典型相關分析（CCA） 用於研究壹組X與壹組Y數據之間的相關關系情況。它是借助主成分分析思想，從兩組變量中提取出壹個或少數幾個綜合變量（即典型變量），從而將對兩組變量關系集中到少數幾對典型變量間的關系之上。
從步驟上講：典型相關分析***分為三個步驟。
第壹步：提取出典型相關變量非常重要
第二步：尋找典型變量與研究變量之間的關系表達式，以及典型變量與研究變量間的關系情況
第三步：典型冗余分析
下面通過壹個案例讓大家對典型相關有更為直觀的認識。
（1）背景
為研究運動員體力和運動能力之間的相關關系情況。***收集38個學生樣本進行分析。測試數據包括體力指標***7項（反復橫向跳、縱跳、背力、握力、臺階試驗指數、立定體前屈、俯臥向體後仰）；運動能力指標***5項（50米跑時間、跳遠、投球、引體向上、耐力跑）。
從上述背景來看，X***由7項表示，Y由5項表示。若是研究X和Y這兩組指標之間的相關關系情況，不能通過常規的相關分析直接研究，因而使用典型相關分析進行研究。
（2）操作步驟
分析時如有需要可保存典型變量，用於後續研究。
（3）結果分析
SPSSAU***輸出4個表格：表格1用於典型變量表述典型變量之間的相關關系情況；表格2和表格3用於展示典型變量與研究變量間的數學表達式關系和相關有關系；表格4可用於典型冗余分析。
①典型相關系數及顯著性結果
表1展現的是典型變量的提取情況，上表中***顯示***有5個典型變量被提取，經過顯著性檢驗，有2個典型變量呈現出顯著性（P<0.01），因此，最終以兩個典型變量為準進行後續研究。
典型變量是成對出現的，也就是說，這兩個典型變量事實上分為典型變量X1和典型變量Y1；典型變量X2和典型變量Y2。
對呈現出顯著性的典型相關變量間的相關系數值進行分析，第壹對典型變量的相關系數值為0.763，第二對典型變量為0.706，相關系數值較高，說明典型變量之間有著緊密的正向相關關系。
②典型系數和典型載荷系數(X)
表2展現的是典型變量X與原始X組分析項間的關系情況。 典型系數 用於構建典型變量與X組指標的模型公式； 典型載荷系數 用於具體了解典型變量與X組7項指標之間的相關性。
由於表1中已經得出只有典型相關變量X1，X2通過顯著性檢驗，此時重點關註各指標與典型變量X1，X2的相關情況即可。典型載荷系數絕對值越大說明該項與典型變量之間的相關關系越強：
典型變量X1與X組7項的相關系數（載荷系數）值分別是：-0.598，-0.751，-0.316，-0.380，-0.296，-0.306，-0.277。
典型變量X2與X組7項的相關系數（載荷系數）值分別是：0.311，-0.510，-0.118，0.039，0.773，-0.060，-0.163。
用示意圖來表達，如下圖所示：
明顯的，典型變量與X1（反向橫向跳）,X2（縱跳）的關系很強，即典型變量更多地提取反向橫向跳、縱跳這兩項的信息。
典型變量與X2（縱跳），X5（臺階試驗指數）的關系很強，即典型變量更多地提取縱跳、臺階試驗指數這兩項的信息。
③典型系數和典型載荷系數(Y)
同樣步驟，分析典型變量y與原始y組分析項間的關系情況。典型變量Y1與原始變量Y1（50米跑時間）,Y2（跳遠）,Y3（投球）,Y4（引體向上）的關系很強，載荷系數絕對值均大於0.5，即 典型變量更多地提取50米跑時間、跳遠、投球、引體向上這4項的信息。
典型變量與Y2（跳遠）的關系很強，載荷系數絕對值為0.446，即典型變量更多地提取Y2（跳遠）的信息。
用示意圖表達，即如下圖所示：
④典型冗余分析
表4為典型冗余分析，即了解典型變量對於研究數據的信息提取量情況。上表格展示5個典型變量分別對於X組或者Y組指標的信息提取情況；比如上表中典型變量X1可提取出X組7個指標20.325%的信息量，典型變量X1可提取出Y組5個指標11.826%的信息量。
從上表可以看出：典型變量X1和典型變量X2對於X組7項指標的信息提取量分別是20.325%和14.293%，***計34.62%；以及典型變量Y1和和典型變量Y2對於Y組5項指標的信息提取量分別是46.751%和7.760%，***計54.51%。
（4）分析總結
分析到此，大致可以總結得出： X組與Y組進行典型相關分析，總***提取出兩個典型變量對。
典型變量對1更多地提取反向橫向跳、縱跳這兩項的信息；典型變量對2更多地提取縱跳、臺階試驗指數這兩項的信息；典型變量對1更多地提取50米跑時間、跳遠、投球、引體向上這4項的信息；典型變量對2更多地提取跳遠的信息。
除此之外，典型變量對1之間的相關系數值為0.763，並且典型變量對2之間的相關系數值為0.703，典型變量相關系數值均高於0.7，意味著X組7項指標與Y組5項指標之間有著非常緊密的正向相關關系。
最終分析情況可歸納為如下兩圖：
登錄 SPSSAU官網 體驗在線數據分析