【CCA（典型相关分析）】符号对照、代码实现 SPSS 语法、Python 完整分析脚本、

附录 A　符号与缩略语对照表

本附录集中收录全书使用的数学符号与英文缩略语，供查阅。数学记号遵循第二章约定：粗体小写表示向量，粗体大写表示矩阵。

A.1　核心符号对照

A.2　英文缩略语对照

A.3　易混概念对照

附录 B　各平台完整代码汇总

本附录给出第 5 章第 5.2—5.3 节流程的完整可运行脚本，全部使用统一的示范数据：16 名运动员的生理指标组（肺活量、最大摄氧量、体脂率）与体测成绩组（百米用时、耐力跑用时）。真实分析请按第三章准则放大样本，本数据仅用于流程演示与跨平台核对。

B.1　SPSS 语法代码

*--------------------------------------------------------------
* SPSS：典型相关分析完整流程（含标准化、检验、载荷导出）
* 数据文件需含 6 个数值变量：肺活量 最大摄氧量 体脂率
*                        百米用时 耐力跑用时
*--------------------------------------------------------------

* 第一步：缺失值报告
MISSING VALUES 肺活量 最大摄氧量 体脂率 百米用时 耐力跑用时 (SYSMIS).
DESCRIPTIVES VARIABLES = 肺活量 最大摄氧量 体脂率 百米用时 耐力跑用时
  /STATISTICS = MEAN STDDEV MIN MAX.

* 第二步：Z-score 标准化（生成 z 前缀新变量）
DESCRIPTIVES VARIABLES = 肺活量 最大摄氧量 体脂率 百米用时 耐力跑用时
  /SAVE
  /STATISTICS = MEAN STDDEV.

* 第三步：典型相关分析（官方宏路径；菜单路径为
*        分析 → 相关 → 典型相关性，集合1/集合2 对应变量入框）
INCLUDE 'C:\SPSS_安装目录\Canonical correlation.sps'.
CANCORR SET1 = Z肺活量 Z最大摄氧量 Z体脂率
        /SET2 = Z百米用时 Z耐力跑用时.

* 第四步：逐级显著性检验的替代路线（MANOVA 近似输出 Wilks）
MANOVA Z百米用时 Z耐力跑用时 WITH Z肺活量 Z最大摄氧量 Z体脂率
  /DISCRIMINANT STAN CORR ALPHA(1)
  /PRINT = SIGNIF (MULTIVAR UNIV).

* 第五步：把关键输出表导出为 Excel（供三线表排版）
OMS SELECT TABLES
  /DESTINATION FORMAT = SAV OUTFILE = 'CCA输出.sav'.
CANCORR SET1 = Z肺活量 Z最大摄氧量 Z体脂率
        /SET2 = Z百米用时 Z耐力跑用时.
OMSEND.

执行说明：菜单路径"分析 → 相关 → 典型相关性"若当前版本缺失，用第三步的宏语法等价替代；第四步 MANOVA 输出中的 Wilks’ Lambda、近似 F 值与显著性对应 4.1.3 节的检验口径。导出环节的 OMS 子系统将输出表转存为 SPSS 数据文件，再粘贴到 Word/WPS 中排版为三线表（6.5.1 节）。

B.2　R 完整分析脚本

#------------------------------------------------------------------
# R：经典 CCA 完整流程（标准化 → 求解 → 逐级检验 → 载荷 → 冗余）
# 依赖：CCA, CCP
#------------------------------------------------------------------
library(CCA); library(CCP)

# 1. 数据读入与预处理
dat  <- read.csv("athletes.csv", fileEncoding = "UTF-8")
Xraw <- dat[, c("肺活量", "最大摄氧量", "体脂率")]
Yraw <- dat[, c("百米用时", "耐力跑用时")]

# 1.1 缺失审计（示意：缺失率与机制描述）
print(colMeans(is.na(dat)))
# 1.2 标准化（第二章不变性：不改变典型相关，只统一权重尺度）
X <- scale(Xraw); Y <- scale(Yraw)

# 1.3 组内共线诊断（3.1.3 节：条件数与 VIF）
eigen(cor(X))$values[1] / tail(eigen(cor(X))$values, 1)   # X 组条件数
library(car); vif(lm(scale(Y[, 1]) ~ X))                  # VIF 示意

