ESTADISTICA ESPAOLA

Nm. 89, 1980, pgs. 15 a 28

Nuevos desarrollos en el anlisis cannico

generalizado
por JOSE M.a CARIDAD Y OCERIN
Departamento de Estadstica, I. O. y Econometra
ETSIA. Universidad de Crdoba

por ANTONIO J. BAIGORRI MATAMALA

Departamento de Estadstica. Facultad Ciencias Econrnicas
Universidad del P^s Vasco

RESUMEI\1
La teora de la correlacin entre dos variables fue generaJizada a conjuntos por Hotelling (1936}. Paul Horst (1961) desarrol el modelo de
Hotelling a rns de dos conjuntos de variables y Rao, R. B. (1969} generaliz el coeficiente de correlacin parcial entre dos variables a conjuntos. El
camino iniciado por Rao fue seguido por Timm y Carlson (1976) en su
trabajo Anlisis Cannico Biparcial y por Sik-Yum-Lee { 19?8) en su
modelo Anlisis Cannico G^-Biparcial.
En este trabajo presentamos un nuevo avance en el anlisis cannico al
que hemos denominado AnlisisCannico G-Biparcial Generalizado^. Tal
modelo supone la extensin del Anlisis Cannico Generalizado de Paul
Horst en la misma lnea que el trabajo de Sik-Yum-Lee lo es del de
Hotelling. EI propsito de este nuevo modelo e ^ el estudio de las interdependencias entre ms de dos grupos de variables cuando se han eliminado
los efectos lineales que otros grupos pueden ejercer.
Palabras cla^re: Anlisis Cannico, Anlisis Cannico Biparcial, Anlisis
Cannico Generalizado.

16
I.

ESTADISTIC: A ESPAOI.,A

INTRnDUCCIUN

E1 Anlisis Cannico introducido por H. Hotelling (1935, 1936) como mtodo de

deterrninacin del grado de asociacin existente entre dos grupcas de variables, ha sido
desarrollado desde entonces en dos direcciones: el Anlisis Cannico Generalizado y el
Anlisis Cannico Parcial.
E1 Anlisis Cannico Generalizado es debido a Paul Horst (1961 a, 191 b). Este
autor expuso en un primer tr^abajo un procedimiento de extender el madelo de Hotelling
a m> 2 conjuntos de variables que fue seguido por otro en el que aparecen tres nuevos
mtodos de generalizacin.
E1 Anlisis Cannico Parcial fue desarrollado por R. B. Rao ( I99), generalizando a
conjuntos de variables aleatorias, el coeficiente de correlacin parcial entre dos variables. Este trabajo constituy el punto de partida de una cadena de modelos cannicos
cada vez ms generales. Tal es el caso del rnodelo Cannico Biparcial de N. H. Timmy
J. E. Carlson (1976) en donde se extiende a conjuntos el coeficiente de correlacin
biparcial entre dos variables .
Un nuevo avance en este campo es debido a Sik-Yum-Lee (.197g), que desarroll el
Anlisis Cannico G^-Biparcial (que representaremos mediante las iniciales ACG^-B.).
El objeto de este trabajo fue la determinacin del grado de asociacin existente entre
dos vectores de residuos obtenidos eliminando el efecto lineal de otros vectores aleatorios que presentan entre s una estructura de dependencias que incluye como caso
particular a la asociada al modelo Biparcial.
En este trabajo presentamos una nueva extensin del Anlisis Cannico ai que nos
referimos como Anlisis Cannico G2-Biparcial Generalizado (en lo sucesivo,
ACGz-BG), que supone 1 a e xtensin a m> 2 vectores de residuos del ACG^-B, y
constituye una generalizacin del modelo de Sik-Yum-Lee en la misma lnea que el
citado traba^jo de P. Horst lo es del modelo de Hotelling.
En la exposicin hemos distinguicio dos partes. La primera, a modo de referencia, y
con objeto de introducir notac iones, la dedicamos al ACGz-B, as como a sus propiedades. En la segunda, se expone el ACG2-.BG El procedimiento de obtencin de las
variables cannicas G2-BG est basado en la generalizacin a m> 2 vectores de
residuos de las propiedades a las que se hacen referencia en el modelo G^-B; dicho
procedimiento constituye una adaptacin al caso aqu considerado del mtodo empleado
por P. Horst para generalizar el Anlisis Cannico de Hotelling. Otras generalizaciones
del ACG2-B pueden lograrse mediante la adecuacin conveniente del resto de procedimientos de P. Horst.

