Análise de correlación canónica
Pendahuluan
En moitos estudos, os investigadores adoitan atoparse con situacións nas que hai dous conxuntos de variables, cada un composto por varios indicadores. Por exemplo, no campo da educación, poderiamos ter un conxunto de variables sobre factores de aprendizaxe (motivación, horas de estudo, apoio familiar, acceso a internet) e un conxunto de variables sobre resultados de aprendizaxe (notas de matemáticas, notas de linguas, notas de ciencias e medias de cualificacións). A pregunta importante non é simplemente "a motivación está relacionada coas notas de matemáticas?", senón "que tan forte é a relación xeral entre o conxunto de factores de aprendizaxe e o conxunto de resultados de aprendizaxe?". Para responder a preguntas como esta, a análise de correlación canónica (ACC) é un dos métodos estatísticos multivariantes máis relevantes.
A análise de correlación canónica desenvolveuse para medir e explicar a relación entre dous conxuntos de variables simultaneamente. Noutras palabras, a ACC amplía o concepto de correlación simple (entre dúas variables) a unha correlación entre dúas combinacións lineais de dous conxuntos de variables. Este artigo analiza os conceptos básicos, os obxectivos, os pasos da análise, a interpretación e as vantaxes e limitacións da ACC.
Concepto básico de correlación canónica
A correlación ordinaria (por exemplo, a correlación de Pearson) mide a forza da relación lineal entre dúas variables, por exemplo X e Y. A CCA xeneraliza este concepto formando dúas novas variables como combinacións lineais:
– A primeira variable canónica para o conxunto X:
U = a₁X₁ + a₂X₂ + … + aₚXₚ
– Primeira variable canónica para o conxunto Y:
V = b₁Y₁ + b₂Y₂ + … + b_qY_q
Os coeficientes a e b escóllense de tal xeito que a correlación entre U e V sexa máxima. Esta correlación máxima chámase primeira correlación canónica. Unha vez obtido o primeiro par, a CCA pode formar pares posteriores de variables (segunda, terceira, etc.) que son ortogonais (non correlacionadas) co par anterior.
O número de posibles pares de variables canónicas é min(p, q), que é o menor número de variables entre os dous conxuntos.
Finalidade e uso
O CCA úsase cando os obxectivos da investigación son:
1. Medir a forza da asociación entre dous conxuntos de variables no seu conxunto.
2. Identifica a combinación de variables máis relacionada no conxunto X e no conxunto Y.
3. Reducir as dimensións das relacións multivariantes a varios pares de variables que sexan máis fáciles de interpretar.
4. Exploración de patróns nos datos: que variables explican predominantemente a relación entre os dous dominios.
Contexto de aplicación de exemplo:
– Psicoloxía: a relación entre o conxunto de «trazos de personalidade» e o conxunto de «indicadores de saúde mental».
– Economía: a relación entre o conxunto de «indicadores macro» e o conxunto de «indicadores do mercado laboral».
– Ciencias da saúde: a relación entre un conxunto de «hábitos de vida» e un conxunto de «parámetros clínicos».
Suposicións e requisitos de datos
Do mesmo xeito que moitos métodos multivariantes, o CCA ten unha serie de suposicións que deben considerarse para que os resultados sexan estables e interpretables:
1. Relación lineal: a CCA captura a relación lineal entre conxuntos. Se a relación non é lineal, a correlación canónica pode subestimar a forza da relación.
2. Normalidade multivariante: O ideal é que as variables sigan unha distribución normal multivariante, especialmente para as probas de significancia. Non obstante, na práctica, a CCA adoita empregarse de forma exploratoria mesmo cando os datos non son completamente normais.
3. Non existe multicolinealidade extrema en cada conxunto: as variables altamente correlacionadas poden facer que as estimacións de coeficientes sexan inestables.
4. Tamaño de mostra axeitado: unha regra xeral común é un mínimo de 10 a 20 observacións por variable, aínda que o contexto da investigación pode esixir máis.
Ademais, as variables deben estar nunha escala comparable ou estandarizada (puntuación z) para que os coeficientes sexan máis fáciles de comparar.
Pasos da análise de correlación canónica
En xeral, as etapas para levar a cabo unha CCA inclúen:
1. Determinar dous conxuntos de variables
Asegúrate de que as variables estean agrupadas segundo a teoría ou o marco conceptual, non só por ensaio e erro.
2. Comprobación de datos
Incluíndo datos ausentes (valores ausentes), valores atípicos, probas de normalidade e correlacións dentro de cada conxunto (para detectar multicolinealidade).
3. Estimación de variables canónicas
Xera pares de variables U₁–V₁, U₂–V₂ e así sucesivamente.
4. Cálculo da correlación canónica
A correlación entre U_k e V_k para cada k-ésimo par.
