典型相关分析在STATA中的实现和案例

Canonical loadings for variable list 1

| 1 2 3 4 -------------+---------------------------------------- x1 | 0.9475 0.1665 0.0664 0.2649 x2 | 0.0245 -0.4199 0.6767 -0.6043 x3 | 0.9019 -0.2917 -0.1288 0.2914 x4 | 0.8625 0.0390 -0.4986 -0.0773 ------------------------------------------------------

Canonical loadings for variable list 2

| 1 2 3 4 -------------+---------------------------------------- x5 | 0.9084 0.3513 0.0874 0.0168 x6 | 0.8825 -0.3911 -0.0367 0.0904 x7 | 0.8966 0.1427 0.1275 0.0113 x8 | 0.9393 0.2092 0.0113 0.2036 x9 | 0.9622 -0.1221 0.1893 0.0492 x10 | 0.9193 -0.0770 0.1248 -0.1064 x11 | 0.9085 -0.2131 -0.2220 -0.0118 x12 | 0.8962 0.0906 0.2154 -0.2616 ------------------------------------------------------

Correlation between variable list 1 and canonical variates from list 2

| 1 2 3 4 -------------+---------------------------------------- x1 | 0.9216 0.1332 0.0400 0.1310 x2 | 0.0239 -0.3360 0.4070 -0.2988 x3 | 0.8773 -0.2334 -0.0775 0.1441 x4 | 0.8390 0.0312 -0.2999 -0.0382 ------------------------------------------------------

Correlation between variable list 2 and canonical variates from list 1

| 1 2 3 4 -------------+---------------------------------------- x5 | 0.8836 0.2811 0.0526 0.0083 x6 | 0.8585 -0.3130 -0.0221 0.0447 x7 | 0.8722 0.1142 0.0767 0.0056 x8 | 0.9137 0.1674 0.0068 0.1007 x9 | 0.9360 -0.0977 0.1139 0.0243

x10 | 0.8942 -0.0616 0.0751 -0.0526 x11 | 0.8838 -0.1705 -0.1335 -0.0058 x12 | 0.8718 0.0725 0.1295 -0.1294 ------------------------------------------------------

在随后的运行中，我们可以用predict预测命令，来产生预测变量。在本例中，我们可以得出各个观察变量的varlist1和 varlist2的线性值，以及观察变量的varlist1和 varlist2线性组合的标准差。

练习：

通过运行sysuse auto, clear，得到STATA自带汽车数据。数据可以分为两类：物理测度（length、weight、headroom、trunk space）、化学测度（engine displacement、mileage rating、gear ratio、turning circle）。试着进行典型相关分析。（一组观察变量为：length weight headroom trunk ；另一组为：displacement mpg gear_ratio turn）