MerQuR+İstatistik Sözlüğü

İstatistik Sözlüğü → Kanonik Korelasyon

Kanonik Korelasyonanaliz

İki sayısal değişken kümesi arasındaki ilişkiyi, her kümeden birbiriyle en yüksek korelasyona sahip ağırlıklı bileşimler bularak özetleyen çok değişkenli analiz.

Kavram

Bazen soru iki değişken arasında değil, iki değişken kümesi arasındadır: toprak özellikleri (pH, azot, organik madde) ile ürün özellikleri (verim, protein, bitki boyu) arasında nasıl bir ilişki var? Her toprak değişkenini her ürün değişkeniyle tek tek ilişkilendirmek çok sayıda korelasyon üretir ve ortak yapıyı göstermez. Kanonik korelasyon analizi bu iki kümeyi birlikte ele alır.

Analiz, X kümesindeki değişkenlerin bir ağırlıklı toplamını (U) ve Y kümesindeki değişkenlerin bir ağırlıklı toplamını (V) öyle seçer ki U ile V arasındaki korelasyon olabilecek en yüksek değerde olsun; bu birinci kanonik korelasyondur. Ardından birincilerle ilişkisiz ikinci bir çift aranır ve bu, küçük kümedeki değişken sayısı kadar sürer. Her çiftin anlamını yükler (her değişkenin kendi kanonik değişkeniyle korelasyonu) gösterir; redundancy indeksi ise bir kümedeki toplam değişkenliğin diğer kümenin kanonik değişkenlerince ne kadar açıklandığını verir. Wilks Λ gibi çok değişkenli testler kanonik korelasyonların sıfırdan farklı olup olmadığını sınar.

Kanonik korelasyonlar en yüksek değeri verecek biçimde seçildiği için örneklemde iyimser çıkar; özellikle değişken sayısına göre küçük örneklemlerde sonuçlar kararsızdır ve yeni veride tekrarlanmayabilir. Yüksek bir kanonik korelasyon, kümelerdeki değişkenliğin büyük kısmının açıklandığı anlamına gelmez; bunun için redundancy'ye bakılmalıdır. Testler çok değişkenli normallik varsayar ve küme içindeki güçlü çoklu doğrusallık katsayıları kararsız kılar; yorumda katsayılardan çok yükler kullanılmalıdır.

Ne zaman kullanılır?

  • Her biri birden fazla sayısal değişkenden oluşan iki küme arasındaki ortak ilişki yapısını incelerken (ör. psikolojik ölçekler ile başarı ölçüleri, çevre değişkenleri ile tür bollukları).
  • Yalnız iki değişken varsa basit korelasyon; bir kümenin tek bir sonucu açıkladığı durumda çoklu doğrusal regresyon kullanılır.
  • Bir küme açıkça sonuç kümesiyse ve gruplar karşılaştırılıyorsa MANOVA; değişkenleri gizil yapılar üzerinden ilişkilendirmek gerekiyorsa yapısal eşitlik modeli ya da kısmi en küçük kareler (PLS) daha uygun olabilir.

Gündelik bir örnek

Bir tarım araştırma istasyonu 120 tarlada üç toprak özelliğini (pH, azot, organik madde) ve üç ürün özelliğini (dekar başına verim, tane proteini, bitki boyu) ölçüyor. Kanonik korelasyon analizi birinci çift için ör. r = 0,72 bulabilir: toprak tarafında azot ve organik maddenin ağır bastığı bir 'toprak verimliliği' bileşimi, ürün tarafında verim ve bitki boyunun ağır bastığı bir 'bitki gelişimi' bileşimiyle güçlü biçimde ilişkilidir. İkinci, daha zayıf bir çift ise pH ile tane proteini arasındaki ayrı bir ilişkiyi yansıtıyor olabilir.

