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，如下所示：
require(CCA)
cc1 <- cc(psych, acad)
我想知道R中是否有一个包或函数来自动计算规范维度/变量的重要性。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：
使用 R 中的包 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")