A análise de correlação canônica (CCA) visa maximizar a correlação usual de produto-momento de Pearson (ou seja, coeficiente de correlação linear) das combinações lineares dos dois conjuntos de dados.
Agora, considere o fato de que esse coeficiente de correlação mede apenas associações lineares - esse é o motivo pelo qual também usamos, por exemplo, os coeficientes de correlação Spearman- ou Kendall- (rank) que medem monótonos arbitrários (não necessariamente lineares) conexão entre variáveis.
Portanto, eu estava pensando no seguinte: uma limitação do CCA é que ele apenas tenta capturar a associação linear entre as combinações lineares formadas devido à sua função objetivo. Não seria possível estender o CCA em algum sentido, maximizando, digamos, Spearman- vez de Pearson- ?
Esse procedimento levaria a algo estatisticamente interpretável e significativo? (Faz sentido - por exemplo - executar o CCA em fileiras ...?) Gostaria de saber se ajudaria quando estamos lidando com dados não normais ...