Kanonická korelačná analýza
Pendahuluan
V mnohých štúdiách sa výskumníci často stretávajú so situáciami, kde existujú dva súbory premenných, pričom každý pozostáva z niekoľkých ukazovateľov. Napríklad v oblasti vzdelávania môžeme mať súbor premenných týkajúcich sa faktorov učenia (motivácia, študijné hodiny, podpora rodiny, prístup na internet) a súbor premenných týkajúcich sa výsledkov učenia (známky z matematiky, známky z jazykov, známky z prírodných vied a priemerné známky). Dôležitou otázkou nie je len „súvisí motivácia so známkami z matematiky?“, ale skôr „aký silný je celkový vzťah medzi súborom faktorov učenia a súborom výsledkov učenia?“. Na zodpovedanie takýchto otázok je jednou z najrelevantnejších viacrozmerných štatistických metód kanonická korelačná analýza (CCA).
Kanonická korelačná analýza bola vyvinutá na meranie a vysvetlenie vzťahu medzi dvoma súbormi premenných súčasne. Inými slovami, CCA rozširuje koncept jednoduchej korelácie (medzi dvoma premennými) na koreláciu medzi dvoma lineárnymi kombináciami dvoch súborov premenných. Tento článok rozoberá základné koncepty , ciele, kroky analýzy, interpretáciu a výhody a obmedzenia CCA.
Konsep Dasar Kanonická korelácia
Bežná korelácia (napr. Pearsonova korelácia) meria silu lineárneho vzťahu medzi dvoma premennými, napríklad X a Y. CCA zovšeobecňuje tento koncept vytvorením dvoch nových premenných ako lineárnych kombinácií:
– Prvá kanonická premenná pre množinu X:
U = a₁X₁ + a₂X₂ + … + aₚXₚ
– Prvá kanonická premenná pre množinu Y:
V = b₁Y₁ + b₂Y₂ + … + b_qY_q
Koeficienty a a b sú zvolené tak, aby korelácia medzi U a V bola maximálna. Táto maximálna korelácia sa nazýva prvá kanonická korelácia. Po získaní prvého páru môže CCA vytvoriť nasledujúce páry premenných (druhý, tretí atď.), ktoré sú ortogonálne (nekorelované) s predchádzajúcim párom.
Počet možných kanonických párov premenných je min(p, q), čo je najmenší počet premenných medzi týmito dvoma množinami.
Účel a použitie
CCA sa používa, keď sú výskumnými cieľmi:
1. Zmerajte silu asociácie medzi dvoma súbormi premenných ako celkom.
2. Identifikujte najsúvisiacu kombináciu premenných v množine X a množine Y.
3. Zredukujte dimenzie viacrozmerných vzťahov na niekoľko párov premenných, ktoré sa ľahšie interpretujú.
4. Prieskum vzorcov v údajoch: ktoré premenné prevažne vysvetľujú vzťah medzi týmito dvoma doménami.
Príklad kontextu aplikácie:
– Psychológia: vzťah medzi súborom „osobnostných čŕt“ a súborom „ukazovateľov duševného zdravia“.
– Ekonomika: vzťah medzi súborom „makro ukazovateľov“ a súborom „ukazovateľov trhu práce“.
– Zdravotnícke vedy: vzťah medzi súborom „životných návykov“ a súborom „klinických parametrov“.
Predpoklady a požiadavky týkajúce sa údajov
Rovnako ako mnoho viacrozmerných metód, aj CCA má niekoľko predpokladov, ktoré je potrebné zvážiť, aby boli výsledky stabilné a interpretovateľné:
1. Lineárny vzťah: CCA zachytáva lineárny vzťah medzi množinami. Ak je vzťah nelineárny, kanonická korelácia môže podceniť silu vzťahu.
2. Viacrozmerná normalita: V ideálnom prípade premenné sledujú viacrozmerné normálne rozdelenie, najmä pri testovaní významnosti. V praxi sa však CCA často používa exploratívne, aj keď údaje nie sú úplne normálne.
3. V žiadnej množine nie je extrémna multikolinearita: vysoko korelované premenné môžu spôsobiť, že odhady koeficientov budú nestabilné.
4. Dostatočná veľkosť vzorky: bežným pravidlom je minimálne 10 – 20 pozorovaní na premennú, hoci výskumný kontext si môže vyžadovať viac.
Okrem toho musia byť premenné na porovnateľnej alebo štandardizovanej stupnici (z-skóre), aby sa koeficienty ľahšie porovnávali.
Kroky kanonickej korelačnej analýzy
Vo všeobecnosti fázy vykonávania CCA zahŕňajú:
1. Určte dve sady premenných
Uistite sa premenné sú zoskupené na základe teória alebo koncepčný rámec, nielen pokus a omyl.
2. Kontrola údajov
Vrátane chýbajúcich údajov (chýbajúcich hodnôt), odľahlých hodnôt, testov normality a korelácií v rámci každej sady (na detekciu multikolinearity).
3. Odhadovanie kanonických premenných
Generuje páry premenných U₁–V₁, U₂–V₂ atď.
4. Výpočet kanonickej korelácie
Korelácia medzi U_k a V_k pre každý k-tý pár.
