圈怕.4
工內印屮JH内窗0DGJV）取f
□二甘上
•%%阴■
S*-■
甘•*%匚］阳语：
ca~crizfllcair-dflr«iDrQGtrviedc£ia仃
豊佶p-$pss沁加
Ip1B\^~
S产EWWiFiy址耳岳厂".嘻
h1rri5h
INCLUDFCersVkdrrihlstraloND龄p\Slatsikcsl7\Cartamcalcottelailan.sp皆-
cancetTbull-<1QX3>4适超
_/*?
=V173YiV5VE¥7
（2）点击语句窗口“运行”菜单中的“全部”子菜单项。
运行典型相关宏命令，得出结果。
四、实验结果
Correlations
forSet-1
XI
X2
X3
X4
XI
1.0000
.9344
.9779
.9452
.5377
.5256
X2
.9344
1.X00
.9151
.3400
+5470
・6392
X3
.9779
.9151
.3514
.4657
.4717
X4
.9452
.@460
.9814
1.0000
41TB
’3000
K5
.5377
.5470
.4S57
.4175
1.0000
.3703
XE
.5256
.6502
.4717
3600
.3703
1.0000
X0
表1（第一组变量的自相关系数阵）
Sc-t-2
76
Y6
¥7
YL
Y2
TL
L0000
.S'9?
.flCiSl
.78'?
一防起
.B24B
72
-8O0T
1.0X0
.6351
saoo
.05130
，TO43
7011
T9
.3361
1.00M
/嘲
.3573
G6K
Y4
.9200
L.COOO
汽畑
77H
.8EB3
T5
.6021
.obW
.症d
.F；403
1.1XCO
.sum
哪
.7B7T
.7M0
.7T44
1.
.S2d：
.7471
T7
.拠1
.阿8
.9GM
.㈤因
.8241
J.OOOO
T8
.9348
.8576
.96S3
•641G
.BISO
L0000
表2（第二组变量的自相关系数阵）
表1和表2分别为两组变量的自相关系数阵。
反映了各组内变量间的相关系数。
TL
¥5
YE
Y2
TJ
n
yi
.6103
-6?
45
■昶旨
.0T6&
*4395
.£191
血歹
.76M
.8248
.3106
.aeoi
.9843
.3046
皿34
:
VfE
■B4B8
.S>74
.3030
.10ST
.5747
.4514
.0264
H4
.4356
.5966
.9446
.3S36
^6TG
.5253
.4ae4
.4441
.5333
•BBBO
h43>4
M90T
”DBL8
.-173
.5727
5595
.1340
.5414
&421
.0820
.7M2
表3（两组变量间的相关系数阵）
表3为两组变量间的相关系数。
从表中可以看出，第一组变量中的X1，X2，X3与第二组变量中的Y3，
Y4，Y5之间相关系数较高，这进一步说明需要提取典型变量来代表这种相关性。
值得注意的是，由于变量间的交互作用，这个简单相关系数阵只能作为参考，不能真正反映两组变量间的实质联系。
CaiiftiiiealCorielaticas
1.991
2・83B
3,635
4.492
5・39G
6,218
表4（典型相关系数）
表4为典型相关系数。
从表中可以看出，第一对典型变量相关系数为0.991，第二对典型变量相关系数为
0.838,以此类推共有6对典型变量的典型相关系数。
由于此处的典型相关系数是从样本数据算得的，和简单相关系数一样，有必要进行总体系数是否为0的检验（见表5）。
Test
that工書朮么iniiiEcorrelations
arezero:
bilk's
Chi-SQ
DF
Sig
1
.002
142.S14
48.000
.000
2
_097
5S.404
35.000
.030
3
.328
25.no
24.000
・400
4
10.875
15.000
.761
5
_S03
4.932
S_000
.765
6
.953
1,095
3-000
.778
表5（典型相关系数的显著性检验）
表5为典型相关系数的显著性检验。
该表从左至右分别为Wilks统计量、卡方统计量、自由度和伴随概率。
从表中伴随概率可以看出，第一对和第二对典型变量的典型相关系数显著不为0;从第三对典型变量开始,
典型相关系数的p值都比较大，均相关性不显著。
因此需要第一对和第二对典型变量。
StajiiiariiseilCajipnlcaLCoetffax5&t_l
12
4
XL
-»,289
499
2.384
4099
-L.60A
-1.032
X2
s361
-1.670
-2.fli64
.ad/
.27?
