1、Ch 9 Canonical Correlation 9.1 引言 9.1 引言 多變量 關係模式 相依關係分析 Analysis of interdependence 依賴關係分析 Analysis of dependence - Principal Component Analysis - Exploratory Factor Analysis - Confirmatory Factor Analysis - Multidimensional Scaling - Cluster Analysis - Structural Equation Model with Latent Variabl
2、es - Analysis of variance - Discriminant Analysis - Logit Choice Models - Canonical Correlation 分析變數間或觀察值間的關聯的型態。 用一組自變數 (independent variable)的資訊來解釋另一組應變數 (dependent variable)的 變異。 9.1 引言 多變量 PRINCIPAL COMPONENT CANONICAL CORRELATION 多個變數。 兩組變數之間的關係。 （如 :一組測量中學學生之人格特質而另一組測量他們的職業興趣） 目的 ：資料重新表達 ， 以少數
3、構面儘可能捕捉更多的資訊。 第一個主成分是具有最大可能變異數 (largest possible variance)的原始變數的線性組合。 目的 ：重新表達及簡化資料 。找出原始變數之兩個可顯示最大的共變異 (largest possible covariance)之線性組合 兩組變數各一個線性組合，稱之為 “ 典型變量 ” (canonical variates)。 用 少數主成分 來解釋整個資料群最多的變異。 用 少數典型變量配對 來解釋兩組變數之間最多的相依關係。 9.1 引言 多變量 本章將： 解釋典型相關的原理。 解釋如何用典型負荷量 (canonical loadings)來解讀典
4、型變量 (canonical variates)。 提供檢定每一對典型變量的典型相關的顯著性 (significance)之方法。 介紹評估典型相關分析結果的效度的方法。 9.1 引言 多變量 在許多典型相關的應用上，兩組變數在分析中不具相等地位 (equal status)的。 目的 以其中一組自變數的資訊去解釋令一組自變數的變異 應變數 (dependent variables, Y) 被解釋變數 自變數 (independent variables, X) 解釋變數 9.1 引言 多變量 瞭解一組資料裡的依賴關係方法之一 方法 複迴歸分析 複迴歸 中 ， 應變數只有一個，因此必須重複跑模
5、型 ，將所有 X（自變數）對每一個 Y（應變數）分別做迴歸。 典型相關 ：可同時考慮多個 Y，用少數典型變量來解釋最多 Xs與 Ys之間的關係。 由 Hotelling (1935, 1936)最早提出，Cooley and Lohnes (1971)、 Kshirsagar (1972)和 Mardia, Kent, and Bibby (1979) 推 廣 了它的 應 用。 ANOVA是一般線性迴歸的特例； MANOVA則是典型相關分析的特例。 兩群區別分析是迴歸分析的特例；多群區別分析則是典型相關分析的特例。 9.1 引言 多變量 9.1.1 可能之應用 相依及依賴性關係之探索 心理學
6、行銷 作業管理文獻 突破休閒體驗研究 利用典型相關確認相關性的存在之後， 再作後續的分析。 研究人格特質與職業興趣之間的關係 Cooley and Lohnes,（ 1971) ：發現三對典型 變量，能夠簡便地描述會對某特定類型的 工作最感興趣之類型的人。 Thorndike, Dawis, and Weiss,(1968)： 職業興 趣與職業需求之間之多變量關係。作者找 出兩對典型變量之證據可供交叉驗證研 究。 9.1 引言 多變量 9.1.1 可能之應用 相依及依賴性關係之探索 心理學 行銷 作業管理文獻 突破休閒體驗研究 利用典型相關確認相關性的存在之後， 再作後續的分析。 瞭解行銷活動（如 廣告、促銷、包裝、價 格等）與消費者回應（如 品牌態度、購 買意向和願付價格）之間的關係是很重要的。 Fader and Lodish (1990)：檢視不同種類產品 特徵（如 購買頻率、市場滲透）與所應用的 促銷策略（如 特別展示、特色廣告、製造商折價券）之間的關係。但事實上他們採用因素分析、集群分析和區別分析而非典型相關的方法；在本單元我們將用典型相關來分析他們的資料 。
