R PCA分析中不同类型的椭圆

在R中使用

coord.ellipse

（来自

FactoMineR

package）和

ordiellipse

（来自

vegan

package）的单个因子图时计算的椭圆之间有什么区别

下面是一些可复制的代码：

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)

使用椭圆：

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

这些椭圆提供了一个完全不同的结果

我想直观地评估变量是否能够真正区分我的组。对于coord.ellipse，椭圆几乎是分离的（接受假设），而对于

ordiellipse

，它们大部分是重叠的（拒绝假设）

---

coord.ellipse

为分类变量的重心构造置信椭圆（默认阈值为0.95，请参阅其帮助）

ordiellipse

为点或其加权平均值构造标准偏差椭圆（请参阅参数

kind

的帮助）

如果您为它们提供相同的参数（默认情况下它们是不同的），则它们是等效的。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")

要获得：

它看起来并不完全相同，因为图形的比例略有不同（并且很难调整），但您可以看到它们以完全相同的方式分隔点

那么，如何检验你的假设是我们的一个问题。简单地说，如果你想表示你的组是不相交的，只需用两种不同的颜色绘制个体：它们不是。

---

若你们想表示你们组的重心（一种平均值）之间的差异，那个么使用95%椭圆（我在这里显示的那个）。从我的观点来看，这也不是很确定，但你看。。。或者你进行测试，但是为了这个，你应该问另外一个问题，可能更多的是交叉验证

好吧，但是这两者有什么区别呢？在我的例子中，我想评估我的组是否能很好地区分变量。。。在这种特殊情况下，两种方法提供了不同的结果。一个是几乎分离的椭圆，另一个是大部分重叠的椭圆。与95%可信区间和标准偏差之间的差异相同。在某些时候，您必须深入了解这些功能的帮助…感谢您的帮助！

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")