canoncorr

典型相关

折叠所有页面

语法

[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)

描述

［一个，B) = canoncorr (X，Y）计算数据矩阵的样本正则系数X和Y．

［一个，B，r) = canoncorr (X，Y）同样的回报r，样本正则相关向量。

例子

［一个，B，r，U，V) = canoncorr (X，Y）同样的回报U和V的标准分数矩阵X和Y,分别。

［一个，B，r，U，V，统计数据) = canoncorr (X，Y）同样的回报统计数据，这是一种结构，包含与测试其余相关性均为零的假设序列相关的信息。

例子

全部折叠

计算样本典型相关

打开生活的脚本

对样本数据集进行典型相关分析。

数据集carbig包含从1970年到1982年的406辆汽车的测量数据。

加载示例数据。

负载carbig；data =[排量马力重量加速度MPG];

将X定义为位移、马力和重量观测值的矩阵Y作为加速度和MPG观测值的矩阵。省略数据不足的行。

isnan = sum(isnan(data)，2) > 0;X =数据(~ nan, 1:3);Y =数据(~ nan, 4:5);

计算样本典型相关。

[A, B, r, U, V] = canoncorr (X, Y);

查看一个确定构成的正则变量的位移、马力和重量的线性组合X．

一个

一个=3×20.0025 0.0048 0.0202 0.0409 -0.0000 -0.0027

(3,1)是显示为-0.000因为它非常小。显示(3,1)分开。

(3,1)

ans = -2.4737 e-05

的第一个正则变量X是u1 = 0.0025*耗散+ 0.0202*HP - 0.000025*Wgt．

的第二个正则变量X是u2 = 0.0048*耗散+ 0.0409*HP - 0.0027*Wgt．

查看B的输出，以确定组成正则变量的加速度和MPG的线性组合Y．

B =2×20.1666 -0.3637 -0.0916 0.1078

的第一个正则变量Y是v1 =- - - - - -* Accel - 0.0916 * 0.1666英里/加仑．

的第二个正则变量Y是v2 = -0.3637 *Accel + 0.1078*MPG．

绘制的正则变量的得分X和Y反对对方。

t = tiledlayout (2, 2);标题(t)“X的标准分数vs Y的标准分数”)包含(t)' X的典型变量') ylabel (t)“Y的典型变量”) t.TileSpacing =“紧凑”；nexttile情节(U (: 1), V (: 1),“。”)包含(‘u1’) ylabel (“v1”) nexttile情节(U (:, 2), V (: 1),“。”)包含(“u2”) ylabel (“v1”) nexttile情节(U (: 1), V (:, 2),“。”)包含(‘u1’) ylabel (“v2”) nexttile情节(U (:, 2), V (:, 2),“。”)包含(“u2”) ylabel (“v2”）

图中包含4个轴对象。axis对象1包含一个类型为line的对象。axis对象2包含一个类型为line的对象。axis对象3包含一个类型为line的对象。axis对象4包含一个类型为line的对象。

正则变量对 $｛ u_{我} ， v_{我} ｝$ 由强到弱的相关性排列，所有其他对都是独立的。

返回变量的相关系数u1和v1．

r (1)

ans = 0.8782

输入参数

全部折叠

`X`- - - - - -输入矩阵
矩阵

输入矩阵，指定为n——- - - - - -d₁矩阵。的行X对应观察值，列对应变量。

数据类型:单|双

`Y`- - - - - -输入矩阵
矩阵

输入矩阵，指定为n——- - - - - -d₂矩阵X是一个n——- - - - - -d₁矩阵。的行Y对应观察值，列对应变量。

数据类型:单|双

输出参数

全部折叠

`一个`- X变量样本正则系数
矩阵

中变量的样本正则系数X，返回为d₁——- - - - - -d矩阵,d= min(排名(X),排名(Y））．

的jth列一个包含组成变量的线性组合j第Th正则变量X．

如果X还没有满秩，canoncorr给出警告并在行的中返回0一个对应于的相关列X．

`B`- Y变量的样本正则系数
矩阵

中变量的样本正则系数Y，返回为d₂——- - - - - -d矩阵,d= min(排名(X),排名(Y））．

的jth列B包含组成变量的线性组合j第Th正则变量Y．

如果Y还没有满秩，canoncorr给出警告并在行的中返回0B对应于的相关列Y．

`r`-样本正则相关
向量

典型相关性样本，返回为1-by-d向量,d= min(排名(X),排名(Y））．

的jth元素r相关性是什么jth的列U和V．

`U`- X变量的标准分数
矩阵

变量的标准分数X，返回为n——- - - - - -d矩阵,X是一个n——- - - - - -d₁矩阵和d= min(排名(X),排名(Y））．

`V`- Y变量的标准分数
矩阵

变量的标准分数Y，返回为n——- - - - - -d矩阵,Y是一个n——- - - - - -d₂矩阵和d= min(排名(X),排名(Y））．

`统计数据`-假设检验信息
结构

假设检验信息，作为结构返回。这个信息与。的顺序有关d零假设 $H_{0}^{（ k ）}$ , (k + 1)圣d相关性都为零k= 1,…,d－１,d= min(排名(X),排名(Y））．

等领域的统计数据是1——- - - - - -d元素对应于的值的向量k．

场	描述
`威尔`	威尔克斯的lambda(似然比)统计
`df1`	卡方统计量的自由度，分子的自由度F统计
`df2`	分母自由度F统计
`F`	饶是近似的F统计的 $H_{0}^{（ k ）}$
`pF`	的右尾显著性水平`F`
`chisq`	巴特利特近似卡方统计量 $H_{0}^{（ k ）}$ 域名的修改
`pChisq`	的右尾显著性水平`chisq`