对样本数据集执行规范相关分析。

数据集卡比格包含1970年至1982年的406辆汽车的测量。

Load the sample data.

加载卡比格;d一种ta = [Displacement Horsepower Weight Acceleration MPG];

Define X as the matrix of displacement, horsepower, and weight observations, andy作为the matrix of acceleration and MPG observations. Omit rows with insufficient data.

nans = sum（isnan（data），2）> 0;x = data（〜nans，1：3）;y =数据（〜nans，4：5）;

计算样品规范相关性。

[a，b，r，u，v] = canoncorr（x，y）;

查看输出一种确定构成规范变量的位移，马力和重量的线性组合X。

一种

a =3×20.0025 0.0048 0.0202 0.0409 -0.0000 -0.0027

一种（（3,1)是d一世splayed as–0.000because it is very small. Display一种（（3,1)分别地。

一种（（3,1)

ANS = -2.4737E -05

第一个规范变量X是U1=0。0025*Disp + 0.0202*HP — 0.000025*Wgt。

第二个规范变量X是U2 = 0.0048*DISP + 0.0409*HP - 0.0027*WGT。

查看B的输出以确定构成规范变量的加速度和MPG的线性组合y。

b

b=2×2-0.1666 -0.3637 -0.0916 0.1078

第一个规范变量y是v1=-0。1666*Accel — 0.0916*MPG。

第二个规范变量y是V2 = —0.3637*ACCEL + 0.1078*MPG。

Plot the scores of the canonical variables ofX一种ndy彼此对抗。

T = TileDlayout（2,2）;标题（t，'X VS Y的规范分数Y'）xlabel（t，“ x的规范变量”）ylabel（t，'y的规范变量'）t.TileSpacing ='袖珍的';nexttile绘图（u（：：，1），v（：，1），，'。'）xlabel('u1'）ylabel('v1'）nexttile plot(U(:,2),V(:,1),'。'）xlabel('u2'）ylabel('v1'）nexttile绘图（u（：：，1），v（：，2），，'。'）xlabel('u1'）ylabel('v2'）nexttile plot(U(:,2),V(:,2),'。'）xlabel('u2'）ylabel('v2'）

成对的规范变量 $$\{{你}_{\mathrm{一世}}，，，，v_{\mathrm{一世}}\}$$从最强到最弱的相关性订购，所有其他对独立。

返回变量的相关系数U1一种ndv1。

R（1）

一种ns = 0.8782