NIiE:VO5 UESARR(.)L..LOS E:N ANAI,ISIS CANONlC'O C;ENE:RAI_..ILACX)

l7

I..oti dititintos mtt^^doti del Anlisis Cannico. _junto con 1^^^, dems ttcnicas Multiv^^riantes, c-unstituytn un cunjuntt^ de hc^rrami^:nta^ estad^tic^i^ d^: incfudt^hlc^ inttrts c:n c^l
anlisis dc datus ecc^nmic:^^s, y que tngarz^i cc^n pruhlem^^s ^:Irisic^^s cic.^ el^^huracin de
mudelc^s multiecuacionales tanto e^;tticoti c;c}m^^ din^imicos, y c^}n el anlisiti cle stricti
iemporales multivariantes.

ll.

ANALISIS CANONICO G,-BPARCIAL

7.1.

I^EFINICIONES
--^

--^

--^

--^

--;

Sean {X,, X,. X,, X,, Y X{) vectures aleatc)ric^s de dimensi^^nes n,, ^i^, ^i;. ^^., y ^r^;
I^iil ; r, j
rt, ^ n_ distribuid^^s eonjuntdmente c:c)n parrnctruti (0, ^);. ^
1. 2. 3,
--^ - -^ --^
^
_-.
4, 5. Supongamos ademcis que el veci^^r Xz est^i a^+uciacl linealrnentt a X,, X^, X^, X, y
^
^
--^
Xi; y que X,^ y XS lu estn a X, y X,, rtspectivamc^nte.
Grdficamente:

Xz

X3

G-1
Este tipo de anlisis tiene por objeto determinar Ia interdependencia existente entre
-^
-^
X, y X, despus de eliminados los efectos lineales de los vectores representados en
G-I.
Mediante Ia consideracicin de las regresic^nes apropiadas puede verse fcilmente que
Ios vectores de residuos:
----^

_ [ --^

^i^a - t.^z - ^14.3^-443Fa^

_^ --^
E^3s ! E^t " ^253^-SS3^si

--^
donde E ij rep'resenta los residuos de la regresin

^ij3

^ ^ ij

^i3 ^33 ^3j'

---^
de Xi sobre

^^ -%

^^

-a
^'^^ y^..i^.3:

2+ 3^ 4^ 5

^ 3^

ESTADISTICA ESPAN()l,A

--^^

-^^

^^^n tl rt^st^^ ^e X, y X. ^ieti^^^^ cic^ eliminar lati intluc:n^i^iti lin<<ilc^ a^imiti^a^ tn G-1 y
^^^^een un^t matrir cle ^^^vari^^nzt^^+ cunjunt^^ cie I<i f^^rma:
^_ *
^- ^ ^
^ ^^
^,t:, ^..^:.^.

-_

( 4]

sien^iu
^ ,*,

= ^ 1I3 - ^. 143 ^.443^413 =- ^ I I^4

*
^. . , __

[S]

^ 223 - ^ Z^.3 ^ 5_S ^^ ^ ^w.3 =_ ^ ; 23^

C61

^
T,, t 4- 3 T. ,^^'^ ^^ .^ ^ 3 -S ^ ^ 3 ._ ..
_^
^
^^.,443 ^..^5^3..j..SS^3 ^S^3
143

^ , , _.

^ ^ S- 3 ^, _ ' ^
SS.3
52^3

^[ 7]
-i

-i

Se dtnuminan currelaciune^ y veetc^res ean^nicus G^-B entre X, y X^, a las

c:^^rrelaei^^nes y vec:t^^re^ cans7nic^^s entre f,,., y f,;S segn el mcjciel^^ cie Hutelling.
-^
----^
Fst^^ ciefiniein
im^lica que I^^s vectures cancnicc^s _G,-B cntre X, y X^, sun los
^
-^
ve^t^^res U* y V* uhtenicic^s a travs cie la transt^ rmaein lineal.
_.^
^
U* - L*'t:, ss

_^

[ H]

V* = M*'f:.z^

[9]

cun matrir cie cuvari^.inras c^^nj unta

_

,^, ^, P
-^---P' ^i I r

__

( 10]

sienclc^
^-^,

----;. n _ - n ^ -,

^r 2 -

0 ... 0 , ^ 0...0 0...0

0 a^,...
0^
_
^ 0...0 0,.,0
:

P -_

^^

^ :

^^

0____0 . .. ^. r ^ 4 ...0 _ 0 .. .0
4

0 ... 0 -^+0 ...0

0. .0

.
.

