哇 首先很感谢这位高手帮我解答 有比较清楚一点 看到有人回文解说 心里真感动! 感恩喔~~ :P 我可以再问一下吗? 如下 >< 谢谢~~ ※ 引述《[email protected] (老怪物)》之铭言： : ※ 引述《[email protected] (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) : 典型相关是一组变数 X 与另一组变数 Y 分别做线性变换 : 後求相关, 所取线性变换要使结果之相关系数最大, 因此 : 不会有负值. 这和复相关类似,复相关是一组 X 变数做线 : 性变换, 使结果与 Y 变数相关最大. : > 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?) : 大概因两组变数分别具有同向特质, 因此其第一典型变数 你是说自变项X的三个层面相似 所以X的第一典型因素三个结构都是正 而应变项的Y三个层面也相似 所以Y的第一典型因素三个结构系数也都是负吗 那这样X的第一典型因素结构系数全正跟Y的第一典型因素结构系数全负 我们可以说X跟Y是负相关的关系吗?(就跟积差相关跑出来的类似) 还是这样解释没意义 因为就算正负交错 在积差相关中一定不是正就是负相关 因为典型相关是看里面成份变项的影响 而积差是总个总和跑出一个正(负)相关? 所以基本上就是没什麽好相提并论的吗? 较好的方法就是用积差相关先跑出一个所谓的正相关或负相关 再用典型相关来跑 以得到更有用的结果 比如X中哪一个贡献较大之类的? (不过这跟用相关矩阵中每一个格子中相关系数绝对值大小来看 有什麽不同?) 是差在典型相关有能够找出积差相关所做不到的线性组合吗? (好像是废话 书上都说是线性组合了 = = ) 也就是积差相关都是整体X跟整体Y 或是X中某变数跟Y某变数去跑相关系数 不像典型相关是用不同的权重将X中的变项组合起来以解释Y? 我好像在自问自答 不过就是有点懂又不太懂 想知道到底典型相关跟积差相关 是差在哪 又有哪里是相同的? (典型相关跑出来的系数会跟积差相关的系数有什麽关系吗?) 但有的例子中那些正负号的组合 好像难以去说明 请问有没有可能因为是电脑跑的 所以研究者除了第一组有办法解释外 第二三组就比较难解释? 其实 我就是不了解 每一组XY典型因素间的的正负号都不同 这该怎麽解释? 在X1 η1这组中正负相同的变项 为何在X2 η2这组中就变异号了? 这样不是矛盾吗? 因为我看别人论文 都是把那些数字叙述一次 并没有解释很清楚 甚至照数字上来解释 但却是矛盾的 比如第一组典型中讲到 A较高者 较容易有B行为 可是再地二组典型因为是正负相反 变成A较高者 较不易有B行为 虽然第一组典型才是最主要的 但是第二组也是有解释能力阿 可是结果却相反 很奇怪?! 还是说 两组虽然矛盾 但是两组的解释重点不同? 只挑明显的解释就好吗? : 的结构系数同号. 至於第二以後的典型变数, 要与第一典 : 型变数正交. 因此在第一典型变数之结构系数同号条件下, : 其结构系数有正有负. : > 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) : 已说明於前. : > 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 : 典型相关的典型变数就像主成分分析的主成分, 是原变数 : 做正交变换的结果. 因此, 总变异数不变. 所以, 若没有 : 舍去任何成分, "累计解释变异数比例" 当然是 100%; 而 : 若取的成分数比原变数个数少, 除非有完全多重共线性, : 否则该比例将低於 100%. 假设X有4个变项 Y有5个变项 书上说典型因素的个数会是min(4,5) 也就是4个 这是一定的吗? 还是跟跑的时候设定有关? 会不会只有2个或是3个? 因为我看有的论文跑典型相关 好像没有符合min(p,q)这一点? : > 希望对这个了解的统计高手能帮小弟解惑一下 感激不尽 :) --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 61.62.109.85 ※ 编辑: Martin123 来自: 61.62.109.85 (05/18 22:43) ※ 编辑: Martin123 来自: 61.62.109.85 (05/19 00:56) ※ 编辑: Martin123 来自: 61.62.109.85 (05/19 00:58) ※ 编辑: Martin123 来自: 61.62.109.85 (05/19 01:50) ※ 编辑: Martin123 来自: 61.62.109.85 (05/19 01:59)