# 2. 典型相关求解
res <- cc(X, Y)
rho <- res$cor                       # 典型相关系数
print(rho)

# 3. 显著性检验：Wilks 逐级序列（4.1—4.2 节）
p_tab <- p.asym(rho, N = nrow(X), p = ncol(X), q = ncol(Y),
                tstat = "Wilks")
print(data.frame(保留前k对 = 1:length(rho), p.value = p_tab$p.value))

# 4. 载荷矩阵与交叉载荷（6.3 节）
load <- comput(res, X, Y)
Lx <- load$corr.X.xscores            # X 变量 × U 载荷
Ly <- load$corr.Y.yscores            # Y 变量 × V 载荷
CLx <- load$corr.X.yscores           # 交叉载荷 corr(X, V)

# 5. 冗余指数（4.3 节，两方向）
rd_XY <- colSums(load$Rdx2 * rho^2)  # X 组典型变量对 Y 组方差解释
rd_YX <- colSums(load$Rdy2 * rho^2)  # Y 组典型变量对 X 组方差解释
cat("Rd(Y|X) 累计 =", cumsum(rd_XY), "\n")
cat("Rd(X|Y) 累计 =", cumsum(rd_YX), "\n")

# 6. Bootstrap 权重稳定性审计（3.2.3 节）
set.seed(1); B <- 500
boot_a <- matrix(NA, B, ncol(X))
for (b in 1:B) {
  idx <- sample(nrow(X), replace = TRUE)
  r   <- cc(X[idx, , drop = FALSE], Y[idx, , drop = FALSE])
  boot_a[b, ] <- r$xcoef[, 1]
  if (cor(boot_a[b, ], res$xcoef[, 1]) < 0) boot_a[b, ] <- -boot_a[b, ]
}
print(apply(boot_a, 2, function(w) sum(w * sign(median(w))) / length(w)))  # 符号一致率示意

# 7. 可视化：U1–V1 双标图
U <- scale(Xraw) %*% res$xcoef
V <- scale(Yraw) %*% res$ycoef
plot(U[, 1], V[, 1], xlab = "U1", ylab = "V1", pch = 19)
abline(lm(V[, 1] ~ U[, 1]), col = "red")

B.3　Python 完整分析脚本

#------------------------------------------------------------------
# Python：经典 CCA 完整流程（scikit-learn + 手工检验/载荷补全）
#------------------------------------------------------------------
import numpy as np
import pandas as pd
from sklearn.cross_decomposition import CCA
from sklearn.preprocessing import StandardScaler
from scipy.stats import chi2

# 1. 数据读入与标准化
dat = pd.read_csv("athletes.csv")
X = dat[["肺活量", "最大摄氧量", "体脂率"]].to_numpy()
Y = dat[["百米用时", "耐力跑用时"]].to_numpy()
scaler = StandardScaler()
Xz, Yz = scaler.fit_transform(X), scaler.fit_transform(Y)

# 2. 典型相关求解（n_components = min(p, q)）
model = CCA(n_components=2, scale=True, max_iter=2000)
model.fit(Xz, Yz)
U, V = model.transform(Xz, Yz)     # 同时返回样本 U 得分与 V 得分

# 3. 典型相关系数
rho = [np.corrcoef(U[:, i], V[:, i])[0, 1] for i in range(U.shape[1])]
print("典型相关系数:", np.round(rho, 4))

# 4. Wilks 逐级显著性检验（与 R 版逐行对应）
def wilks_seq(r, n, p, q):
    rows = []
    for k in range(len(r)):
        Lam  = np.prod(1 - np.array(r[k:]) ** 2)
        df   = (p - k) * (q - k)
        chisq = -(n - 1 - (p + q + 1) / 2) * np.log(Lam)
        rows.append([k + 1, Lam, chisq, df, chi2.sf(chisq, df)])
    return pd.DataFrame(rows, columns=["保留前k对", "Lambda", "chisq", "df", "p"])

print(wilks_seq(rho, len(X), X.shape[1], Y.shape[1]))

