典型相关
[A, B] = canoncorr (X, Y)
(A、B r) = canoncorr (X, Y)
[A, B, r, U, V] = canoncorr (X, Y)
[A, B, r, U, V,统计]= canoncorr (X, Y)
[A, B] = canoncorr (X, Y)
的样本正则系数n
——- - - - - -d1
和n
——- - - - - -d2
数据矩阵X
和Y
。X
和Y
必须有相同数量的观察值(行),但可以有不同数量的变量(列)。一个
和B
是d1
——- - - - - -d
和d2
——- - - - - -d
矩阵,d = min(等级(X)等级(Y))
。的j
th的列一个
和B
包含正则系数,即的线性组合j
第个正则变量X
和Y
,分别。列一个
和B
按比例缩放,使正则变量的协方差矩阵成为单位矩阵(见U
和V
下文)。如果X
或Y
小于满秩,canoncorr
的行中返回零一个
或B
对应于的相关列X
或Y
。
(A、B r) = canoncorr (X, Y)
也会返回一个1-by-d
包含样本典型相关的向量。的j
th元素r
两者之间有关联吗jth的列U
和V
(见下文)。
[A, B, r, U, V] = canoncorr (X, Y)
还返回规范变量scores。U
和V
是n
——- - - - - -d
矩阵计算,
U = (X-repmat(意味着(X), N, 1)) * V = (Y-repmat(意味着(Y), N, 1)) * B
[A, B, r, U, V,统计]= canoncorr (X, Y)
也会返回一个结构统计数据
包含与序列有关的信息d
零假设
,那…k + 1
)圣d
这些相关性都是零k = 0 (d 1):
。统计数据
包含七个字段,每个字段一个1
——- - - - - -d
向量,其元素对应于的值k
,如下表所述:
场 | 描述 |
---|---|
威尔 |
Wilks' lambda(似然比)统计量 |
DF1 |
卡方统计量的自由度,分子自由度F统计 |
DF2 |
分母自由度F统计 |
F |
饶是近似的F统计的 |
pF |
右尾显著性水平为 |
chisq |
Bartlett近似卡方统计量 域名的修改 |
pChisq |
右尾显著性水平为 |
统计数据
还有其他两个字段(教育部
和p
),它们等于DF1
和pChisq
,因为历史原因而存在。
克扎诺夫斯基,w。多元分析原理:一个用户的视角。纽约:牛津大学出版社,1988年。
[2] Seber, g.a.f。多变量的观察。新泽西州霍博肯:约翰威利父子公司,1984年。