我是参考林清山、陈正昌、周文贤、张绍勳、傅粹馨等的文章 指出报表跑出来会有 1. 典型相关系数(就是你跑出来的有正负号的系数，可画成 典型相关因径图)，其正负号代表的是各变项在该变量中 所占之权重，自然会有正负 之分，但并非是负相关的意思。 2.我们看典型相关应该要看因素负荷量(canonical loadings) 所谓典型负荷量系指典型变项与原变量之间的相关又称为 典型结构相关(canonical structure correlations)， 在解释典型关系上比典型相关系数更加精确。 这是我看书所得到的解读，大致是这样，如有其他的问题欢迎不吝指教讨论。 ※ 引述《Martin123 (乘风飞翔)》之铭言： : 看了书跟别人的论文.. : 大概知道各种相关都是典型相关的特例 : 想请问典型相关跑出来的相关系数跟积差相关跑出来的 有什麽关系?会一样吗? : 主要重点应该在於第一组典型因素的相关系数吧? : 这个值会跟其他相关一样有负的吗?(也就是负相关?) : 还是说就算是负相关 也是出现正值?(但在结构系数关系上可以看出是反向) : 因为我看书上 有一本的例子看起来自变项跟应变项间应该是反向的关系 : 数据如下： : X变项 典型因素 Y变项 典型因素 : X1 X2 X3 η1 η2 η3 : 基本操作效能-0.98 -0.18 -0.05 学习电脑焦虑 0.96 0.25 0.03 : 软体使用效能-0.84 0.05 0.31 面对资讯焦虑 0.96 -0.08 -0.23 : 教学应用效能-0.97 0.22 -0.09 应用教学焦虑 0.97 -0.20 0.07 : 抽出变异数% 93.47 2.91 3.63 抽出变异数% 94.19 3.78 2.02 : 重叠量数 80.19 0.15 0.00 重叠量数 80.81 0.19 0.00 : ______________________________________________________________________ : ρ2 .8579 .0509 .0002 : 典型相关 .9263 .2257 .0132 : P .0001 .0001 .7626 : Q:其中那些正阿负的 有一定吗? 还是只有SPSS知道为什麽? : 第一组典型因素(X1跟η1)他们的结构系数刚好全正与全负 : 请问这是必然吗? 这跟X Y字面上看起来就是相反关系有关吗? : 那为什麽第二组以後就正负交错? : (因为有着潜在的关系是不能从变数表面意义推知的?故正负不一定?) : Q:还有第一组典型因素X1跟η1的典型相关.9263 : 为什麽不是负的???(-0.9263，因为结构系数正负都刚好相反阿) : Q:抽出变异数在这例中好像加起来都是100% : 可是我在别的书看到的不是这样耶... : 是因为X Y都有三个变项 而典型因素也有三组 所以能够完全解释吗?故和为100%? : 如果X只有两个变项 而Y有三个变项 : 那会有两组典型因素 这样抽出变异数和就不会是100%?? : 不太能完全了解这个表数字间的关系 : 希望对这个了解的统计高手能帮小弟解惑一下 感激不尽 :) -- 生命的阳光雨点般朝我扑洒而下 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 163.13.144.7