1.4L6
X3
.506
Z501
-8.604
一乩512
-,946
X4
h027
.960
-3.664
3.463
6.116
747
X5
-.004
191
.573
221
65D
.870
溜
OSG
233
.44D
151
1.0?
0
-.994
表6（第一组典型变量的标准化系数
）
Faw
Canonical'
Coeffiiientsfot
1
Set-]
J
7
4
Hl
-.001
.002
.009
.^18
-.006
-.004
J{2
-.oci
-.0C4
00?
.002
.001
•M3
K3
-.001
.002
.010
-.033
-.021
-.004
X4
.OOC
.010
-02G
.034
.o&o
.007
鬲
-.00：
3
*008
'003
013
-.001
-.002
.004
-.002
.000
-,oos
表7（第一组典型变量的为标准化系数）
Standordi.zcdC=mciiicalCoe^fic：
ieiitsftHSet-2
123
45
6
.2EL
-.6.24
571
L.333
.106
-3.135
一一也d
-.B38
-1.529
.3M
.341
.5^5
V3
10&
・BS"
.27E
931
占19
3,D12
.251
-1.G0O
5.050
000
-1.444
E*05G
T5
-.Ml
.992
-.5餌
-.311
.016
-1.785
料
.C32
0?
3
.需1
-.402
1.143
.HO
严
-.饷门
.8L6
-2.277
-2.471
-1.217
-.223
-.0S3
-.273
.剧
-.ESO
.£甜
-1.0^
表8（第二组典型变量的标准系数）
Raw
CisnctnicalCoei£icientsifoz
1
Set-2
z
aq
Y1
OOL
-,D03
-.002
.009
.001
-.014
T2
-013
104
-.©5
.筛£
.117
Y3
二001
.DO?
.0D2
.003
.006
.024
¥4
001
004
.001
-.OOd
.MB
一*UQ3
*OIL
-+3O7
-*讥4
+Q00
Y6
000
.000
.003
-.002
.C06
.001
T7
*Ooo
Oos
-*01B
-,QO9
-,C02
花
「001
-.004
.011
-,ocs
+oio
-.01?
表9（第二组典型变量的未标准系数）
6和表8中第一列和第二列数据可以得到第
表6-表9为各典型变量标准化与未标准化的系数列表。
从表对典型变量的线性函数，分别为
Canonical
Loarfir.es
forSet-1
1
2
3
4
5
11
-.98d
.124
.031
.091
-.034
.CIS
12
-bS7SI
二173
-033
010
二.021
r03S
13
-.Q74
.21^
-.009
-.071
.004
.028
X4
*.S26
-.001
.C88
.砌
15
-.272
-.056
.224
一575
第
-.61^
-.B6B
・172
-.077
.265
467
表
10（第
'组的典型载荷系数）
CxosgLqadlngsloi
Sei-L
1
2
C
4
3
G
XI
^.976
.104
.056
.044
-.013
■004
X2
一曲
-.150
-.067
.00S
-.008
一（K迫
X3
-,SS5
*173
-.m
-.004
.001
+006
X4
-.916
”302
-045
-.01（.
.010
X5
-.E37
.228
.342
-.OCT
.0S9
.12S
丽
一冋9
46E
.117
-,<>37
.105
-w
表
11（第一
组的交叉载荷系数）
Canonical
Leadings
forSet-2
1
2
S
4
&
6
yi
-.ess
-.629
.023
.055
-,C69
-.120
Y2
-..47
-.532
-.321
.033
.300
.116
Y3
-.wd
-.31P
.0®
.083
.027
.110
Y4
-.ass
.501
.102
•.077
-.IM
.025
Y5
-.see
139
-,00（3
.036
-.072
驚
-.563
-.625
.033
-.344
.339
-.033
V7
-.£S9
-.66S
-.014
25S
-■166
=.01S
73
-.73B
-.505
.155
-.13B
*2E4
-.052
表12（第二组的典型载荷系数）
Crrss
Lio^dings
farSet—2
12
34
Y1
-.082
&2?
