典型相关分析 (CCA) 旨在最大化两个数据集的线性组合的通常 Pearson 积矩相关性（即线性相关系数）。

现在，考虑这个相关系数只测量线性关联这一事实——这就是我们还使用例如测量任意单调（不一定是线性）或 Kendall- （秩）相关系数的原因变量之间的联系。$\rho$$\tau$

因此，我想到了以下几点：CCA 的一个限制是，由于其目标函数，它仅试图捕获形成的线性组合之间的线性关联。在某种意义上通过最大化 Spearman-而不是 Pearson-来扩展 CCA 不是可能吗？$\rho$$r$

这样的程序会导致任何统计上可解释和有意义的事情吗？（例如，在等级上执行 CCA 是否有意义......？）我想知道当我们处理非正常数据时它是否会有所帮助......