Переписка вирт примеры: Примеры вирта — текст вирт переписки в секс чате

Джейн Франклин

Дуглас-Келли Профессор английского языка

267-861-5317

[email protected]

Резюме

Исследовательская и исследовательская работа многолетний опыт преподавания курсов на уровне бакалавриата и магистратуры. Под руководством 22 кандидатских диссертаций, 9 магистерских и 2 кандидатских диссертации. Отредактировал и в соавторстве 3 монографии о современных тенденциях в драматическом и перформативном искусстве.Опубликовано более 30 статей в рецензируемых журналах.

Образование

Чикагский университет, Чикаго, Иллинойс, доктор философии по сравнительной литературе

Кафедра современных языков

2000-08 — 2008-05

• Название диссертации: «Лесбиянство Марселя Пруста: анализ «Черты женской квир-культуры в поисках утраченного времени» — 2000-05
  • Окончил с отличием
  • Название диссертации: «Своеобразный (пост) модернизм Тома Ганна: анализ поздних работ Ганна в сравнении с идеями и ценностями движения»
  • Руководитель диссертации: профессор Энн Плат

  Академические достижения:

  • Список деканов 2000
  • Награжден «Лучшей диссертацией по современным языкам» 2000
  Оксфордский университет, Оксфорд, Великобритания, бакалавр в Америке, 2000 г. n Исследования

  1996-09 — 1999-07

  Профессиональные назначения

  Дуглас-Келли Профессор английского языка

  Университет Пенсильвании, Филадельфия, Пенсильвания

  2014-07 настоящее время

  Преподавал 18 студентов и 9 Курсы последипломного образования, в основном, сосредоточены на современной концептуальной драматургии и перформативном искусстве, а также на экспериментальной поэзии и художественной литературе.Под руководством 12 кандидатских диссертаций. Член Совета по последипломному образованию с 2014 по 2017 год.

  Профессор Ассистент английского языка

  Чикагский университет, Чикаго, Иллинойс

  2008-08 — 2013-01

  Содействовал в разработке и выполнении требований основной учебной программы для более чем 20 и аспирантура. Под руководством 16 кандидатских диссертаций и 6 магистерских диссертаций.

  Книги

  Шепот языка. Нью-Йорк: Хилл и Ван.

  Сексуальная политика в американской драме после 2000 года.Вудсток и Нью-Йорк: издевательство над прессой

  Человек, который заснул: структурный анализ повествования. Нью-Йорк: W. W. Norton & Co.

  Книжные главы

  «Трудности с девушками». У Филиппа Ларкина под редакцией Стивена Ригана. Гончие мельницы, Бейзингсток, Хэмпшир и Лондон: Macmillan Press Ltd., 2015.

  «Южная нежная леди, не падай в обморок». В «Лэнгстон Хьюз: человек и его работа» под редакцией Майкла Томашевского. Лондон и Нью-Йорк: Faber & Faber, 2012

  Отдельные рецензируемые журнальные статьи

  «Ливи и Пак Дум», Классическая филология 111, №.2 (апрель 2016 г.): 170.

  «Загадка: история о чтении», New England Review 38, no. 1 (2016): 212, проект MUSE.

  «Я трахнул свинью, которая была в холодильнике», журнал Verso 8, №. 4 (2015): 91.

  «Не возвращайся в Далстон», «Бедная инди-музыка» 69, нет. 5 (июнь 2015 г.): 420.

  «Она продает морские раковины у берега моря», «Бесполезно, неэффективно и недействительно» 18 (март 2011 г.): 37.

  Другие публикации

  «Пророк антиутопии.«New Yorker, 17 апреля 2017 года.

  « Snap делает ставку на культурное превосходство камеры ». New York Times, 8 марта 2014 года. Https://www.nytimes.com/this-is-a-fake-url/technology/snap-makes-a-bet-on-the-cultural-supremacy-of-the -camera.html.

  Squishy, ​​Сладкая История Peeps. ” Vox, 11 апреля 2012 г. http://www.vox.com/culture/2017/4/11/15209084/peeps-easter.

