椭圆的什么是与中的R个体因素图中工作时用coord.ellipse
(来自FactoMineR
封装)和ordiellipse
(从vegan
封装)椭圆之间的差异计算的?不同类型在PCA分析
下面一些重复性代码:
library(FactoMineR)
library(vegan)
data(decathlon)
res.pca = PCA(decathlon[,1:10], scale.unit=TRUE, ncp=5, graph=T)
pcarda <- rda(decathlon[,1:10],scale=T)
随着FactomMineR从example here。
concat = cbind.data.frame(decathlon[,13],res.pca$ind$coord)
ellipse.coord = coord.ellipse(concat,bary=T)
plot.PCA(res.pca,ellipse=ellipse.coord,cex=0.8)
随着ordiellipse:
ordiplot(pcarda)
ordiellipse(pcarda,groups = decathlon[,13])
这些椭圆提供了完全不同的结果...
我想直观地评估该变量实际上可以区别我的组。使用coord.ellipse,椭圆几乎是分开的(接受假设),并且它们大部分重叠(假设被拒绝)。
好的,但是两者有什么区别?就我而言,我想评估我的组是否能很好地与变量区分开来......在这种特定情况下,这两种方法提供了不同的结果。一个具有几乎分开的椭圆,另一个具有重叠的椭圆 –
嗯,差异与95%可信区间和标准差之间的差异相同。在某些时候,你必须潜入这些功能的帮助... – cmbarbu
感谢您的帮助! –