我正在运行一些生态数据的CCA，包含约50个站点和数百个物种。我知道当你的解释变量数量接近你的样本数量时你必须要小心。我有23个解释变量，所以这对我来说不是问题，但我也听说使用太多解释变量可以开始“不约束”CCA。
是否有适当的解释变量数量的指导方针？到目前为止，我刚刚将它们全部绘制出来，然后删除了看似多余的那些（留给我8个）。我可以使用intertia值来帮助通知/证明这一点吗？
由于
答案 0 :(得分：2)
这与询问＆＃34;回归分析中有多少变量太多是相同的问题？＆＃34;。不是＆＃34;几乎相同＆＃34;，但完全相同：CCA是线性回归的拟合值的排序。在大多数严重的情况下，你可以过度适应。在CCA中，当CCA和（无约束）CA的第一特征值几乎相同且在第一维中看起来相似时，这是显而易见的（您可以使用Procrustes分析来检查这一点）。极端情况是残余变化会消失，但是在排序中你会关注第一维，并且约束可能比后来的约束轴或残差更早地丢失。更重要的是：您必须将CCA视为一种回归分析，并且对约束中的解释（独立）变量具有相同的态度。如果您没有先前的假设进行研究，那么您就会遇到回归分析模型选择以及多变量排序问题的所有问题，但这些问题都应该在除了stackoverflow之外的其他地方处理。