变量之间的关系时,就可能用到典型相关分析。这里所要强调的是,典型相关分 析不是分别对其中一个变量组的每个变量做与另一组的多个变量之间的多元相关 或多元回归,因为这样做以后,仍然不能得到两个变量组之间的整体相关的信 息,因为自变量之间也存在着相关,多个多元相关或回归的结果是不能简单迭加 在一起的。而典型相关分析则是将各组变量都作为整体来对待,因此它所描述的 是两个变量组之间的整体的相关形式,而不是关于两个变量组中变量的相关。实 际研究当中,注重变量组之间关系的情况是很多的。比如,研究个人及其家庭的 社会经济状况与本人在某些方面的表现之间的联系,其中社会经济状况可以是多 方面的,本人的表现也可以从多个方面来测量。又比如,在有关专题的KAP调 查(即关于知识、态度和实际行动的调查)以后,我们可能将知识和态度变量作 为一组变量,将实际行动作为另一组变量,研究知识和态度与实际行动之间的联 系。又比如,典型相关分析还可以用来分析试验研究中产生的两组变量,即试验 前各方面的测量记录与试验后各方面的测量记录之间的联系。还有,典型相关分 析还可以用于对应关系研究,如夫妻之间、代际之间、干群之间、供求之间所存 在着的两组多变量之间关系的研究。 与相关分析类似,典型相关分析中本来也不设自变量(组)或因变量(组), 而是称第一变量组和第二变量组。但研究人员实际上可能有隐含的因果假设,即 某一组代表自变量,另一组代表因变量。比如,我们在分析中实际上把上述研究 中的社会经济状况、知识和态度、试验前测试结果作为自变量(或控制变量,在 模型中控制变量属于自变量范畴),把本人表现、实际行动和试验后测试结果作 为因变量。典型相关分析中习惯上将自变量和因变量分别称为预测变量( predic tor variables)和标准变量( criterion variable)。在有隐含的或明确的因果联系假 设时,我们将会更多地把研究精力集中于一个方向的作用上。在完全没有内在因 果联系假设时,我们便需要进行双向的分析。在典型相关分析中对两组的分析是 对称的,即分析结果是双向的,无论怎样定义第一变量组和第二变量组,只要组 内的变量不变,就能够得到同样的分析结果。 、典型相关分析思路的简介 由于本章的主旨是介绍利用SPSS软件来进行典型相关分析,因此本章不再 详细介绍它的数学证明及其计算过程,而是注重介绍它的分析思路以及有关主要 概念、指标的理解和应用。 我们先用一个图示(图10-1)来说明典型相关分析的思路和工作步骤。 08