.016
.027
-027
-.026
T2
-.740
-■虫&
-.220
h016
■册
.OSE
Y3
-,386
2S3
.040
011
.024
T4
-,318
.070
-.037
-.054
.005
Y5
--97T
.Ilf
-.（J02
<001
-016
T6
-,548
-.440
057
-.166
.134
-.007
T7
-.093
-.（174
-.010
-.123
-.062
-.003
TB
-.731
42S
.107
-.0S6
.0C9
-.011
表13（第二组的交叉载荷系数）
表10-表13为典型载荷系数与交叉载荷系数的输出结果。
其中，典型载荷系数是典型变量与本组观测变量之间的两两简单相关系数。
交叉载荷系数是指某一典型变量与另外一组中的观测量之间的两两简单相关。
PrcporticnofVarianceofSet-1ExplainedbyItsOimCan.Vai.
PropVar
CV1-1
CV1-2
CV1-5
CV1-4
CV1-5
CV1-6
.733
.101
050
.004
・022
・091
rzoportionofVariance
CV2-1
CV2-2
CV2-3
CV2-4
CV2-5
CV2-6
PropoxtionofVariance
CV2-1
cva-2
CV2-3
CV2-4
cva-e
CV2-6
表14
cfSet_lExpla.ined
PropVar
720
.071
.023
001
.003
表15
ofExplained
Frap7ax
・503
23S
.019
・02S
・O32
-006
byOppositeCan,Vaz.
byIteOwnCan.Yaii
表16
Proportiono£Variance□£Set^2Esplamed,byOpposrieCan.Vax・PafopVar
CV1-1
CV1-2
.167
CV1-3
CV1-4
.006
CV1-5
CV1-5
■QW
表17
表14-表17为冗余分析的输出结果。
它说明了各典型变量对各变量组方差解释的比例。
冗余分析包括组内代表比例和交叉解释比例，是典型相关分析中很重要的部分。
（1）组内代表比例是指本组所有观测变量的总标准方差中由本组形成的各个典型变量所分别代表的比
例。
从表中可以看到第一组变量被自身的第一个变量揭示了73.3%，被自身的第二个典型变量揭示
了10.1%，以此类推；第二组变量被自身的第一个典型变量揭示了72%，自身的第二个典型变量揭
示了7.1%。
（2）交叉解释比例是指一组变量形成的典型变量对另一组观测变量的总标准方差所解释的比例，是一种
组间交叉共享比例。
从表中可以看到第一组变量被第二组变量的第一个典型变量揭示了60.3%，被
第二个典型变量揭示了23.8%;第二组变量被第一组变量的第一个典型变量揭示了59.2%，被第二
个典型变量揭示了16.7%。
五、实验总结
典型相关分析是一种采用类似主成分分析的做法，在每一组变量中都选择若干个有代表性的综合指标（变量的线性组合），通过研究两组的综合指标之间的关系来反映两组变量之间的相关关系•在实际中，
只须着重研究相关关系较大的那几对典型相关变量•通过实例分析，我们进一步明确了典型相关分析是研究
两组变量之间相关性的一种降维技术的统计分析方法•而复相关是典型相关的一个特例，简单相关是复相关
的一个特例•第一对典型相关包含有最多的有关两组变量间相关的信息，第二对其次，其他对依次递减•各对
典型相关变量所含的信息互不重复•并且经标准化的两组变量之间的典型相关系数与原始的两组变量间的
相应典型相关系数是相同的•通过实验，能够进一步对SPSS软件更熟悉应用。
实验报告成绩（百分制）
实验指导教师签字：
升级会员 