Jawaban:
Satu tes klasik untuk membandingkan kovarians atau matriks korelasi adalah uji M Box . Dalam arti geometris, ini membandingkan volume rata-rata tandan vektor P dengan volume tandan vektor hibrida mereka. (Kovarian atau matriks korelasi dapat dipahami sebagai matriks produk skalar karena itu merupakan sekelompok vektor.) Sadarilah bahwa tingkat signifikansi tes sangat sensitif terhadap keberangkatan dari normalitas distribusi data awal. Saya tidak tahu apakah Matlab memilikinya. Biasanya tes ini dihitung sebagai bagian dari prosedur analisis MANOVA atau Diskriminan.
Tambahan. Berangkat dari normalitas menurunkan nilai tingkat signifikansi, jadi jika data Anda tidak normal, Anda berisiko salah menyimpulkan bahwa matriks dalam populasi berbeda. Jika Anda ingin mengandalkan uji signifikansi data harus cukup normal. Tetapi Anda mungkin tertarik pada nilai statistik itu sendiri yang menceritakan tentang tingkat perbedaan, atau nonhomogenitas, di antara matriks. Beberapa program melakukan tes mencetak penentu log untuk masing-masing matriks - bagi Anda untuk melihat di antara matriks P yang serupa dan yang menonjol.
Anda bisa melakukan pemodelan persamaan struktural beberapa kelompok di mana setiap dataset mewakili satu kelompok. Ini akan memungkinkan Anda untuk mengeksplorasi berbagai kendala secara fleksibel (misalnya, membatasi berbagai korelasi di seluruh kelompok). Anda juga bisa mengembangkan model korelasi dan kemudian membatasi aspek-aspek model itu.
Anda juga dapat memeriksa metaSEMpaket dalam R yang dirancang untuk menyesuaikan model persamaan struktural pada beberapa matriks korelasi. Penulis paket juga memiliki beberapa artikel (misalnya, Cheung, 2008, Cheung dan Chan, 2005), di mana ia membahas model dan implementasinya.