哇 首先很感謝這位高手幫我解答 有比較清楚一點 看到有人回文解說 心裡真感動! 感恩喔~~ :P 我可以再問一下嗎? 如下 >< 謝謝~~ ※ 引述《[email protected] (老怪物)》之銘言： : ※ 引述《[email protected] (乘風飛翔)》之銘言： : > 看了書跟別人的論文.. : > 大概知道各種相關都是典型相關的特例 : > 想請問典型相關跑出來的相關係數跟積差相關跑出來的 有什麼關係?會一樣嗎? : > 主要重點應該在於第一組典型因素的相關係數吧? : > 這個值會跟其他相關一樣有負的嗎?(也就是負相關?) : > 還是說就算是負相關 也是出現正值?(但在結構係數關係上可以看出是反向) : 典型相關是一組變數 X 與另一組變數 Y 分別做線性變換 : 後求相關, 所取線性變換要使結果之相關係數最大, 因此 : 不會有負值. 這和複相關類似,複相關是一組 X 變數做線 : 性變換, 使結果與 Y 變數相關最大. : > 因為我看書上 有一本的例子看起來自變項跟應變項間應該是反向的關係 : > 數據如下： : > X變項 典型因素 Y變項 典型因素 : > X1 X2 X3 η1 η2 η3 : > 基本操作效能-0.98 -0.18 -0.05 學習電腦焦慮 0.96 0.25 0.03 : > 軟體使用效能-0.84 0.05 0.31 面對資訊焦慮 0.96 -0.08 -0.23 : > 教學應用效能-0.97 0.22 -0.09 應用教學焦慮 0.97 -0.20 0.07 : > 抽出變異數% 93.47 2.91 3.63 抽出變異數% 94.19 3.78 2.02 : > 重疊量數 80.19 0.15 0.00 重疊量數 80.81 0.19 0.00 : > ______________________________________________________________________ : > ρ2 .8579 .0509 .0002 : > 典型相關 .9263 .2257 .0132 : > P .0001 .0001 .7626 : > Q:其中那些正阿負的 有一定嗎? 還是只有SPSS知道為什麼? : > 第一組典型因素(X1跟η1)他們的結構係數剛好全正與全負 : > 請問這是必然嗎? 這跟X Y字面上看起來就是相反關係有關嗎? : > 那為什麼第二組以後就正負交錯? : > (因為有著潛在的關係是不能從變數表面意義推知的?故正負不一定?) : 大概因兩組變數分別具有同向特質, 因此其第一典型變數 你是說自變項X的三個層面相似 所以X的第一典型因素三個結構都是正 而應變項的Y三個層面也相似 所以Y的第一典型因素三個結構係數也都是負嗎 那這樣X的第一典型因素結構係數全正跟Y的第一典型因素結構係數全負 我們可以說X跟Y是負相關的關係嗎?(就跟積差相關跑出來的類似) 還是這樣解釋沒意義 因為就算正負交錯 在積差相關中一定不是正就是負相關 因為典型相關是看裡面成份變項的影響 而積差是總個總和跑出一個正(負)相關? 所以基本上就是沒什麼好相提並論的嗎? 較好的方法就是用積差相關先跑出一個所謂的正相關或負相關 再用典型相關來跑 以得到更有用的結果 比如X中哪一個貢獻較大之類的? (不過這跟用相關矩陣中每一個格子中相關係數絕對值大小來看 有什麼不同?) 是差在典型相關有能夠找出積差相關所做不到的線性組合嗎? (好像是廢話 書上都說是線性組合了 = = ) 也就是積差相關都是整體X跟整體Y 或是X中某變數跟Y某變數去跑相關係數 不像典型相關是用不同的權重將X中的變項組合起來以解釋Y? 我好像在自問自答 不過就是有點懂又不太懂 想知道到底典型相關跟積差相關 是差在哪 又有哪裡是相同的? (典型相關跑出來的係數會跟積差相關的係數有什麼關係嗎?) 但有的例子中那些正負號的組合 好像難以去說明 請問有沒有可能因為是電腦跑的 所以研究者除了第一組有辦法解釋外 第二三組就比較難解釋? 其實 我就是不了解 每一組XY典型因素間的的正負號都不同 這該怎麼解釋? 在X1 η1這組中正負相同的變項 為何在X2 η2這組中就變異號了? 這樣不是矛盾嗎? 因為我看別人論文 都是把那些數字敘述一次 並沒有解釋很清楚 甚至照數字上來解釋 但卻是矛盾的 比如第一組典型中講到 A較高者 較容易有B行為 可是再地二組典型因為是正負相反 變成A較高者 較不易有B行為 雖然第一組典型才是最主要的 但是第二組也是有解釋能力阿 可是結果卻相反 很奇怪?! 還是說 兩組雖然矛盾 但是兩組的解釋重點不同? 只挑明顯的解釋就好嗎? : 的結構係數同號. 至於第二以後的典型變數, 要與第一典 : 型變數正交. 因此在第一典型變數之結構係數同號條件下, : 其結構係數有正有負. : > Q:還有第一組典型因素X1跟η1的典型相關.9263 : > 為什麼不是負的???(-0.9263，因為結構係數正負都剛好相反阿) : 已說明於前. : > Q:抽出變異數在這例中好像加起來都是100% : > 可是我在別的書看到的不是這樣耶... : > 是因為X Y都有三個變項 而典型因素也有三組 所以能夠完全解釋嗎?故和為100%? : > 如果X只有兩個變項 而Y有三個變項 : > 那會有兩組典型因素 這樣抽出變異數和就不會是100%?? : > 不太能完全了解這個表數字間的關係 : 典型相關的典型變數就像主成分分析的主成分, 是原變數 : 做正交變換的結果. 因此, 總變異數不變. 所以, 若沒有 : 捨去任何成分, "累計解釋變異數比例" 當然是 100%; 而 : 若取的成分數比原變數個數少, 除非有完全多重共線性, : 否則該比例將低於 100%. 假設X有4個變項 Y有5個變項 書上說典型因素的個數會是min(4,5) 也就是4個 這是一定的嗎? 還是跟跑的時候設定有關? 會不會只有2個或是3個? 因為我看有的論文跑典型相關 好像沒有符合min(p,q)這一點? : > 希望對這個了解的統計高手能幫小弟解惑一下 感激不盡 :) --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 61.62.109.85 ※ 編輯: Martin123 來自: 61.62.109.85 (05/18 22:43) ※ 編輯: Martin123 來自: 61.62.109.85 (05/19 00:56) ※ 編輯: Martin123 來自: 61.62.109.85 (05/19 00:58) ※ 編輯: Martin123 來自: 61.62.109.85 (05/19 01:50) ※ 編輯: Martin123 來自: 61.62.109.85 (05/19 01:59)