SPSS教程cH14 典型相关分析

按一下以編輯標題樣式,按一下以編輯母片,第二層,第三層,第四層,*,典型相關分析,內容大綱,14.1,認識典型相關分析,14.2,路徑圖與線性組合,14.3,SPSS,程序,14.4,語法說明,14.5,報表解讀,14.1,認識典型相關分析,典型相關分析（,canonical correlation analysis,），又稱典型分析、規則相關分析、正準相關分析,試圖在解釋一組變數（每組可能有若干個變數）與另一組變數之間的關係，也就是說，某一組變數對另外一組變數的影響如何,。,在多元迴歸中，我們有興趣研究的是一組自變數與某一個依變數的關係。但是如果我們有興趣研究的是一組依變數呢？同時我們想同時考慮依變數，而不是每次一個依變數的話呢？這時候，典型分析就派上用場了。,典型相關分析和多變量變異數分析（,MANOVA,）主成分分析（,principal component analysis,）,典型相關分析和多變量變異數分析（,MANOVA,）頗為相似；典型相關分析與因素分析中的主成分分析（,principal component analysis,）也頗為類似，但是主成分分析是考慮一組變數內部的相互關係。而典型相關分析則著重於二組變數之間的關係,Tatzuoka,（,1971,）將典型相關稱為雙管的主成分分析。但是典型相關分析的自變數（,X,）是量尺量數（區間尺度）的變數，而,MANOVA,的自變數是名義量數（名目尺度或類別）的變數。,典型分析,在典型分析中，自變數（,X,）會集結成一組或稱,加權組（,weighted set,），,而且依變數（,Y,）也會集結成一組或稱,加權組,。,例如，我們可以從家庭大小及所得（這二個是自變數）來解釋信用卡的數目及平均每月支出（這二個是依變數）,。,分析之後，會產生成對的,典型變量（,canonical variate,）,或稱,線性組合,，這些典型變量最能解釋二組變數的關係。在典型分析中，,我們有兩組變數,X,與,Y,。,典型分析的目的在於找出,X,的線性組合與,Y,的線性組合，並使得這二個線性組合的簡單相關係數為最大,。,這些能使這二個線性組合的簡單相關係數為最大的權重,，稱為,典型係數（,canonical coefficient,）。,分析之後，所產生的典型變量數目（線性組合數目）等於自變數或依變數中最小的數目。如果一組自變數中有三個變數，一組依變數中有二個變數，則典型變量（線性組合）的數目等於二。每對典型變量獨立於另一組典型變量。除了典型變量以外，典型分析還可以分析典型變量之間的典型相關、統計顯著性及,重疊指數（,redundancy measure,）,典型相關分析是相依法的一種多變量分析技術，其依變數的數目大於,1,，且屬於量尺量數（,scale,），其自變數亦屬於量尺量數，,如圖,14-1,所示。,在樣本數要求方面，每個變數至少必須要有,10,個以上的觀察值。,14.2,路徑圖與線性組合,我們現在以一個例子來說明路徑圖與線性組合。某研究者企圖研究,X,變數（通路整合、通路激勵）以及,Y,變數（也就是績效變數，包括效率、生產力、控制、適應力）的關係，以發現目前的通路現象，進而採取適當的措施。典型相關分析所表現的路徑圖如圖,14-2,所示。,如前述，線性組合的數目等於自變數,X,或依變數,Y,中最小的數目，在此例中，,X,變數有,2,個，,Y,變數有,4,個， 所以我們可建立兩組線性組合模式：,14.3,SPSS,程序,開啟檔案（檔案名稱：,.Chap14ChannelStudy.sav,），檔中的變項有：,X,變數（通路整合、通路激勵）以及,Y,變數（效率、生產力、控制、適應力）。這些變項均是區間尺度或稱量尺量數（,scale,）。,按,File,、,New,、,Syntax,（,檔案,開新檔案,語法,），在,SPSS Syntax Editor,（,SPSS,語法編輯器）中，建立如,圖,14-3,所示的程序。,14.4,語法說明,14.5,報表解讀,所產生的報表，分析如下：,（呈現的方式是原報表在前，說明在後）,以上為典型相關分析的結果。如果以,Pearson,積差相關分析，分別求出通路整合、通路激勵與績效變數（效率、生產力、控制、適應力）的相關係數，其結果與上述以典型相關分析是否相同？,答案是：這兩種分析結果是大同小異、相互輝映的,多此一舉,?,答案,:,不一定,因為自變數與依變數之間潛藏了一些研究者所不知道或不能確定的因素（典型因素）存在，為求嚴謹起見，就不逕自以,Pearson,積差相關分析來看自變數與依變數之間的關係。,Chapter14 課程結束,