El análisis de correlación canónica (CCA) tiene como objetivo maximizar la correlación habitual del momento del producto de Pearson (es decir, el coeficiente de correlación lineal) de las combinaciones lineales de los dos conjuntos de datos.
Ahora, considere el hecho de que este coeficiente de correlación solo mide asociaciones lineales; esta es la razón por la cual también usamos, por ejemplo, coeficientes de correlación de Spearman- o Kendall- τ (rango) que miden conexiones monótonas arbitrarias (no necesariamente lineales) entre variables
Por lo tanto, estaba pensando en lo siguiente: una limitación de CCA es que solo trata de capturar la asociación lineal entre las combinaciones lineales formadas debido a su función objetivo. ¿No sería posible extender CCA en algún sentido maximizando, por ejemplo, Spearman- lugar de Pearson- r ?
¿Conduciría tal procedimiento a algo estadísticamente interpretable y significativo? (¿Tiene sentido, por ejemplo, realizar CCA en rangos ...?) Me pregunto si ayudaría cuando se trata de datos no normales ...