:
.

:
.

0...0 ; o a a...o
^
n,

:
.

i :
^ .

:
.

n2

> /'.. ^

> . . . l^. r > a

r = rang ^ *^

19

NUEVUS DESARRC)t.LC)S EN ANALISIS CANE]t+ilC'O GENERALI"LADO

A los r elementos nca nulc)s de P se les denc^mina correlaciones cannic^^s G.-B entre
^
-.
X, y X_, y son una medicla del grado de asoci^icin existente entre dichos vec:tores
cuando han sido eliminados los efecto:^ lineales supuestus en G-I.
La descomposicin singular de la matriz
*
_i^2
-i;^
C = ^ [ 134 ^ ^ ^ ^ 223S

( Kshirsagar, 1 y72) prueba que las matrices L* y M * que en ( 8} y( y^ nos lle van a u nos
--^
-a
vectores U* y V* con una rnatriz de covarianza ( 10^ , son soluciones de los sistemas:
(^*^,_^.
^ ^ 22-^-s

*,

- a4 2^ i^-^a] L* = 0;

[^ *, ^ ^2^3.5 ^ *,

- i^. ^ ^ ^ ^-3^} M * - 0;

L' *^^ t3a L* = In,

( 12]

M ' * ^ 2^ ^s M =- 1 n ,

} 13 }

y los elementos no nulc^s de P son races cuadradas positivas de las soluciones comunes
a las ecuaciones:

I ^ ^ ^ ^ 2^2.^.^ ^ * - ^^ ^ ^ ^ 13^ - o
^^ *,^ 11.3.q^^, -- ^l.`^223^

( ^^)
[lsl

_ ^

-.^

-}

En lo sucesivo nos referiremos a las parejas de componentes de CJ* y V*; (u*, v*),
(u*, vz ), ..., (u*, v*), como primeras, segundas, ..., r-simas variables cannicas G^-B y
a sus coeficientes de correl acin respectivos^y , , ^. ,; . . . , ^.,., primeras, segundas, ... ,
r-simas correlaciones cannicas G,-B enire X, y X^.
2.2.

PROPIEDADES

Los vectores cannicos G,-B poseen una serie de propiedades que ponen de
manifiesto las caracteristicas de las transformaciones [9} y j 10); es ms, algunas de estas
proporcionan criterios alternativos de obtencin de tales vectores. Para el propsito de
este irabajo nos interesa destacar las que se exponen a continuacin; previamente
introduciremos algunas notaciones: denominaremos T, y T^ a las matrices triangulares
inferiores que satisfacen la relacin:
T^ T; _ ^ ^a3a
j 16}
T,T^ _ ^22^s
P. 2.2.1
De todas las combinaciones lineales normalizadas en varianza de los residuos ^,;,^ y
^
E^_^s, las primeras variables cannicas G^-B son las que poseen una matriz de covarianzas cuya suma de elementos no diagonales es mxima '.

' Para la demostracin de esta progresin y de las siguientes, ver Baigc^rri (1979, Cap. 1.).

2()

ESTADISTICA ESPAt^iO1_A

P. 2..2.^
C}e todaS las cc^mbinacione^^ lineates cie lOS restdU(^s f , ^, y^; ^ is n(^rmaliz^^das en
varianza e incorrelada.s con las primeras variableti cannic^^s G^-B, las seguncas variables cannicas G^-B, sc^n las yue puseen una matriL de varianzas cuya suma de
elementos no diagonales es mxima.
P. 2.2..3
En general, de todas las combinaciones lineales de 1(^s residuos ^, s,, y ^ is normalizadas en varianza e incarreladas cun las ( r - 1)-sima variables cannicas G,-B, las
r-simas variables cannicas G^-B, son las que poseen una matriz de covarianzas cuya
suma de elementos no diagonles es mxima.
Un razonamiento similar al emple^^do en las demustraciones de P. 2.2.1 y P. 2.2.2,
prueba que las variables u* y ^ ^* que satisfacen las condici(^nes anteriores, pueden ser
expresadas en trminos de u na matriz.
^ ^
D*
r
= u
^ r-+
^
0
h*
que satisface el sistema:

D* ^*^

P^r ^ ^r ^`- r

y sus coeficientes i; y b* dan lugar a unos vectores

1,* _ (T^^t)'cl*;

rit; ^ (T ^ ^)' ^*

que son los de las r-simas variables cannicas G,-B entre X, y X^.

