以是原始数据，也可以是相关系数矩阵或协方差矩阵，输出结果包含相关系数矩阵、典型相关系数、典型变量的系数、典型变量对之间的相关性检验的F统计量值、自由度、p值、典型变量与原始变量的相关系数等．（1）proccancorr语句的<选项列表>：lOUT=SAS数据集——创建含原始数据和典型相关变量得分(观测值)的SAS集．lOUTSTAT=SAS数据集——创建含原始变量的样本均值、样本标准差、样本相关系

4、数阵、典型相关系数和典型变量的标准化和非标准化系数等SAS集．lCORR（或C）——打印原始变量的样本相关系数矩阵．lNCAN=m——规定要求输出的典型变量对个数，默认为两组变量个数较小者．lEDF=n-1——针对输入原始数据集为样本相关系数矩阵或样本协方差矩阵，借此选项指定样本容量为观测个数减1．输入为原始观测数据时，省略此项．lall——所有输出项．lnoprint——不输出分析结果．lshort——只输出典型相关系数和多元分析统计数．lsimple——简单统计数．lvname=变量名——为var语句的变量定义名称．lvprefix=前缀名——为

5、var语句的典型变量定义前缀．lwname=变量名——为with语句的变量定义名称．lwprefix=前缀名——为with语句的典型变量定义前缀．（2）VARvariables——VAR后列出进行相关分析的第一组变量名称．（3）WITHvariables——WITH后列出进行相关分析的第二组变量名称var与with语句经常同proccancorr语句一起使用．其他语句类似corr过程．2.典型相关分析步骤两组随机变量，取值组观测数据，标准化样本样本相关系数矩阵为总体相关系数矩阵的估计．样本典型相关分析步骤：（1）求（）的特征值（2）求和对应的正交单位

6、化特征向量和（3）第k对典型相关变量为，其中样本典型相关系数为，（4）典型相关系数的显著性检验统计量检验值为若，拒绝．依次就进行检验，若对某个，检验值首次满足，则认为只有前对典型变量显著相关，选取前对即可．注意：利用样本协方差矩阵，分析方法一样．不需要对数据标准化处理．3.实例分析例4.6为研究空气温度与土壤温度的关系，考虑六个变量日最高土壤温度；日最低土壤温度；日土壤温度积分值；日最高气温；日最低气温；日气温曲线积分值．观测了天，数据如表4.7．,做典型相关分析．解：（1）建立输入数据集，程序如下：dataexamp4_6;inputx1-x3y1

7、-y3;cards;8559151846514786611598465149836415279661428365158816714788691808468167776714774661317869159736613184681597567134897119584681619176206867216991762068873176947621190741879475211887217192702015872171876816781691548368162796814987661738469160876817784701608870169847016883

8、661707767147926719687671669272199896917194722048972180