5. Test významnosti
Testuje, či je získaná kanonická korelácia štatisticky odlišná od nuly. Bežne používané testy sú Wilksov Lambda, Pillaiho stopa (častejšie v MANOVA), Hotellingov stopa a Royov najväčší koreň. V CCA je Wilksov Lambda často preferovanou voľbou.
6. Interpretácia výsledkov
Zahŕňa posúdenie rozsahu korelácie, zaťažení, váh a príspevkov premenných.
Ako čítať a interpretovať výstup CCA
Výstup CCA zvyčajne obsahuje niekoľko dôležitých komponentov:
1. Kanonické korelácie
Táto hodnota označuje silu vzťahu medzi premennými U a V v konkrétnom páre. Napríklad prvá kanonická korelácia 0,80 označuje silný lineárny vzťah medzi kombináciou premenných X a kombináciou premenných Y v prvom rozmere.
Často sa uvádza aj kanonický R², čo je druhá mocnina kanonickej korelácie. Ak r = 0,80, potom R² = 0,64, čo znamená, že približne 64 % variácie v kanonickej premennej Y možno vysvetliť kanonickou premennou X (a naopak) v tejto dimenzii, v zmysle vzťahu medzi premennými, nie medzi pôvodnými premennými.
2. Kanonické váhy (kanonické váhy / koeficienty)
Váhy sú koeficienty a a b, ktoré tvoria premenné U a V. Váhy sú však často citlivé na multikolinearitu, takže podstatná interpretácia sa zvyčajne nespolieha výlučne na váhy.
3. Kanonické zaťaženia (kanonické zaťaženia / koeficienty štruktúry)
Zaťaženie je korelácia medzi pôvodnou premennou a jej kanonickou premennou. Napríklad zaťaženie X₂ na U₁ s hodnotou 0,70 znamená, že X₂ silne prispieva k prvému kanonickému rozmeru na strane množiny X. Zaťaženia sú vo všeobecnosti stabilnejšie a ľahšie sa interpretujú ako váhy.
4. Krížové nakladanie
Krížové zaťaženie je korelácia medzi premennými z jednej sady s kanonickými premennými z inej sady (napr. korelácia X₁ s V₁). To pomáha pochopiť, ktoré premenné najviac súvisia s dimenziami vzťahu medzi sadami.
5. Index redundancie
Index redundancie udáva, akú časť rozptylu pôvodných premenných v jednej sade možno vysvetliť kanonickými premennými z inej sady. To je dôležité, pretože vysoká kanonická korelácia nemusí nevyhnutne znamenať vysokú vysvetľujúcu silu pôvodných premenných. Redundancia sa často používa na posúdenie praktickej hodnoty (nielen štatistickej významnosti).
Jednoduchá ilustrácia
Predpokladajme, že štúdia skúma vzťah medzi:
– Sada X (pracovné podmienky): X₁ = pracovná záťaž, X₂ = podpora nadriadeného, X₃ = flexibilita pracovného času
– Sada Y (pohoda): Y₁ = stres, Y₂ = spokojnosť s prácou, Y₃ = kvalita spánku
CCA môže nájsť významnú prvú kanonickú koreláciu r = 0,75. Zaťaženia naznačujú, že pracovná záťaž a podpora nadriadeného najsilnejšie tvoria U₁, zatiaľ čo stres a spokojnosť s prácou najsilnejšie tvoria V₁. Vecná interpretácia: hlavným rozmerom vzťahu medzi pracovnými podmienkami a pohodou je kombinácia „pracovného tlaku vs. podpory“, ktorá úzko súvisí so „stresom a spokojnosťou“.
Výhody kanonickej korelačnej analýzy
1. Komplexný: zachytáva vzťah medzi dvoma súbormi premenných naraz.
2. Znížte riziko opakovaného testovania: v porovnaní s vykonávaním mnohých korelácií jedna za druhou, čo zvyšuje pravdepodobnosť chyby typu I.
3. Pomáha nájsť latentné štruktúry: odhaľuje dimenzie vzťahov, ktoré nie sú viditeľné z univariačnej analýzy.
Obmedzenia a výzvy
1. Interpretácia môže byť zložitá: mnohé komponenty (hmotnosti, zaťaženia, redundancie) sa musia posudzovať spoločne.
2. Citlivý na multikolinearitu a malé veľkosti vzoriek: môže viesť k nestabilným koeficientom.
3. Lineárna povaha: nelineárne vzťahy sa nezachytia, pokiaľ sa nevykoná transformácia alebo iný prístup.
4. Vyžaduje si teoretický základ: bez jasného koncepčného rámca je interpretácia kanonických dimenzií náchylná na špekulácie.
Zatváranie
Kanonická korelačná analýza (CCA) je výkonná viacrozmerná metóda na pochopenie vzťahu medzi dvoma súbormi premenných súčasne. Vytvorením kanonických premenných, ktoré maximalizujú korelácie medzi súbormi, umožňuje CCA výskumníkom vidieť komplexnejšie vzorce vzťahov ako jednoduchá korelácia alebo jednoduchá regresia. Jej použitie si však vyžaduje pozornosť venovanú predpokladom, kvalite údajov a vhodným interpretačným stratégiám (najmä s dôrazom na zaťaženia, krížové zaťaženia a redundanciu). Vo výskume zahŕňajúcom viacero ukazovateľov v dvoch primárnych doménach môže byť CCA výkonným nástrojom na skúmanie a sumarizáciu zložitých vzťahov do zmysluplných dimenzií.
