[英]How to interpret multicollinearity in a correlation plot?
也许一种方法是通过 qgraph。 首先,我将从lavaan
package 加载 Holzinger 数据,从correlation
性 package 加载相关性 function,并使用以下库加载 qgraph function 和qgraph
package:
library(correlation)
library(qgraph)
library(lavaan)
从 Holzinger 数据创建相关矩阵:
cor_holz <- HolzingerSwineford1939 %>%
correlation()
然后一起制作所有相关性的qgraph。 较粗的线表示相关性更强,绿色表示正,红色表示负。 例如,您可以在此图中看到 x4-x6 在粗绿色三角形中高度相关:
qgraph(cor_holz)
这使得:
您可以通过为相关值建立截止值(如果您想查明哪些具有最强相关性会很有用)、添加标题并更改维度来使它更有趣:
qgraph(cor_holz, # correlation
cut=.30, # cutoff value for correlations
details = T, # shows details
mar = c(6,10,6,10), # size of graph
vsize = 8, # size of nodes
title = "Q Graph of All Correlations") # title
一个更清晰的示例是同一 lavaan package 中的FacialBurns
数据,它显示了更明显的多重共线性,并且在各个变量中缺乏多重共线性:
face_cor <- FacialBurns %>%
correlation()
qgraph(face_cor)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.