※ 引述《[email protected] (老怪物)》之铭言： : ※ 引述《[email protected] (乘风飞翔)》之铭言： : > 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~~ : > 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 : "具有同向特质" 不是 "三个层面相似" 喔! : 是说 X1, X2, X3 有一成分与三个变数都是正相关, 也就 : 是三个变数对这个成分的贡献都是正的. : 而就 Y1, Y2, Y3 而言, 其共同成分取负的方向, 只是典 : 型相关定义的结果. 也就是说: 如果把 Y1, Y2, Y3 的第 : 一个典型变数变号, 它和 Y1, Y2, Y3 三个变数的相关就 : 是正的. 但如此一来 Y 的这个典型变数与 X 的典型变数 : 相关系数就会与第一个典型相关系数差个负号. 不好意思 >< "Y 的这个典型变数与 X 的典型变数相关系数"跟"第一个典型相关系数" 听起来就是讲同样的东西 就是典型相关系数.. 不懂这句什麽意思.... 而且 你之前说典型相关系数不会有负的.. : > 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? : 我不知道解释成 "X跟Y是负相关" 有没有意义. 但如果以 : 复相关来看, 我们只会说 X1,...,Xk 与 Y 的复相关是多 : 少, 并不会说 "这些 X 娱数与 Y 的相关是正或负". : 典型相关系数并不直接衡量 X1,...,Xp 与 Y1,...,Yq 之 : 间的相关, 而是典型变数间的相关. 它是 X1,..,Xp 与诸 : Yj 的某个线性组合间的复相关,却不是与任何一个 Yj 的 : 复相关或偏相关或简单相关. : > 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 : > 不像积差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?) : 其实典型相关就是由积差相关来的, 只是它并不是你先建 : 构变数再去计算相关, 而是直接去搜寻 "两组变数如何组 : 何可以有最大相关". 把线性组合看成投影到某一方向,典 : 型相关就是 Xi's 及 Yj's 分别尝试所有可能的方向, 找 : 出 "最适配" 的方向後的相关. 打个比方, 男女两批人输 : 入配对系统找出最佳拍档, 我们恐怕不能说这一对最佳拍 : 档的适配程度就是原来那一群男性及一群女性的适配程度 : 吧? 何况典型相关做的还不只是从两堆变数各找一个出来 : 计算相关, 而是做最佳组合. 好像在上列配对系统中, 组 : 合所有男性的优点创出一个 "理想男性"; 又,组合所有女 : 性优点创出 "理想女性". 而这 "理想男性"/"理想女性" : 又是互相搭配而创造出来的... : > 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? : 第二组以下, 就是除去前面已用过的成分以後的次要成分 : 计算结果. : > 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 : > 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? : X 有4个变数, 所以最多只能取 4 个成分. 因此, 即使 Y : 有更多变数, X 这边已没有东西可来与 Y 配对了! --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 61.62.109.85