[II.

3. 1.

ANALIS[S CANGNICCJ G^-BiPARC1AL GFNE RAL[ZAD

INTRODUCCIC)N
-^

-^

-^

Sean X^ , X,, ... , X 2m+ ^(m > 2) vectures aleatorios de dimensiones respectivas n, ,
n,, ..., n2m+1, distribuidos conjuntamente, centrados, con matriz de covarianzas;
E-[^;^ J;

i, j- 1, 2, ..., 2m + 1

NUEVOS UESARROt._,l.OS EN ANA[_lSCS C,qNONIC'O GENERAI_IlADO

Su^ungam^)s que entre ciich^)^; vecte^res exitite unri t^,tructura cie ce^en^iencias linealc^s re ^re^e nta^ias ^ur e) graft^ C;-[ I.

--i
2m

G-II

-^

P^)r analuga al prc^cesc^ seguicic) en 2.?, It)s cumpvnentes ^iel supervector de residuus

F2rn+l

-(f l.2m+1 ?.2rn+1,

..., t in. n+l^ ^l)n (.^e la fl)1'n1:i:

--^
f: i. 2m + t.r + i

--

---^
f; i. 2.rtr + 1

_^
_^
^.i.rrr+i^?trr+I,^ m+l,nt+l^2nr+lf:m^+i.2r^t+l

[11

^ara i= l,?. ..., ^rr, y^ue^ien interpretar^;e c:^^mu el restc^ de Xi ciespus de haber sidc^
---^
--^
eliminadc.^ el efec:tn line^^l cie X^+ r Y cie lcjs vectvres X,,, +i, i= 1, 2, .. ., r^r.
Una extensn natural cel mc^delo G,-B a 2^ri + i vectc^res n^)s llevara a buscar las
matrices de transfc)rmacicn 1_,, L,, ..., Lrrr, cie ft^rma que los vecic^res:
^

_.^
1

vi = ll., f:i,2rn+l.m+i;

- 1, ^, .... /f?

[1L^

diesen lugar a una rnatriz ce cc^varianzas cunjunta de la furma:

[n,
i P^ , i ... i Ptm
-rt---^^ _i---^u,. u,, ._.. um

P,, ^ ^n_ ^ . . ^ P2m

--- i---,--.- ^---^

-j-

Pm 1 ^ Prn2 ,

...

---'

i inm

siendc) las matrices Pi^ c^e estructura anloga a I^i matriz P^ie [ 1 1[ ciel apartac^c^ 2. Puede
prubartie fcilmente, que en general no es pc)tiihle para jr> > 2 lc^grar una transforrnacin
cie estas caractersticas. Ahora bien, si es ^u^ible c^btener unus vect^res transfc^rmad^s
de furma que, cc^nservtmdc^se la c^iagunal de (3J, las matrices P;^ tengan tus elernentos
distintc)s a los ^.; ; i = 1, 2, ..., r, si n^ nul^s, s que se aproximen a cera.

