Канонический корреляционный анализ (CCA) стремится максимизировать обычную корреляцию Пирсона с моментом произведения (то есть линейный коэффициент корреляции) линейных комбинаций двух наборов данных.
Теперь рассмотрим тот факт , что этот коэффициент корреляции только измеряет линейные ассоциаций - это причина того, почему мы используем, например, Spearman- или Кендал (ранг) коэффициенты корреляции измеряющие произвольный монотонный (не обязательно линейная) связь между переменными.τ
Следовательно, я думал о следующем: одним из ограничений CCA является то, что он пытается захватить только линейную связь между сформированными линейными комбинациями из-за своей целевой функции. Не было бы возможно расширить CCA в каком - то смысле, максимизируя, скажем, Spearman- вместо Pearson- г ?
Приведет ли такая процедура к чему-либо статистически интерпретируемому и значимому? (Имеет ли смысл - например - выполнять CCA в рядах ...?) Мне интересно, поможет ли это, когда мы имеем дело с ненормальными данными ...