PCA分析中不同类型的椭圆

Question

使用coord.ellipse（来自FactoMineR包）和ordiellipse（来自vegan包）处理R中的单个因子映射时计算的省略号之间有什么区别？< / p>

下面是一些可重现的代码：

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)

来自example here的FactomMineR。

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)

使用ordiellipse：

ordiplot(pcarda)
ordiellipse(pcarda,groups = decathlon[,13])

这些省略号提供了完全不同的结果......

我想直观地评估变量是否可以实际区分我的群体。使用coord.ellipse，省略号几乎是分开的（假设被接受），而ordiellipse它们大多是重叠的（假设被拒绝）。

Answer 1

coord.ellipse为分类变量的重心构建置信椭圆（默认情况下，阈值为0.95，请参阅其帮助）。

ordiellipse构造点或其加权平均值的标准偏差椭圆（请参阅参数kind的帮助）。

如果给它们相同的参数（它们默认不同），它们是等效的。例如：

par(mfrow=c(1,2))
ellipse.coord = coord.ellipse(concat,bary=TRUE,conf=0.95)
plot.PCA(res.pca,ellipse=ellipse.coord,cex=0.8,ylim=c(-4,4),xlim=c(-4,4))
ordiplot(pcarda,ylim=c(-2,2),xlim=c(-2,2))
ordiellipse(pcarda,groups = decathlon[,13],conf=0.95,kind="se")

获得：

它看起来并不完全相同，因为图形的比例略有不同（并且难以调整）但你可以看到它们以完全相同的方式分离点。

然后，如何测试您的假设是Cross Validated的问题。简而言之，如果你想表示你的团体是不相交的，那么只需要用两种不同的颜色绘制个体：它们不是。 如果你想表示你的组的重心（手段的种类）之间的差异，那么请使用95％的椭圆（我在这里显示的那个）。从我的观点来看，它不是很确定，但你看到......或者你测试但是你应该真的问另一个问题，而且可能更多关于Cross Validated而不是在这里。