R语言
cancor
位于 stats
包(package)。 说明
计算两个数据矩阵之间的典型相关性。
用法
cancor(x, y, xcenter = TRUE, ycenter = TRUE)
参数
x |
数字矩阵 ( ),包含 x 坐标。 |
y |
数字矩阵 ( ),包含 y 坐标。 |
xcenter |
长度为 |
ycenter |
类似于 |
细节
典型相关分析寻求 y
变量的线性组合,这些组合可以通过 x
变量的线性组合得到很好的解释。这种关系是对称的,因为“充分解释”是通过相关性来衡量的。
值
包含以下组件的列表:
cor |
相关性。 |
xcoef |
|
ycoef |
|
xcenter |
用于调整 |
ycenter |
用于调整 |
例子
## signs of results are random
pop <- LifeCycleSavings[, 2:3]
oec <- LifeCycleSavings[, -(2:3)]
cancor(pop, oec)
x <- matrix(rnorm(150), 50, 3)
y <- matrix(rnorm(250), 50, 5)
(cxy <- cancor(x, y))
all(abs(cor(x %*% cxy$xcoef,
y %*% cxy$ycoef)[,1:3] - diag(cxy $ cor)) < 1e-15)
all(abs(cor(x %*% cxy$xcoef) - diag(3)) < 1e-15)
all(abs(cor(y %*% cxy$ycoef) - diag(5)) < 1e-15)
参考
Becker, R. A., Chambers, J. M. and Wilks, A. R. (1988). The New S Language. Wadsworth & Brooks/Cole.
Hotelling H. (1936). Relations between two sets of variables. Biometrika, 28, 321-327. doi:10.1093/biomet/28.3-4.321.
Seber, G. A. F. (1984). Multivariate Observations. New York: Wiley. Page 506f.
也可以看看
相关用法
- R case+variable.names 拟合模型的案例和变量名称
- R constrOptim 线性约束优化
- R confint 模型参数的置信区间
- R contrast (可能稀疏)对比矩阵
- R cor 相关性、方差和协方差(矩阵)
- R cor.test 配对样本之间的关联/相关性测试
- R cutree 将树切割成数据组
- R cpgram 绘制累积周期图
- R complete.cases 查找完整案例
- R contrasts 获取和设置对比矩阵
- R chisq.test 计数数据的皮尔逊卡方检验
- R convolve 通过 FFT 进行序列卷积
- R cov.wt 加权协方差矩阵
- R checkMFClasses 检查传递给模型框架的变量类型的函数
- R cophenetic 层次聚类的共表距离
- R coef 提取模型系数
- R cmdscale 经典(公制)多维标度
- R stlmethods STL 对象的方法
- R medpolish 矩阵的中值波兰(稳健双向分解)
- R naprint 调整缺失值
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
- R formula 模型公式
- R nls.control 控制 nls 中的迭代
- R aggregate 计算数据子集的汇总统计
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Canonical Correlations。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。