你的名字*：

你的机构*：

您的电子邮件地址*：

软件包名称*：

软件主页：

软件作者：（例如：马克·史密斯、安东·梅尔）

软件简介： <trans data-src="Canonical correlation analysis for elliptical copulas. ">椭圆连接函数的典型相关分析。</trans><trans data-src="Canonical correlation analysis (CCA) is a common method used to estimate the associations between two different sets of variables by maximizing the Pearson correlation between linear combinations of the two sets of variables. ">典型相关分析（CCA）是一种常用的方法，通过最大化两组变量线性组合之间的Pearson相关来估计两组变量之间的关联。</trans><trans data-src="We propose a version of CCA for transelliptical distributions with an elliptical copula using pairwise Kendall’s tau to estimate a latent scatter matrix. ">我们提出了一个椭圆copula横截面分布的CCA模型，它使用成对Kendall的tau来估计潜在散射矩阵。</trans><trans data-src="Because Kendall’s tau relies only on the ranks of the data this method does not make any assumptions about the marginal distributions of the variables, and is valid when moments do not exist. ">由于Kendall的tau只依赖于数据的秩次，所以这种方法不需要对变量的边际分布做任何假设，并且在不存在矩的情况下是有效的。</trans><trans data-src="We establish consistency and asymptotic normality for canonical directions and correlations estimated using Kendall’s tau. ">我们建立了使用Kendall的tau估计的正则方向和相关的一致性和渐近正态性。</trans><trans data-src="Simulations indicate that this estimator outperforms standard CCA for data generated from heavy tailed elliptical distributions. ">仿真结果表明，对于由重尾椭圆分布生成的数据，该估计器的性能优于标准CCA。</trans><trans data-src="Our method also identifies more meaningful relationships when the marginal distributions are skewed. ">我们的方法也能识别出当边际分布是倾斜的时候更有意义的关系。</trans><trans data-src="We also propose a method for testing for non-zero canonical correlations using bootstrap methods. ">我们还提出了一种使用bootstrap方法测试非零正则相关的方法。</trans><trans data-src="This testing procedure does not require any assumptions on the joint distribution of the variables and works for all elliptical copulas. ">该测试程序不需要对变量的联合分布进行任何假设，并且适用于所有椭圆copula。</trans><trans data-src="This is in contrast to permutation tests which are only valid when data are generated from a distribution with a Gaussian copula. ">这与置换测试相反，置换测试只在数据由高斯copula分布生成时有效。</trans><trans data-src="This method’s practical utility is shown in an analysis of the association between radial diffusivity in white matter tracts and cognitive tests scores for six-year-old children from the Early Brain Development Study at UNC-Chapel Hill. ">在北卡罗来纳大学教堂山分校的早期大脑发育研究中，对6岁儿童脑白质束的径向扩散率与认知测试分数之间的关系进行了分析，结果表明这种方法的实用性。</trans><trans data-src="An extsf{R} package implementing this method is available at url{">实现这个方法的extsf{R}包可以在url上找到{</trans><trans data-src="https://github.com/blangworthy/transCCA">https://github.com/blangworthy/transca</trans><trans data-src="}.">}.</trans>

引用描述软件的已发表文章：
（例如，对于GAP：“GAP 4型系统组织代数算法”，Zbl 0918.68050）

描述软件的关键词：（例如：格氏基、有限元法、偏微分方程等）

适用领域：（如：教育、金融、工程等）

对其他软件的依赖性：（例如：Maple、Matlab等）

当前版本：（例如：1.2）

许可条款：（例如：GPL、商业等）

编程语言：（如：Java、C++、Python等）

操作系统：（例如：Linux、Windows XP等）

接口：（例如：Gnuplot export、C library等）

评论： <trans data-src="Update software transCCA: ">更新软件Transca：</trans><trans data-src="http://swmath.org/software/38361">http://swmath.org/software/38361</trans>

SOI-软件对象标识符（DOI）：

SVOI-软件版本对象id:

你自己抄送？