MerQur'da parametreler

X seti ve Y seti

Kavram: İlişkisi incelenecek iki sayısal değişken kümesidir; her kümede en az iki değişken bulunur ve bir değişken iki kümede birden yer alamaz. Elde edilebilecek kanonik çift sayısı küçük kümedeki değişken sayısına eşittir. Kümelerin yer değiştirmesi kanonik korelasyonları değiştirmez.

Gündelik örnek: İstasyon örneğinde X kümesi toprak özellikleri (pH, azot, organik madde), Y kümesi ürün özellikleridir (verim, protein, bitki boyu). Her iki kümede üçer değişken olduğu için en fazla üç kanonik çift bulunur.

Ne işe yarar: Kanonik çiftlerin kurulduğu iki değişken kümesidir (her biri en az 2 sayısal değişken; kümeler kesişmez).

Sonuca etkisi: K = min(p, q) kanonik çift oluşur. X ve Y yer değiştirirse r, Wilks Λ, testler ve redundancy değişmez; X'e ait istatistikler Y'ye geçer (Var(X) ↔ Var(Y), Red(X|Y) ↔ Red(Y|X)).

Doğrulama verisinde: mmreg'de K = 3; r = 0.4641, 0.1675, 0.1040. Eksik değerler liste bazında silinir: auto'da Y'ye rep78 eklenince n 74 -> 69.

Bileşen sayısı (0 = otomatik)

Kavram: Kaç kanonik çiftin ayrıntılı olarak raporlanacağını sınırlar. Genellikle yalnız anlamlı ve yorumlanabilir çiftler raporlanır; testler ise her zaman tüm çiftler üzerinden yapılır.

Gündelik örnek: İstasyonda üçüncü çiftin korelasyonu 0,08 ve anlamsızsa, raporu yalnız ilk iki çiftle sınırlamak okuyucunun dikkatini önemli ilişkilere çeker.

Ne işe yarar: Kaç kanonik çiftin raporlanacağını sınırlar; yalnız anlamlı çiftleri raporlamak için kullanılır.

Sonuca etkisi: Yalnız gösterilen çift sayısı (r, katsayı, yük, redundancy, özdeğer satırları, kaydedilen skorlar) değişir. Ardışık Wilks Λ, Bartlett χ², tam model testleri ve özdeğer oranları tüm K kökle hesaplanır. K'dan büyük değer K'ya indirilir.

Doğrulama verisinde: 1 seçilince yalnız CC1 basılır; Λ₁ = 0.75436 (tüm köklerin çarpımı), özdeğer oranı 0.8734. 3 ve 20 seçimi otomatikle aynıdır (K = 3).

Güven Düzeyi (%90, %95, %99, Diğer (özel))

Kavram: Her kanonik korelasyon için verilen yaklaşık güven aralığının ve anlamlılık işaretinin düzeyini belirler. Kanonik korelasyon en yüksek değeri verecek biçimde seçildiği için bu aralık iyimserdir; kabaca bir gösterge olarak okunmalıdır.

Gündelik örnek: Birinci çiftin r = 0,72 için %95 aralığı ör. 0,62 ile 0,80 arası görünebilir. Ancak bu korelasyon verideki en iyi bileşim olarak seçildiğinden, yeni tarlalarda biraz daha düşük çıkması beklenir.

Ne işe yarar: Her kanonik r için Fisher z güven aralığını tanh(atanh r ± z/√(n - 3)) ve anlamlılık işaretini (p < alfa) belirler. Maksimize edilmiş r'de bu aralık iyimserdir (Anderson, 2003, bölüm 12); yaklaşık bir gösterimdir.

Sonuca etkisi: Yalnız aralık sınırları, yıldız işareti ve grafik rengi değişir; r ve testler değişmez. Aralık [0, 1]'e kırpılır ve satır altında "yaklaşık" notu yazılır.

Doğrulama verisinde: CC1 (r = 0.4641): %90 [0.410, 0.515]; %95 [0.399, 0.525]; %99 [0.378, 0.543]. CC3 (r = 0.1040) %99'da alt sınır 0.000'a kırpılır.

