R中CCA的拟合优度答案

【问题标题】：Goodness of fit in CCA in RR中CCA的拟合优度
【发布时间】：2014-03-07 11:52:28
【问题描述】：

以下是数据集

mm <- read.csv("https://stats.idre.ucla.edu/stat/data/mmreg.csv")
colnames(mm) <- c("Control", "Concept", "Motivation", "Read", "Write", "Math", 
"Science", "Sex")
psych <- mm[, 1:3] # dataset A
acad <- mm[, 4:8]  # dataset B

对于这些数据集psych和acad，我想做典型相关分析，得到典型相关系数和典型载荷如下：

require(CCA) 
cc1 <- cc(psych, acad)

我想知道 R 中是否有包或函数可以自动计算规范维度/变量的显着性。还有一些东西可以测试整体模型是否适合规范相关分析，总结如下：

【问题讨论】：

您的问题最好在 crossvalidated.com 提出
我想回答我自己的问题。有一个名为 CCP 的 R 包，它使用 Wilk 的 lambda、Pillai 的轨迹、Hotelling 的轨迹和 Roy 的 GCR 计算典型相关分析的统计显着性。
@Paul，继续发帖作为答案。

标签： r regression correlation goodness-of-fit

【解决方案1】：

在R中使用包CCP，我们可以计算典型相关分析的统计显着性。

library(CCP)
## Define number of observations, number of dependent variables, number of independent variables.
N = dim(psych)[1]
p = dim(psych)[2]
q = dim(acad)[2]

## 计算典型相关性（“cancor”是 stats-package 的一部分）：

rho <- cancor(psych,acad)$cor

## 使用不同检验统计量的 F 近似值计算 p 值：

p.asym(rho, N, p, q, tstat = "Wilks")
p.asym(rho, N, p, q, tstat = "Hotelling")
p.asym(rho, N, p, q, tstat = "Pillai")
p.asym(rho, N, p, q, tstat = "Roy")

## 绘制 Wilks Lambda 的 F 近似值，考虑 3、2 或 1 个典型相关：

res1 <- p.asym(rho, N, p, q)
plt.asym(res1,rhostart=1)
plt.asym(res1,rhostart=2)
plt.asym(res1,rhostart=3)

更进一步，排列测试计算如下：

p.perm(psych, acad, nboot = 999, rhostart = 1, type = "Wilks")

【讨论】：

谢谢@Paul。这个帖子真的帮了我很多。我正在做CCA分析。就我对 Wilk 的 lambda 的理解而言，它越接近于零越好。你能告诉我如何解释霍特林、皮莱和罗伊吗？谢谢。