具有秩相關的典型相關分析

典型相關分析 (CCA) 旨在最大化兩個數據集的線性組合的通常 Pearson 積矩相關性（即線性相關係數）。

現在，考慮一下這個相關係數只測量線性關聯的事實——這就是我們也使用例如 Spearman 的原因——或者肯德爾——（秩）相關係數，用於測量變量之間的任意單調（不一定是線性）連接。

因此，我想到了以下幾點：CCA 的一個限制是，由於其目標函數，它僅試圖捕獲形成的線性組合之間的線性關聯。難道不能通過最大化，比如說，Spearman-來擴展CCA嗎？而不是皮爾遜-?

這樣的程序會導致任何統計上可解釋和有意義的事情嗎？（例如，在等級上執行 CCA 是否有意義……？）我想知道當我們處理非正常數據時它是否會有所幫助……

在計算規範變量時，我使用了受限三次樣條展開。您正在向分析中添加非線性基函數，就像添加新特徵一樣。這導致非線性主成分分析。有關示例，請參見 RHmisc包的功能。transcanRhomals包更進一步。

引用自：https://stats.stackexchange.com/questions/54951