→ Güven düzeyi ve güven aralığı

Ek çıktılar: Çapraz yükler

Kavram: Bir kümedeki her değişkenin diğer kümenin kanonik değişkeniyle korelasyonudur. Kendi kümesindeki yüklerin aksine, tek tek değişkenlerin karşı kümeyle olan bağlantısını doğrudan gösterir.

Gündelik örnek: Azotun 'bitki gelişimi' bileşimiyle çapraz yükü 0,65 ise azot tek başına ürün tarafındaki ortak gelişim örüntüsüyle güçlü biçimde ilişkilidir. pH'nin çapraz yükü 0,10 ise pH'nin bu örüntüyle bağı zayıftır.

Ne işe yarar: Her X değişkeninin Y kanonik değişkenleriyle (V) ve her Y değişkeninin U ile korelasyonudur.

Sonuca etkisi: İki ek tablo; diğer çıktılar değişmez.

Doğrulama verisinde: locus_of_control x V1 = 0.4196, read x U1 = 0.3900 (yapı katsayıları; işaret kuralı uygulanır).

→ Çapraz yükler

Ek çıktılar: Çok değişkenli testler

Kavram: Tüm kanonik korelasyonların aynı anda sıfır olduğu hipotezini dört farklı çok değişkenli ölçütle sınar: Pillai izi, Wilks Λ, Hotelling-Lawley izi ve Roy'un en büyük kökü. Çoğu durumda aynı sonuca varırlar; Pillai varsayım ihlallerine karşı en dayanıklısı kabul edilir.

Gündelik örnek: İstasyon önce 'toprak kümesi ile ürün kümesi arasında herhangi bir ilişki var mı?' diye sorar. Dört testin hepsi p < 0,001 veriyorsa iki küme arasında güçlü bir ortak yapı olduğu açıktır.

Ne işe yarar: H₀: tüm kanonik korelasyonlar 0 için Pillai izi, Wilks Λ (Rao F), Hotelling-Lawley izi ve Roy en büyük kökü (λ₁, F üst sınırı) testlerini verir.

Sonuca etkisi: Ek tablo.

Doğrulama verisinde: mmreg: Pillai 0.2542, F(15, 1782) = 11.001; Wilks 0.7544, F(15, 1634.65) = 11.716; Hotelling-Lawley 0.3143, F(15, 1772) = 12.376; Roy 0.2745, F(5, 594) = 32.610.

→ Çok değişkenli test istatistikleri (Wilks Λ, Pillai izi, Hotelling-Lawley, Roy)

Ek çıktılar: Özdeğerler

Kavram: Her kanonik çiftin özdeğeri, o çiftin korelasyonunun gücünü r²/(1 − r²) biçiminde ifade eder. Özdeğerlerin toplam içindeki payı, kümeler arasındaki ortak ilişkinin ne kadarının hangi çiftte toplandığını gösterir.

Gündelik örnek: Birinci çiftin özdeğeri toplamın %85'ini oluşturuyorsa toprak ile ürün arasındaki ilişkinin büyük kısmı tek bir 'verimlilik-gelişim' boyutunda toplanmıştır; diğer çiftler ikincil ayrıntılardır.

Ne işe yarar: λᵢ = rᵢ²/(1 - rᵢ²), açıklanan oran ve kümülatif oranı verir.

Sonuca etkisi: Ek tablo.

Doğrulama verisinde: 0.2745 / 0.0289 / 0.0109; oran 0.8734 / 0.0919 / 0.0348.

→ Özdeğer ve özvektör

Ek çıktılar: Varsayım tanıları

Kavram: Testlerin dayandığı çok değişkenli normallik varsayımını ve küme içindeki çoklu doğrusallığı denetler. Bir kümede değişkenler birbiriyle çok yüksek korelasyonluysa kanonik katsayılar kararsızlaşır ve işaretleri bile değişebilir.

