V1
V2
Y1
04211
08464
Y2
09822
01101
Y3
05145
03013
典型变量的结构（相关系数）
V1
V2
X1
06787
00305
X2
06104
00862
U1
U2
Y1
02897
01582
Y2
06757
00206
Y3
03539
00563
第二对典型变量中u2与x2的相关系数为04614，可以看出u2可以作为文化消费特性的指标，第二对典型变量中v2与Y1和Y3之间的分别相关系数为08464和03013，可见典型变量v2主要代表了家庭成员的年龄特征和教育程度，u2和v2的相关系数为01869，说明文化消费与年龄和受教育程度之间的相关性。
九、典型相关分析方法注意事项因为典型相关分析可以看做是多元线性回归分析的延伸，有很多注意事项，
在使用时应当注意以下几点：
f1对调查者想做出推断的总体来说，样本必需具有代表性。一个简单的随机样本就具有这种性质。如果做不到这一点，调查者至少应确保所选择的样本点包含了总体中能够发生的各种情况。如果人为地限制了样本的取值范围，会影响相关系数的估计结果。
2计量可靠性低的话，会导致X变量之间和Y变量之间的相关系数估计值偏低。
3应该通过绘制变量序对的直方图和散点图找出离群点。4调查者应该核对的一点是，典型相关系数要足够大到值得考察这些系数的程度。尤为重要的是，这个相关系数不是只因为一个因变量和一个自变量。应该考察方差的比例，如果比例小的话，减少模型中变量的个数可能是合理的。5如果样本量足够大，建议将样本分拆，对拆成两半的两个样本分别做典型相关分析，再把结果进行比较，看看结果是否类似。6如果典型相关系数和典型变量载荷差异相当大即如果它们符号不同，那么，应该对两者都进行认真考察，以帮助解释结果。与解释第一个典型相关变数相比，第二或第三个典型相关变数的解释更困难。要求以后陆续得出的变量线性组合与已获得的线性组合相独立，这个条件对结果所施加的限制可能难于理解。7关于典型相关的假设检验，是以X变量和Y变量的联合分布是多元正态分布为前提的17。如果要研究需要报告这种检验，就应该检查这个假设。8因为典型相关既用到X变量集合，也用到Y变量集合，分析中包含的变量总数可能会相当多。这可能会使因缺失值而没用上很多样本点的问题变得严重起来。此时，要么需认真选择变量，要么需要利用推算技术。来反映典型变量与原始变量的相关程度。
f参考文献：1王正群孙兴华郭丽等基于Fisher准则的多特征融合J计算机工程200228341422孙权森曾生根王平安等典型相关分析的理论及其在特征融合中的应川r