Академический Документы
Профессиональный Документы
Культура Документы
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
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.
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:
----^
_ [ --^
--^
donde E ij rep'resenta los residuos de la regresin
^ij3
^ ^ ij
---^
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
^ ,*,
*
^. . , __
[S]
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
_^
[ H]
V* = M*'f:.z^
[9]
,^, ^, P
-^---P' ^i I r
__
( 10]
sienclc^
^-^,
----;. n _ - n ^ -,
^r 2 -
0 a^,...
0^
_
^ 0...0 0,.,0
:
P -_
^^
^ :
^^
0____0 . .. ^. r ^ 4 ...0 _ 0 .. .0
4
0. .0
.
.
:
.
:
.
0...0 ; o a a...o
^
n,
:
.
i :
^ .
:
.
n2
> /'.. ^
r = rang ^ *^
19
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;
( 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
rit; ^ (T ^ ^)' ^*
que son los de las r-simas variables cannicas G,-B entre X, y X^.
[II.
3. 1.
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
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: 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^
-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.
O
:
G ... O
T-^ ...
:`
O
:
[4l
...
.r ^, ^ . ,,n ^ T,^,' ^
. . .
T ^^^ ^- ^r^ { T _ , ) ,
...
23
^ `r
T _ 1 ^ ^* ( T
_
_1
R =
^ T ^,' ^ m ^ ( T ^ ' )'
siendo
*
^ij
= ^ii2rrt+l
-1
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
3.2.1.
171
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 , ^ , ^`^ ^ , ,
[ 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.
.
-^
,
,
^ 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 ^
[ 1 g)
[ l9)
[ 20)
[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
3.2.3.
25
^
^(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
PD ^ l= Dr^^r
--.
1..'r
= (^,. r 1 ^- r2+
[ 261
l 27)
f 2^1
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
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-
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-
27