Gündelik örnek: Azot ile organik madde birbiriyle çok güçlü ilişkiliyse (ör. r = 0,95) VIF yüksek çıkar; bu durumda 'azotun katsayısı negatif' gibi sonuçlara güvenilmez ve yorum yüklere dayandırılmalıdır.

Ne işe yarar: X ∪ Y için Mardia çok değişkenli çarpıklık (χ²) ve basıklık (z) testi ve küme içi VIF; çok değişkenli normallik ile küme içi çoklu doğrusallığı denetler.

Sonuca etkisi: Ek tablo ve uyarılar.

Doğrulama verisinde: mmreg çarpıklık χ²(120) = 314.413, p < .0001; basıklık z = -1.351, p = 0.1767 (Mardia). VIF: X 1.08-1.14, Y 1.24-2.51. auto'da length VIF 11.11 (> 10 uyarısı basılır).

→ Mardia çok değişkenli normallik testi

Ek çıktılar: Skorları kaydet

Kavram: Her gözlemin kanonik değişken değerlerini (U ve V skorları) veri setine yeni sütunlar olarak ekler. Bu skorlar ortalaması 0, varyansı 1 olacak biçimde ölçeklenir ve sonraki analizlerde ya da grafiklerde kullanılabilir.

Gündelik örnek: İstasyon her tarlanın 'toprak verimliliği' skorunu kaydedip haritaya işlerse hangi bölgelerin verimli, hangilerinin zayıf topraklara sahip olduğunu tek bir değişkenle gösterebilir.

Ne işe yarar: Kanonik değişken skorlarını (CCA_U1..., CCA_V1...; ortalama 0, varyans 1) veri setine yeni sütun olarak ekler.

Sonuca etkisi: Veri setine sütun eklenir.

Doğrulama verisinde: mmreg'de 6 sütun x 600 satır kanonik skor yazılır (işaret kuralı ile). auto + rep78'de 69 satır dolu, 5 satır boştur.

Gerçek veride örnek

Veri: UCLA OARC mmreg

Değişkenler: X seti locus_of_control, self_concept, motivation (psikolojik ölçekler); Y seti read, write, math, science, female (akademik ölçüler ve cinsiyet)

  • Soru: Psikolojik ölçekler seti (kontrol odağı, benlik kavramı, motivasyon) ile akademik set (okuma, yazma, matematik, fen, cinsiyet) arasında ortak boyutlar var mı? (N = 600)
  • Sonuç: Üç kanonik korelasyon: r1 = 0.464, r2 = 0.168, r3 = 0.104. Bartlett sıralı Wilks testlerinde ilk iki boyut anlamlıdır (Λ1 = 0.754, χ²(15) = 167.58, p < .001; Λ2 = 0.961, χ²(8) = 23.38, p = .003), üçüncüsü değildir (χ²(3) = 6.46, p = .091).
  • Etki büyüklüğü: r1² = 0.215; birinci kanonik değişken çifti varyansın %21.5'ini paylaşır. İkinci boyut anlamlı olsa da r2² = 0.028 ile pratikte zayıftır.
  • Yorum (1. boyut): X tarafında kontrol odağı (standart katsayı 0.84) ve motivasyon (0.43), Y tarafında okuma (0.45), yazma (0.35) ve cinsiyet (0.32) ağır basar: iç kontrol odağı ve motivasyonu yüksek öğrencilerin okuma ve yazma puanları da yüksektir.
  • Fazlalık: Y setindeki varyansın %11.30'u birinci X kanonik değişkeniyle açıklanır (Red(Y|X)).
  • APA: CC1: r = .46, Wilks Λ = 0.754, χ²(15, N = 600) = 167.58, p < .001.

İlgili kavramlar

Çok değişkenli test istatistikleri (Wilks Λ, Pillai izi, Hotelling-Lawley, Roy)Artıklık (redundancy) indeksiÇapraz yüklerÖzdeğer ve özvektörMardia çok değişkenli normallik testiFaktör (bileşen) yükleriBartlett varyans homojenliği testiAçıklanan varyans oranı

Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.