※ 引述《[email protected] (老怪物)》之銘言： : ※ 引述《[email protected] (乘風飛翔)》之銘言： : > 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~~ : > 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 : "具有同向特質" 不是 "三個層面相似" 喔! : 是說 X1, X2, X3 有一成分與三個變數都是正相關, 也就 : 是三個變數對這個成分的貢獻都是正的. : 而就 Y1, Y2, Y3 而言, 其共同成分取負的方向, 只是典 : 型相關定義的結果. 也就是說: 如果把 Y1, Y2, Y3 的第 : 一個典型變數變號, 它和 Y1, Y2, Y3 三個變數的相關就 : 是正的. 但如此一來 Y 的這個典型變數與 X 的典型變數 : 相關係數就會與第一個典型相關係數差個負號. 不好意思 >< "Y 的這個典型變數與 X 的典型變數相關係數"跟"第一個典型相關係數" 聽起來就是講同樣的東西 就是典型相關係數.. 不懂這句什麼意思.... 而且 你之前說典型相關係數不會有負的.. : > 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? : 我不知道解釋成 "X跟Y是負相關" 有沒有意義. 但如果以 : 複相關來看, 我們只會說 X1,...,Xk 與 Y 的複相關是多 : 少, 並不會說 "這些 X 娛數與 Y 的相關是正或負". : 典型相關係數並不直接衡量 X1,...,Xp 與 Y1,...,Yq 之 : 間的相關, 而是典型變數間的相關. 它是 X1,..,Xp 與諸 : Yj 的某個線性組合間的複相關,卻不是與任何一個 Yj 的 : 複相關或偏相關或簡單相關. : > 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 : > 不像積差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?) : 其實典型相關就是由積差相關來的, 只是它並不是你先建 : 構變數再去計算相關, 而是直接去搜尋 "兩組變數如何組 : 何可以有最大相關". 把線性組合看成投影到某一方向,典 : 型相關就是 Xi's 及 Yj's 分別嘗試所有可能的方向, 找 : 出 "最適配" 的方向後的相關. 打個比方, 男女兩批人輸 : 入配對系統找出最佳拍檔, 我們恐怕不能說這一對最佳拍 : 檔的適配程度就是原來那一群男性及一群女性的適配程度 : 吧? 何況典型相關做的還不只是從兩堆變數各找一個出來 : 計算相關, 而是做最佳組合. 好像在上列配對係統中, 組 : 合所有男性的優點創出一個 "理想男性"; 又,組合所有女 : 性優點創出 "理想女性". 而這 "理想男性"/"理想女性" : 又是互相搭配而創造出來的... : > 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? : 第二組以下, 就是除去前面已用過的成分以後的次要成分 : 計算結果. : > 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 : > 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? : X 有4個變數, 所以最多只能取 4 個成分. 因此, 即使 Y : 有更多變數, X 這邊已沒有東西可來與 Y 配對了! --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 61.62.109.85