Ανάλυση Κανονικής Συσχέτισης
Η Ανάλυση Κανονικής Συσχέτισης (CCA) είναι μια πολυμεταβλητή στατιστική μέθοδος που προσδιορίζει ζεύγη γραμμικών συνδυασμών — έναν από κάθε ένα από δύο σύνολα μεταβλητών — έτσι ώστε η συσχέτιση μεταξύ κάθε ζεύγους να μεγιστοποιείται. Παρουσιάστηκε από τον Harold Hotelling στην εμβληματική του εργασία στο Biometrika το 1936, η CCA παρέχει το πιο γενικό γραμμικό πλαίσιο για τη μελέτη της συσχέτισης μεταξύ δύο πολυμεταβλητών ομάδων μετρήσεων, και πολλές κλασικές διαδικασίες (πολλαπλή παλινδρόμηση, MANOVA, διακριτική ανάλυση) αποτελούν ειδικές περιπτώσεις αυτής.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Hotelling, H. (1936). Relations between two sets of variates. Biometrika, 28(3–4), 321–377. DOI: 10.1093/biomet/28.3-4.321 ↗
- Anderson, T. W. (2003). An Introduction to Multivariate Statistical Analysis (3rd ed.). Wiley. ISBN: 978-0471360919
- Tabachnick, B. G., & Fidell, L. S. (2019). Using Multivariate Statistics (7th ed.). Pearson. ISBN: 978-0134790541
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Canonical Correlation Analysis. ScholarGate. https://scholargate.app/el/statistics/canonical-correlation-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Διακριτική ΑνάλυσηΣτατιστική↔ compare
- Ανάλυση ΠαραγόντωνΕρευνητική Στατιστική↔ compare
- Πολλαπλή Γραμμική ΠαλινδρόμησηΣτατιστική↔ compare
- Παλινδρόμηση Ελάχιστων Τετραγώνων (PLS)Μηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →