数学建模——典型相关分析（CCA）及spss操作过程

一、典型相关分析VS皮尔逊相关系数/斯皮尔曼相关系数

典型相关分析（Canonical Correlation analysis） 研究两组变量（每组变量中都可能有多个指标） 之间相关关系的一种多元统计方法。它能够揭示出两组变量之间的内在联系。

皮尔逊相关系数和斯皮尔曼相关系数针对的是两个变量的相关性，典型相关分析针对的是两组变量进行相关分析，相当于对每组变量进行线性组合，求这两个组合后的变量之间的相关性，结果也用p检验方法，显著性最大的那组作为最后的线性组合的系数。

数据对比：

下图求皮尔逊相关系数，求各变量之间的相关系数，即（身高，体重）得到一个相关系数，（身高，肺活量）得到一个相关系数，依次类推，得到互不相同的所有变量之间的相关系数。

下图求典型相关性，求两组变量的相关性，即（[第一组变量],[第二组变量]）=（[低学历，高学历，网络]，[艺术家，发行，主管]）之间相关性，是将第一组变量的三个变量做线性组合，和第二组变量的线性组合进行相关性分析。分析过程有spss软件进行，主要是对结果的解释。