정식 상관 분석 (CCA)은 두 데이터 세트의 선형 조합에 대한 일반적인 Pearson 곱-모멘트 상관 (즉, 선형 상관 계수)을 최대화하는 것을 목표로합니다.
이제이 상관 계수가 선형 연관 만 측정한다는 사실을 고려하십시오. 이것이 우리가 예를 들어 Spearman- 또는 Kendall- (순위) 상관 계수를 사용하는 이유이기도합니다. 변수 사이의 연결.
따라서 CCA의 한 가지 한계는 목적 함수로 인해 형성된 선형 조합 간의 선형 연관 만 캡처하려고한다는 것입니다. 말하자면, Spearman- 극대화하여 어떤 의미에서 CCA를 확장하는 것이 가능하지 않을까요 대신 Pearson- ?
그러한 절차가 통계적으로 해석 가능하고 의미있는 것을 이끌어 줍니까? (예를 들어, 등급에 CCA를 수행하는 것이 합리적입니까? ...) 비정규 데이터를 처리 할 때 도움이 될지 궁금합니다.