22

ESTADISTHCA ESPAOLA

Una forma de lagrar unos vectores de variables transformadas [2^ con matriz de
covarianzas que se apruxime a[ 3] en lus trminos descritos en el prrafo anterior, es
^
exigiendo a los grupos de componentes de U;; i= l, 2, ..., m, con el mismo subndice,
que satisfagan las propiedades expuestas en 2.2 extendidas a m variables. En lo
--.
^
sucesivo denominaremc^s U^^^ al vector formado por las i-simas componentes de U,,
--.
-.
U,, ..., Um.
^
Denominaremus primeras variables cannicas G^-BG, a las variables U*^'^ =(U*^^^,
U2^^^, ..., Um^l^) transformadas lineales de ,2i^+I.m+;; i= l, 2, ..., m, nrmalizadas en
varianza, y que posean una matriz de covarianzas cuya suma de elementos no diagonales sea mxirna; los elementos no diagonales de esta matriz sern las primeras correlaciones cannicas G,-BG.
^
Denominaremus segundas variables cannicas G-BG a las variables U*^2^ _(U*^2^,
U2^2^, ..., Um^2^) transfc^rmadas lineales de ^ 2m+^.m+,; i= l, 2, ..., m, normalizadas en
varianza e incorreladas ccm las primeras variables cannicas dentro de cada grupo
(E U*^^ ^ U*{^^ = 0; i= l, 2,..., m), con matriz de cuvarianzas cuya suma de elementos
no diagonales sea rnxima; los elementos ncs diagonales de esta matriz sern las
segundas correlaciunes cannicas G,-BG.
^
En general, denominaremos r-simas variables cannicas G^-BG a 1as variables U*t^^ =
*^r}
.
*(r)
-^
^( U,*lr)
, U2 ,...,
Um , transformadas
lineales de ^;,2,+
l,m+;; i= 1, 2, ..., m, normalizadas en varianza e incorreladas con las primeras (r - l)-simas variables cannicas
G,-BG dentro de cada grupo (E U*U^U*^k^ = 0; i= l, 2, ..., m; j= l, 2, ..., k- l;
k= 2, 3, ..., r), que posean una matriz de covarianzas cuya suma de elementos
no diagonales sea mxima; los elementos no diagonales de esta matriz sern las r-simas correlaciones cannicas G,-BG.

3.2.

OBTENCIN DE LAS VARIABLES CANNICAS G,-BG

Las definiciones dadas en la introduccin proporcionan un criterio inmediato de

obtener las variables cannicas biparciales generalizadas que ser expuesto a continuacin. Previamente intrcxiucimos las siguientes notaciones: denominaremos:
T^^
D, -

O
:

G ... O
T-^ ...
:`

O
:

[4l

NUEVOS DESARRC)l_[_OS EN ANALlSIS t:ANON!CO GENI^RA1.11AL^c)

^i- ^ ^ ^ ,*, t ^r _ ' ^ '

...

.r ^, ^ . ,,n ^ T,^,' ^

. . .

'^ 1 ' ^^.+ J^] l r11 ^ / ,

_

T ^^^ ^- ^r^ { T _ , ) ,

...

23

^ `r
T _ 1 ^ ^* ( T
_
_1

R =
^ T ^,' ^ m ^ ( T ^ ' )'

siendo
*

^ij

= ^ii2rrt+l

-1

- ^i.m+i?m+l ^m+i.rn+i2m+1 ^m+i.j'?m+ I ._._

1
- ^i,m+jZm+l ^m+j,m+f2m+1 ^rn+j.}2m+1 -+I
+ ^i.m+i2m+) ^rn+i,m+i?rnt l ^rn+i.m+j?rn+ 1 ^rn+j.m+-j-2m+ I ^m+j^j2rn+1

^
Ll ^i)
^
.--^

()

...

Cl (i, )

(^

C^ i

La^^

! --=

1. 2, ..,, r)^

[^J

clli'^
rn

dunde T; es la matriz triangular inferiur que tiatisface:

T iT i^^ ii2m+ l-m+r

3.2.1.

Oht^ncirt d^ lus prrrtE^rus

171

^ ^urtuhlc^s ctlrrc^itic^cts G.-BG

Sea U^'^^ ^(U^'^, U^[^, .,., U;,;') eumbinaciunes lineales, nurmalizadas ^:n varianza, de
luS residuos F /;2m+ [,m + i; ! = 1 , ^, . . ., i11
--^

---^

U^[^ = D^ Dr^^2.n+!

[^^

^^ ^^ = 1

lyl

La suma te los elementus nu c^iagc^nales c^e la matriz cie covarianzas de U^'^ eun la
c:undic; in [ yJ la ex^res^imus med iante 1a L^^grangiana.
^, = 1' D PD, 1- 1' D^, D,^ ,
P - R - 1

__^ ,
/1. ^

-_

( ^t , ^ , ^`^ ^ , ,

cuyu ptimu cunduce al sistema cie ecus^ciunes:

--^
-^
YD, 1 = D,^.,

[ 131

ESTADISTICA ESPAWOLA

^ii D^ e^ I^i matril ^ie c:c^efi^iente^ quc^ ^ati4faee ^ 13J. las primeras variable^ cannieas
_-^
^^* ^ 1 ^ ^,.endr^tn ciacia^^ ^x^r la e xpre^;icn:
-^
,
^*cl) _ D* p^F:z^-1

[ 141

y __^
las primeras
currelaci^mes cannicas G_-BG pur lus elementu5 no diagunales de
_^,
H U*ci) U*-(r,

3.2.2.