# 5. 载荷矩阵与交叉载荷
def loadings(A, S):
    A = (A - A.mean(0)) / A.std(0)
    S = (S - S.mean(0)) / S.std(0)
    R = np.corrcoef(A.T, S.T)[:A.shape[1], A.shape[1]:]
    return R

Lx, Ly = loadings(X, U), loadings(Y, V)     # 本组载荷
CLx    = loadings(X, V)                     # 交叉载荷

# 6. 冗余指数（4.3 节）
ve_x = (Lx ** 2).mean(axis=0)               # U 对 X 组方差解释
rd_XY = ve_x * np.array(rho) ** 2
print("冗余指数 Rd(Y|U_i):", np.round(rd_XY, 4),
      "累计:", np.round(np.cumsum(rd_XY), 4))

# 7. 可视化：U1–V1 散点与载荷热图
import matplotlib.pyplot as plt
fig, ax = plt.subplots(1, 2, figsize=(11, 4))
ax[0].scatter(U[:, 0], V[:, 0]); ax[0].set(xlabel="U1", ylabel="V1")
im = ax[1].imshow(Lx, cmap="RdBu_r", vmin=-1, vmax=1, aspect="auto")
ax[1].set_xticks(range(2)); ax[1].set_yticks(range(3))
ax[1].set_xticklabels(["U1", "U2"])
ax[1].set_yticklabels(["肺活量", "最大摄氧量", "体脂率"])
plt.colorbar(im, ax=ax[1]); plt.tight_layout(); plt.show()

B.4　PyTorch 最小 Deep CCA 骨架（第十章）

#------------------------------------------------------------------
# Deep CCA 最小骨架：两路 MLP 后接 CCA 目标（负典型相关为损失）
# 目标函数细节见 10.2.1 节；工程级实现请参考论文附带代码
#------------------------------------------------------------------
import torch, torch.nn as nn
from torch.utils.data import DataLoader

class ViewEncoder(nn.Module):
    def __init__(self, d_in, d_out=32):
        super().__init__()
        self.net = nn.Sequential(
            nn.Linear(d_in, 128), nn.ReLU(),
            nn.Linear(128, d_out))
    def forward(self, x):
        return self.net(x)

def total_correlation_loss(fx, fy, r=1e-3):
    # fx, fy: (B, d) 已中心化输出；r 为岭惩罚（7.1.2 节思想）
    fx = fx - fx.mean(0); fy = fy - fy.mean(0)
    n = fx.size(0)
    cxx = fx.T @ fx / (n - 1) + r * torch.eye(fx.size(1))
    cyy = fy.T @ fy / (n - 1) + r * torch.eye(fy.size(1))
    cxy = fx.T @ fy / (n - 1)
    # 广义特征问题解：负对数行列式给出"对齐度"损失
    return -0.5 * torch.logdet(
        torch.eye(fx.size(1)) - torch.linalg.solve(cxx, cxy @ torch.linalg.solve(cyy, cxy.T))
    ).clamp(min=-20)

encX, encY = ViewEncoder(3), ViewEncoder(2)
opt = torch.optim.Adam(list(encX.parameters()) + list(encY.parameters()), lr=1e-3)

for epoch in range(300):                       # 训练循环（对应图 10-4）
    opt.zero_grad()
    fx, fy = encX(torch.tensor(Xz, dtype=torch.float32)), \
             encY(torch.tensor(Yz, dtype=torch.float32))
    loss = total_correlation_loss(fx, fy)
    loss.backward()
    opt.step()
    if epoch % 50 == 0:
        print(epoch, loss.item())

执行说明：骨架中的 total_correlation_loss 通过岭正则化后的协方差行列式近似总相关，损失下降等价于视图表征对齐度上升；输出维度 $d$ 与岭惩罚 $r$ 是仅有的两个超参数，按 10.2.1 节的交叉验证惯例选择。

附录 C　典型相关分析检查清单

本附录把全书的纪律浓缩为三张检查清单，建议打印或置为桌面便签：分析开始前过 C.1，模型拟合后过 C.2，报告发布前过 C.3。每一条都可追溯到正文对应章节。

C.1　数据准备检查清单（对应第三章）

分组设计

• 分组依据来自理论、先导文献或"不依赖组间相关结构"的探索（3.1.1）
• 没有把同一构念的量表劈成两组制造双 Y 混淆（9.2.1）
• 每侧变量数在合理范围，$\min (p,q)$ 对应的"故事容量"与预期一致（3.1.2）
• 组内共线已排查：相关 > 0.9 的变量对已裁决去留（3.1.3）
• 组内相关矩阵条件数与 VIF 无严重病态（3.1.3）

