误差分析课件典型相关分析

Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,Click to edit Master title style,Company name,典型相关分析,典型相关分析,引言,总体的典型变量与典型相关,样本的典型变量与典型相关,典型相关系数的显著性检验,实例分析,引言,典型相关分析,着眼于识别和量化随机变量之间的相关性,它是两组随机变量之间的相关性在两组变量之下的推广,两个随机变量,X,和,Y,的相关性可用相关系数来度量,该式可以了解每对变量,i,和,j,之间的相关性，但不能全面反映两组变量间的整体相关性，尤其当维数较大时，不利于实际问题的全面分析和解决,引言,分别构造各组变量的适当线形组合，将两组变量的相关性转化为两个变量的相关性来考虑具体说，设,，,，,p,，和,，,，,q,，令,a,1,a,2,a,p,p,V,b,1,b,2,b,q,q,确定向量,a=(a,1,a,2,.,a,p,),T,与,b=(b,1,b,2,.,b,p,),T,使，最大可能地提取,，,，,p,和,，,，,q,之间的相关性，即达到最大，称（，）为一对典型变量,引言,如一对典型变量不足以提取所给的两组变量的相关性，,就需要考虑第二对，第三对等等，并使各对典型相关,变量所提取的相关性不重叠这样我们就将两组变量,间的相关性凝结为少数几对典型变量间的相关性，通,过对相关性较大的少数几对典型变量的研究来了解原,来的两组变量相关性，从而容易抓住问题的本质,总体的典型变量和典型相关,设有两组随机变量,的协方差矩阵为,总体的典型变量和典型相关,考虑和的线形组合,则,和,的相关系数为,总体的典型变量和典型相关,典型相关分析即确定和，使得达到最大对和,加以适当的约束以简化目标函数的表达式，,使有简单表示的约束条件为,于是，典型相关分析的第一步是在上式的约束条件下，求,a,和,b,，,使得达到最大，如此确定的（,，,）称为和的第,一对典型变量，而相应的相关系数称为第一典型相关系数,总体的典型变量和典型相关,如果（,1,，,2,）还足以反映和的相关性，可进一步,构造第二对线形组合,为了使（,，,）反映的和的相关性与（,，,）,的不重叠，要求（,，,）与（,，,）不相关，即,总体的典型变量和典型相关,如果前,K-1,对典型变量不足以反映,X,和,Y,的相关性信息,构造第,K,对线性组合,约束条件：,使得,达到最大,称为和的第,k,对典型变量,称为和的第,k,对典型相关系数,样本的典型变量与典型相关,在实际问题中，（,，,）,的协方差矩阵（或是相关系数矩阵）一般是,未知的，我们所具有的资料通常是关于和的组观测数据,观测数据的样本协方差矩阵,作为,估计，其中：,样本的典型变量与典型相关,以代替所求得的典型变量和典型相关系数分别称为样本典型变量和样本,典型相关系数具体地，第对样本典型相关变量为,样本典型相关系数为,典型相关系数的显著性检验,设总体和的各对典型参数相关系数已排序为,假设检验,若不能拒绝，则有,这时和的各典型变量对不提供和的任何相关信息因此对和作,典型相关分析是无实际意义的，若被拒绝，可进一步检验假设,典型相关系数的显著性检验,若不能拒绝,则认为除第一对典型变量显著相关外，其余各对典型变量的,相关性均不显著，可只考虑第一对典型变量若被拒绝，则需要进一步,检验是否为零，以次类推，若假设被拒绝，则进一步,假设,若不能拒绝，则只要考虑前对典型相关变量若拒绝，则,继续检验是否为零，直到最终检验是否为零,典型相关系数的显著性检验,在总体服从维正态分布条件下，对一般情况,第的,k,个假设，可以用下面的似然比统计量进行检验,当为真时，渐进服从自由度为的分布,且当不真时，有偏大的趋势，因而其检验,p,值为,其中为观测值,典型相关系数的显著性检验,系统的典型分析过程,proc,cancorr,中，采用的是一个在样本容量,N,较小时有更好的逼近精度的渐进服从分布的统计量,其中,典型相关系数的显著性检验,当某个,k,值使得时，取,t,当为真时，,渐进服从自由度为和的分布，且大的值意味着应拒绝,，顾检验,p,值为,所求得观测值在,proc,cancorr,过程的输出结果中，分别就,k,，,，,p,，给出了的值及检验的,p,的值,利用上述的检验方法，依次就,k,，,p,进行检验，若对某个,k,，检,验,p,值首次大于给定的显著水平，则认为只有前,k-1,对典型变量显著相关，从,而仅用前,k-1,对典型变量可描述和的整体相关性,实例分析,为研究空气温度与土壤温度的关系,考虑如下六个变量,X,1,:,日最高土壤温度,;,X,2,:,日最低土壤温度,;,X:,日土壤温度曲线积分值,它是一种日平均土壤温度的度量,;,Y,1,:,日最高气温,;,Y,2,:,日最低气温,;,Y,3,:,日气温曲线积分值,它是一种日平均气温的度量,;,共观测了,n=46,天,令,实例分析,序号,X,X,X,Y,Y,Y,实例分析,由,proc,cancorr,过程可求得的样本相关关系,数学矩阵为,的个特征值分别为,实例分析,第一对典型变量为,第一典型相关系数为,第二对典型变量为,第一典型相关系数为,实例分析,k,1,0.0925,17.977,9,97.5,0.0001,2,0.6651,4.6366,4,82,0.0020,3,0.9725,1.1898,1,42,0.2816,第三对典型变量为,第三典型相关系数为,检验各对典型变量是否显著相关的检验结果,实例分析,由结果可知，只有前两对典型变量显著相关，因此可基于前两对典型变量分,析土壤温度及气温的相关,一般来说典型变量的意义主要由那些系数绝对值较大的变量来决定第一,对典型变量中，主要是日最高土壤温度和“日均”土壤温度的加权和，而,主要有“日均”气温控制,因此，第一对典型变量主要是反映了和“日均”气温与日最高土壤温度和“日均”,土壤温度的相关性,第二对典型变量主要反映了日最低气温和“日均”气温的差异与日最低土壤温,度和“日均“土壤温度的差异之间的相关性,Thank You !,