5. Proba de significación
Comproba se a correlación canónica obtida é estatisticamente diferente de cero. As probas máis empregadas son a lambda de Wilks, a traza de Pillai (máis a miúdo en MANOVA), a traza de Hotelling e a raíz máis grande de Roy. En CCA, a lambda de Wilks adoita ser a opción preferida.
6. Interpretación dos resultados
Inclúe a avaliación da magnitude da correlación, as cargas, as ponderacións e as contribucións das variables.
Como ler e interpretar a saída de CCA
A saída de CCA adoita incluír varios compoñentes importantes:
1. Correlacións canónicas
Este valor indica a forza da relación entre as variables U e V nun par concreto. Por exemplo, unha primeira correlación canónica de 0,80 indica unha forte relación lineal entre a combinación de variables X e a combinación de variables Y na primeira dimensión.
O R² canónico, o cadrado da correlación canónica, tamén se adoita indicar. Se r = 0,80 entón R² = 0,64, o que significa que aproximadamente o 64 % da variación na variable canónica Y pódese explicar pola variable canónica X (e viceversa) nesa dimensión, no sentido da relación entre as variables, non entre as variables orixinais.
2. Pesos canónicos (pesos/coeficientes canónicos)
As ponderacións son os coeficientes a e b que forman as variables U e V. Non obstante, as ponderacións adoitan ser sensibles á multicolinealidade, polo que a interpretación substantiva non adoita depender unicamente das ponderacións.
3. Cargas canónicas (cargas canónicas / coeficientes estruturais)
A carga é a correlación entre a variable orixinal e a súa variable canónica. Por exemplo, unha carga de X₂ en U₁ de 0,70 significa que X₂ contribúe fortemente á primeira dimensión canónica no lado do conxunto X. As cargas son xeralmente máis estables e fáciles de interpretar que os pesos.
4. Cargas cruzadas
A carga cruzada é a correlación entre variables dun conxunto con variables canónicas doutro conxunto (por exemplo, a correlación de X₁ con V₁). Isto axuda a comprender que variables están máis estreitamente relacionadas coas dimensións da relación entre conxuntos cruzados.
5. Índice de redundancia
O índice de redundancia indica canta da varianza das variables orixinais dun conxunto pode ser explicada polas variables canónicas doutro conxunto. Isto é importante porque unha correlación canónica alta non indica necesariamente un alto poder explicativo para as variables orixinais. A redundancia úsase a miúdo para avaliar o valor práctico (non só a significación estatística).
Ilustración sinxela
Supoñamos que un estudo examina a relación entre:
– Conxunto X (condicións de traballo): X₁ = carga de traballo, X₂ = apoio do supervisor, X₃ = flexibilidade do horario laboral
– Conxunto Y (benestar): Y₁ = estrés, Y₂ = satisfacción laboral, Y₃ = calidade do sono
O CCA pode atopar unha primeira correlación canónica significativa de r = 0,75. As cargas indican que a carga de traballo e o apoio do supervisor forman con maior forza U₁, mentres que o estrés e a satisfacción laboral forman con maior forza V₁. A interpretación substantiva: a dimensión principal da relación entre as condicións de traballo e o benestar é a combinación de "presión laboral fronte a apoio", que está estreitamente relacionada co "estrés e a satisfacción".
Vantaxes da análise de correlación canónica
1. Exhaustivo: captura a relación entre dous conxuntos de variables á vez.
2. Reducir o risco de probas repetidas: en comparación coa realización de moitas correlacións unha por unha, o que aumenta a posibilidade de erro de tipo I.
3. Axuda a atopar estruturas latentes: revela dimensións das relacións que non son visibles a partir da análise univariante.
Limitacións e desafíos
1. A interpretación pode ser complexa: moitos compoñentes (ponderacións, cargas, redundancias) deben considerarse conxuntamente.
2. Sensible á multicolinealidade e a tamaños de mostra pequenos: pode producir coeficientes inestables.
3. De natureza lineal: as relacións non lineais non se capturan a menos que se realice unha transformación ou outra aproximación.
4. Require unha base teórica: sen un marco conceptual claro, a interpretación das dimensións canónicas é propensa a ser especulativa.
Peche
A análise de correlación canónica é un potente método multivariante para comprender a relación entre dous conxuntos de variables simultaneamente. Ao construír variables canónicas que maximizan as correlacións entre conxuntos, a ACC permite aos investigadores ver patróns de relacións máis completos que a correlación simple ou a regresión única. Non obstante, o seu uso require atención ás suposicións, á calidade dos datos e ás estratexias de interpretación axeitadas (especialmente con énfase nas cargas, as cargas cruzadas e a redundancia). Na investigación que implica varios indicadores en dous dominios primarios, a ACC pode ser unha ferramenta poderosa para explorar e resumir relacións complexas en dimensións significativas.