Obt^c^rrcic^n c^E^ !us scjxundus ^ ^uriuhl^s cunc^nicus G,-BG

.
-^
,
,
^ l2) _
,
S^,an
-( U (2)
U
^ , U,^21,..., U,,,l2)) , cumhinaclc^nes
lineales de los residuus f:;,2m^ ^,rn+;, i
-^- 1, ?, ..., r^i, incc^rreladas ^c^n las primeras variables cannicas G,-BG y normalizada
en varianza.

--^

--.

U(2) -_

^D^t^2rn+I

[ 15^

D*'D^ = 0

[ 16J

D^D, _= I

[ 17)

-^
La suma de los elementus no diagonales de la matriz de covarianzas de Ut2^ con las
restric:eiunes impuestas, las expresamos mediante la funcin de Lagrange:
^ , = 1'D^PD,
-^
^. ^

^
^^^

--^
--^^
--.
-
^ 1 r D 2 ^2^ z^ 1` D* ^D ^ Dz^P 2^

_ (!^. Y ^ , . ` ^ , . . . ,

%ti 2m ^

_ (^^^ i, . .., ^z^ ^)

[ 1 g)
[ l9)
[ 20)

cunduciendu su uptimizacin al siguiente sistema de ecuaciunes:

-^
--^
(1 - D; D *' } PD,1 = D_^. ,

[2^)

Si L7^^; es la matriz c1e cc^eficientes que satisface [21), las segundas variables cannicas
G,-BG pueden ubtenerse a travs de la expresin:
U * ^2) = D*' D ^^
=
r z.^r + ^

[ 221

y las segundas correlaciones cannicas G,-BG sun los elementus no diagonales de

-^
-^
EU*cz)U*^(z^

NUE VOS DESARRC)LLC)S EN ANA[.ISIS CANONICO GE?^ERAL1'I_ACX7

3.2.3.

25

Ohtencin c^c^ lus r-c^simus ^ ^r^riclhlc^s cuncnicus (;,-BC;

^
^(rl ' -=( U^
lr) , U^Ir1, ...,
( rl combinac^c^nes

'
'
' dt 'lus r^.sidu^^ti
'
}.^:,,,,t t^^,,,,,
Um
lin^.alt^
5ean
U
i== 1, 2, ..., rri, normalizacias en varianzas, e incc^rrc:ladati c^^n la^ lr -- 1)-simas
variables cannicas G,-BG.
---^
-^
U(r) - j^rDtf;2m+ 1
^23)

3;D^ - U;

j-- l. 2, ..., r- I

( 24)

[251

D^ Dr ^= I

Un razonamiento similar al empleado en 3.2.3, prueba que si D* es la matriz que

satisfaee al sistema:
r- ^
I-^ D*D*'
^- ^

PD ^ l= Dr^^r

--.
1..'r

= (^,. r 1 ^- r2+

[ 261

l 27)

las r-simas variables cannicas G,-BG vienen dadas por la expresin:

U*^'^ = D*' D^^2m+1

f 2^1

y las r-simas correlaciones cannicas G,-BG son los elementos no diagonales de

--^
--^
E U *{r^ U*' ^r^.

IV.

CONSIDERACIONES FINALES

El Anlisis Cannico G,-BG tiene p^r objetu determinar un nuevo sistema de ^ coordenadas donde se manifieste con mayor nitidez las interdependencias existentes entre los
--^
-^
--.
vectores X^, X^, ..., Xm despus de eliminar los efectos lineales de los vectores
supuestos en G-Il. Una medida de tal interdependencia viene dada por las correlaciones
cannic as G ^-BG.
-^
Cuando en el grafo G-I I se consdere X2m+ ^ incorrelado con el resto, introduciendo
esta condicin en 3.2, el modelo resultante supone la extensin a rn >

2 canjuntos de

variables del Anlisis Cannico Biparcial de Timm y Carlsan. Si en lugar de la hiptesis

--i
--^
--^^

anterior se considera que X2m+ j es incorrelado con Xm+^ , y este vector lo es con X^
para i= 1, 2, ..., m, la inclusin de estas hiptesis en 3.2 da lugar a un model^
cannico que constituye la extensin a m > 2 conjuntos de variables del Anlisis
Cannico Parcial de Rao ( Baigorri, 1980).

