如何解释corrplot的输出？

这些软件包提供了一些简洁的绘图和带有示例的文档

但我不理解输出。我可以看到，如果你有一个矩阵

a_ij

，你可以通过

n

正方形瓷砖将其绘制成

n

的排列，其中瓷砖

ij

的颜色对应于

a_ij

的值。但有些例子似乎有更多方面：

这里我们可以猜测颜色表示相关系数，椭圆的方向是负/正相关的。什么是怪癖

for

方法

说明：

要使用的相关矩阵的可视化方法。目前，它支持七种方法，分别命名为“圆”（默认）、“正方形”、“椭圆”、“数字”、“饼图”、“阴影”和“颜色”。有关详细信息，请参见示例

圆圈或正方形的面积表示相应相关系数的绝对值。方法“派”和“阴影”来自Michael Friendly的工作（增加了一些阴影调整），而“椭圆”来自D.J.Murdoch和E.D.Chow的工作，见参考资料部分

---

所以我们知道，对于圆和正方形，面积应该表示系数。那么其他维度和其他方法呢？

我认为这个图是不言自明的。在右侧，您有

刻度

，其颜色从红色（负相关）变为蓝色（正相关）。颜色根据相关性的强度遵循渐变

如果椭圆向右倾斜，则再次为正相关；如果椭圆向左倾斜，则为负相关

线周围的扩散（表示完全相关，例如mpg~mpg）创建椭圆。你们将有一个更扩散的椭圆，以降低相关性的强度。这通常是弱相关关系在散点图中的表现。然而，我认为这些都是漫画

下面是负责绘制椭圆的

corrplot

函数中的一些代码。我不会试图解释这一点（因为这是一个更大系统的一部分）。如果你想深入研究的话，我想向你展示一下逻辑：

if (method == "ellipse" & plotCI == "n") {
    ell.dat <- function(rho, length = 99) {
        k <- seq(0, 2 * pi, length = length)
        x <- cos(k + acos(rho)/2)/2
        y <- cos(k - acos(rho)/2)/2
        return(cbind(rbind(x, y), c(NA, NA)))
    }
    ELL.dat <- lapply(DAT, ell.dat)
    ELL.dat2 <- 0.85 * matrix(unlist(ELL.dat), ncol = 2, 
        byrow = TRUE)
    ELL.dat2 <- ELL.dat2 + Pos[rep(1:length(DAT), each = 100), 
        ]
    polygon(ELL.dat2, border = col.border, col = col.fill)
}

if（方法==“椭圆”&plotCI==“n”）{
ell.dat图中只显示了一个维度

Michael Friendly在《Corrgrams:corrplot相关矩阵探索性显示》（Corrgrams:corrplot

文档混淆地将其称为他的“工作”）中说：

在阴影行中，根据相关性符号，每个单元格都被着色为蓝色或红色，颜色强度按相关性大小的比例缩放0–100%。（使用RGB编码从红色（1,0,0），到白色（1,1,1），再到蓝色（0,0,1），可以很容易地计算这种缩放颜色.为了简单起见，我们忽略了颜色再现和感知的非线性，但请注意，这些很容易在颜色映射函数中适应。）添加白色对角线，以便在黑色和白色中仍然可以识别相关性的方向。选择此颜色双极标度是为了使相关性在0附近为空（白色），并使大小相等的正值和负值近似地具有相同强度的阴影。灰度和其他颜色方案在我们的软件中实现（第6节），但此处未说明

条形符号和圆形符号也使用相同的缩放颜色，但填充的区域与相关性的绝对值成比例。对于条形符号，负值从底部填充，正值从顶部填充。圆圈顺时针填充正值，逆时针填充负值。椭圆具有其ec中心度参数化地缩放到相关值（Murdoch和Chow，1996）。与其他图示符相比，在感知上，随着相关程度的增加，它们在视觉上变得不那么突出

（强调矿山）

“Murdoch and Chow，1996”是一份描述绘制椭圆方程（大型相关矩阵的图形显示）的出版物。椭圆显然是二元正态分布的漫画：

---

因此，总之，所示的唯一的维度始终是相关系数（或者用问题的术语来说，

aij

的值）本身。多个外观尺寸是冗余的。

您是否阅读了您提供的链接？当相关性等于1和相关性等于0.2时，比较形状。颜色是相关系数。我同意此图提供的信息中存在冗余。您如何将其称为“扩散”计算？@Superbest：我认为你应该先在没有软件包的情况下绘制一些相关变量。这会让你很好地了解散点图应该是什么样子。很好的发现。数学也会转化为R代码。但是，什么是多维度？@asb几何图形的各个方面，例如颜色、大小、偏心度（如果是椭圆）旋转、着色、高度、填充%（如果是饼图）可以说是表示数据的维度。