样本与缺失

• $n\ge 10\times (p+q)$ 或已明确记录偏离与理由（3.2.1）
• 小样本场景的退路（降维 / 正则化）已预先写入分析方案（3.2.2）
• 缺失率矩阵已产出，缺失机制（MCAR/MAR/MNAR）有判断记录（3.3.1）
• 缺失率 > 20% 的变量已进入剔除候选并裁决（3.3.1）

异常与离群

• 单变量极端值（Z-score/箱线图）与多元离群（马氏距离）均已检查（3.3.2）
• 马氏距离使用或核对过稳健估计，遮蔽效应已被考虑（3.3.2）
• 删除敏感性的"剔前/剔后"结果对比已备好（3.3.3）

变换与分布

• 偏斜变量的形状变换（对数/Box-Cox）已执行且记录参数（3.4.2）
• 变换前后典型相关对比已看过（升降皆需解释）（3.4.2）
• Z-score 标准化决策有记录（经典 = 解读约定；正则化 = 数学必需）（3.4.3）
• 单变量正态：Q-Q 图 + Shapiro-Wilk 结果存档（3.5.1）
• 多元正态：Mardia 偏度/峰度检验结果存档（3.5.2）
• 偏离情形对应的退路（直接分析 / 变换 / 置换 / 换方法）已决策（3.5.3）

C.2　模型拟合与检验检查清单（对应第四、五章）

• 平台选择明确，分析脚本/语法已存档（菜单操作已粘贴为语法）（5.1.4）
• 三平台同时跑数时，系数一致、符号按约定对齐（5.4）
• 整体显著性检验（Wilks’ Lambda 或等价统计量）已执行并记录 ${\chi }^2$ 与 $df$（4.1）
• 保留对数由"逐级检验 + 碎石图 + 交叉验证"合议确定，决策有记录（4.2）
• 载荷矩阵（本组载荷 + 交叉载荷）已导出（6.3）
• 冗余指数（两方向）已计算（4.3）
• 若使用正则化/稀疏方法：惩罚参数选择路径（交叉验证/BIC）已记录（7.1.3、7.2.4）
• 若使用核方法：线性 vs 核的样本外对比已执行（7.3.4）
• 交叉验证的样本分裂种子已固定，结果可复现（9.1.3）

C.3　结果解读与报告发布检查清单（对应第六、九章）

解读纪律

• 显著性不达标的典型对没有被解读（6.1.1）
• 效应量已放进领域语境（小/中/大参照或领域基准）（6.1.2）
• 正文没有因果动词（驱动/导致/影响）描述典型相关（9.3.3）
• 载荷与权重没有混用，"净贡献 vs 总占有"已在文中交代（6.2.2）
• 载荷命名满足"6~8 个字能命名"纪律，无法命名的对未强行入报（9.2.5）
• 共享方差、组内解释、冗余指数三类口径没有混报（6.4.3、表 6-1）
• 冗余度报告带方向箭头（$X\to Y$ 与 $Y\to X$ 分清）（4.3.2）

稳健性

• 四道诊断工序（残差/杠杆/交叉验证/跨样本）执行或显式跳过并说明（9.1）
• Bootstrap 权重稳定性摘要（变号率）已生成（6.2.3）
• 置信区间（Fisher Z 或 Bootstrap）已报告（4.4）
• 局限段落覆盖：样本量、分布偏离、单群组、交叉验证缺失（9.3.3）

格式合规

• 三线表规范（顶线/栏目线/底线，无竖线）已检查（6.5.1）
• $p$ 值精度统一（小于 0.001 写 $p<0.001$，不出现 0.000）（6.5.1）
• 表内数字与正文叙述一致（无版本错位）（9.3.2）
• APA 或中文规范按目标期刊要求择一执行（6.5.2、6.5.3）
• 方法部分五要素齐全：分组、样本、清洗、检验、稳健性（9.3.1）