Kanoniczna analiza korelacji (CCA) ma na celu maksymalizację zwykłej korelacji iloczynu Pearsona z momentem produktu (tj. Współczynnik korelacji liniowej) kombinacji liniowych dwóch zestawów danych.
Rozważmy teraz fakt, że ten współczynnik korelacji mierzy tylko asocjacje liniowe - właśnie dlatego używamy na przykład współczynników korelacji Spearmana- lub Kendall- τ (ranga), które mierzą dowolne monotoniczne (niekoniecznie liniowe) połączenie między zmienne.
Dlatego myślałem o następujących kwestiach: jednym ograniczeniem CCA jest to, że próbuje on uchwycić jedynie liniowe powiązanie między utworzonymi kombinacjami liniowymi ze względu na swoją funkcję celu. Nie byłoby możliwe rozszerzenie CCA w pewnym sensie poprzez maksymalizację, powiedzmy, Spearman- zamiast Pearson- r ?
Czy taka procedura doprowadziłaby do czegoś statystycznie interpretowalnego i sensownego? (Czy ma sens - na przykład - przeprowadzanie CCA w szeregach ...?) Zastanawiam się, czy pomogłoby to, gdy mamy do czynienia z niestandardowymi danymi ...