ESTA[)ISTiCA ESPAC}LA
^_i

F^in^^im^ntc.^, ^i ^ti ^untiici^.^r^z yue X^,,,., es incurrel^tdu c^)n el restu de lus vectures y
,
__
1, .. ., ^^r. la^+ v^rri^^blc^^ ^^tnc^nicati en 3.2 sun las
adem^^^ X,^, ., c^^ in^c^rrel^r^lc^ c^^n X,; i
^^^iri^ihl^^ t^^ncnic:^iti gener^^lizad^^.^, tic:gn H^^rtit t 1961 a1.

E3![3l_IOGRAh'IA
E3AIt^c)RR^, A. J.: ^< Una Nueva F xtensicn en e1 Anlisis C'annicu. Apiic;acin al Mereadu Burshil r> . B^,Ic^t^^ cl^r ^^.ct,rcli^ ^ .+ Ec^^ ^ r^^^^tict^s. Universida^i Cumercial de Deustu, 35, pgs. 169-182
( ! 9K01.
E^A1G<)RR1. A. J.: Nuevas generalizdeic^nes en el Anlisis Cannieu. Tesis Doctoral. Diciembre,
1979. i3 i I bac^ ( I 97y ).
Hc>RS^r^, P.: ^^ Rel^rtiun^ amung m^ets uf inea^ures. Phsyehumetrika, 2b, pgs. 129-149 (1961 a).
Hc>ks'r, P.: Creneralizeci Canc^nital Currel^itiun^ and their applieatiuns tu exp^erimental data.
Jr^rcrirul t^/' C'lir^ic'uf P.^:^'c^hc^lc^h^^, 14, pgs. 331-347 i 19b1 b).
Hc^tr:t.r.IN^;, H.: Tht must prtdic:table eriteriun. Jc^rrrrrul c,/`^'c1t^cuti^^nul Ps^^chulc ^^jy, 26, pgs.
I.^y- I 42 ( I 935 ).
HOTEl_1.ING, H.: Relatiuns between twc^ set^ uf variates. Bic?^nc^triku. 28, pgs. 321-377 (193).
KsNlf'ZSAGaR, A. M.: Multivariate Analysis. Murc'c^l Dc^kk^r. Nueva Yurk (1972).
RAC^, R. B.: Partial Canunieal Currefatiuns . 7^rubujus cl'c^ Estuclr^ tic'u e In^^E^stiKuc'lc)11 O^^c^rutiva,
20, pgs. ? 1 1-219 f I 969).
TIMM, N. H., CARt.st^N, J. E.: Part and Bipartial C'anunical Currelatiun Analysis. Psychumc^tri^u, 4! . pgs. l59-176 t 1976).
SIK-YuM-L^r,: Generalitati^^ns uf the Partial Part and Bipartial Canunica) Correiation Analysis,
f's^^c'hc^mc^tri^u, 43, pgs. 42?-430 ( l97ti).

SUMMARY
The theury of ccarrelation between twc) variates was generalized to sets
Paul Hurst (1961) c^evelopped the Hote-

of variates by Hutelling (193).

lling Mc^del tu m^re than twu sets of variate5 and R. B. Rao (1969)
generaiiled the Partial cc^rrelatic^n cc^et^icient between twu variates to sets
uf variates. The way Started by Rau was continued by Timm and Carlson
(1976) in their model Bipartial +Canonical Analysis and by Sik-Yum-Lee
(1978) in his work B ^-Bipartial Canonical Analysis .
In this paper we develop a new advance in canonical analysis which we
have denominated Creneralized G^-Bipartial Canunical Analysis. It su-

NUEVOS UESARR(?LLOS EN ANALISIS CANONICO GENERALILADO

27

pusses an extensivn uf Generalized Canonical Analysis frum Paul Horst in

the same way that Sik-Yum-Lee's mociel is a generaiitation of Hotelling's
work. The object uf this new model is the study uf the interdependences
am^ng more ihan two sets of variates when the linear ef`ects thai other sets
may play are removed.
Key ^tc^rc^s: Canonicai Analysis, Bipartial Canonical Analysis, Generalized
Canonical Anal ysis .
AMS, 1970. Subject classif<cation: 62H2O.