典型相关分析的流程概述：
采用类似于主成分分析的方法，我们首先在两组连续变量中提取出变量的线性组合（综合变量），使这两组综合变量间的相关性达到最大。随后，对剩余的连续变量再次提取线性组合，确保新提取的综合变量与已提取的不相关，但它们之间的相关性需达到最大。这一过程会持续进行，直至无法再提取出具有相关性的线性组合为止。这些被提取出来的综合变量，我们称之为“典型变量”。
第i对典型变量的相关系数则被称作第i典型相关系数。
简单线性相关与复相关是典型相关的特殊形式。
案例展示：
老年人的静态与动态平衡能力的典型相关分析实例
（1）实验设计简述
为了评估老年人的静态与动态平衡能力，我们测量了相关的指标。动态平衡的指标包括Center、VM、HM和Rot.speed，而静态平衡的指标则包括Lng、Area以及Lng/A。
（2）SPSS操作步骤
1) 执行分析程序中的"相关"，然后选择"典型相关性"。
图示一
2) 将动态平衡的四个指标放入“集合1”，静态平衡的三个指标放入“集合2”，最后点击“确定”查看结果。
图示二
（3）SPSS分析结果解读
图示三中，首行展示了第一对典型变量之间相关分析的结果，次行则是第二对典型变量的相关分析结果。
第一典型相关系数为0.812，第二典型相关系数为0.607。通过Wilks检验，我们得出第一和第二典型相关系数的P值均小于0.05，这说明动态平衡与静态平衡之间存在显著的相关性。
由于典型变量是从原始变量中提取的，因此需要依据典型变量的含义来具体解读它们之间的相关特征。
图示四中，若指标的标准化典型相关系数的绝对值较大，则说明该指标对典型变量的贡献更大。例如，在第一对典型变量中，Center和HM对代表动态平衡的典型变量U1的贡献较大，而Area和Lng/A则对代表静态平衡的典型变量V1贡献较大。
图示五展示了典型载荷，即原始变量与典型变量之间的相关系数。这些系数的差异程度可以反映所提取信息的差异性。差异性越大，典型变量对样本信息的概括性就越好。
在动态与静态的典型相关分析中，第一对和第二对典型变量对应的相关系数方向相反，这表明两次提取的动态或静态成分存在较大的差异。
具体到各变量与典型变量的关系，Center、HM、VM与表示动态平衡的典型变量U1呈负相关，而Rot.speed与之呈正相关。U1的值越小，动态平衡能力就越好。对于静态平衡的典型变量V1，Lng和Area与其呈负相关，而Lng/A与其几乎无相关性。V1的值越大，静态平衡能力就越好。
U1与V1的典型相关系数为0.812，意味着代表Center、HM的动态平衡成分与代表Area、Lng/A的静态平衡成分之间存在较高的负相关关系。类似地，U2与V2的典型相关系数为0.607，表示另一对相应的关系。
图示六中的交叉载荷显示了原始变量与其对立典型变量之间的相关系数，这表示了原始变量被其对立典型变量预测的可能性。
总结来说，在评估动态平衡与静态平衡时，除了直接给出反映平衡能力的指标外，还会给出如动态得分、静态得分这样的综合指标。若仅使用线性相关系数来表达两种平衡能力之间的相关性会显得片面。采用典型相关分析并根据上述提到的统计量能更深入地揭示动态平衡与静态平衡之间的内在联系。