  Гранты и стипендии

  Университет Пенсильвании, Филадельфия, Пенсильвания

  Стипендия Дугласа Келли

  2014-07 — настоящее время

  Историческое общество Нью-Йорка

  NEH Стипендия

  2013000 — 2014-03-03 ACLS

  Общественная стипендия для недавних кандидатов наук

  2008-12 — 2009-12

  Библиотека Американского философского общества

  Библиотека Резидентская исследовательская стипендия

  2007-10 — 2008-02

  Награды и награды
  Национальная гуманитарная медаль

  ,

  Победитель

  , Книжная премия Общества Раскина за 2016 год

  Почетное упоминание

  , Награда PROSE 2015 г. за лучший учебник / Лучший в области социальных наук

  Победитель

  , 2013 г. Отличный академический титул

  Почетное упоминание, Награда PROSE 2011 г. за один том в справочнике по гуманитарным и гуманитарным наукам Общественные науки

  2008 Награда Фулбрайта в гуманитарных науках / Чикагский университет

  Языки 9 0004

  английский — родной / двуязычный

  немецкий — родной / двуязычный

  французский — полный профессиональный уровень

  итальянский — продвинутый

  испанский — средний

  арабский — может читать со словарем

  русский — может читать со словарем

  Программное обеспечение

  • MS Office Suite, Adobe Photoshop, Студика, JourneyEd, Lucidea, Atriuum, Koha ILS
  .

  CA — Анализ корреспонденции в R: Основы — Статьи

  Мы будем использовать следующие функции [в factoextra ], чтобы помочь в интерпретации и визуализации анализа корреспонденции:

  В следующих разделах мы проиллюстрируем каждая из этих функций.

  Статистическая значимость

  Чтобы интерпретировать анализ соответствия, первым шагом является оценка того, существует ли значительная зависимость между строками и столбцами.

  Строгий метод — использовать статистику хи-квадрат для проверки связи между переменными строки и столбца.Это появляется в верхней части отчета, созданного функцией Summary (res.ca) или print (res.ca) , смотрите раздел @ref (r-code-to-compute-ca). Высокая статистика хи-квадрат означает сильную связь между переменными строки и столбца.

  В нашем примере связь очень значительна (хи-квадрат: 1944.456, р = 0).

    # Статистика хи-квадрат
  chi2  

    ## [1] 0  

  Собственные значения / отклонения

  Напомним, что мы исследуем собственные значения, чтобы определить число осей, которые необходимо рассмотреть.Собственные значения и пропорции отклонений, сохраняемые различными осями, могут быть извлечены с использованием функции get_eigenvalue () [пакет factoextra ]. Собственные значения велики для первой оси и малы для последующей оси.

  Библиотека

    ("factoextra")
  Eig.val  

    ## дисперсия собственного значения.percent cumulative.variance.percent
  ## Дим.1 0,543 48,7 48,7
  ## Дим.2 0,445 39.9 88,6
  ## Dim.3 0,127 11,4 100,0  

  Собственные значения соответствуют количеству информации, сохраняемой каждой осью. Размеры упорядочены по убыванию и перечислены в соответствии с количеством отклонений, объясненных в решении. Размер 1 объясняет наибольшую дисперсию в решении, затем размер 2 и так далее.

  Объясненный совокупный процент получается путем сложения последовательных пропорций вариаций, объясненных для получения промежуточного итога.Например, 48,69% плюс 39,91% равны 88,6% и так далее. Таким образом, около 88,6% отклонения объясняются первыми двумя измерениями.

  Собственные значения можно использовать для определения количества сохраняемых осей. Не существует «практического правила», позволяющего выбрать количество измерений для интерпретации данных. Это зависит от вопроса исследования и потребности исследователя. Например, если вы удовлетворены 80% всех объясненных отклонений, используйте количество измерений, необходимое для достижения этого.

  Обратите внимание, что хорошее уменьшение размера достигается, когда первые несколько измерений составляют большую часть изменчивости.

  В нашем анализе первые две оси объясняют 88,6% отклонения. Это приемлемо большой процент.

  Альтернативный метод определения количества измерений заключается в рассмотрении графика Scree, который представляет собой график собственных значений / дисперсий, упорядоченных от наибольшего к наименьшему. Количество компонентов определяется в точке, за которой все остальные собственные значения являются относительно небольшими и имеют сопоставимый размер.

  График осыпи можно создать с помощью функции fviz_eig () или fviz_screeplot () [пакет factoextra ].

    fviz_screeplot (res.ca, addlabels = TRUE, ylim = c (0, 50))  

  Точка, в которой ось осыпного участка показывает изгиб (так называемый «колено»), может рассматриваться как указывающая на оптимальную размерность.

  Также возможно рассчитать среднее собственное значение, выше которого ось должна сохраняться в решении.

  Наши данные содержат 13 строк и 4 столбца.

  Если бы данные были случайными, ожидаемое значение собственного значения для каждой оси было бы 1 / (nrow (housetasks) -1) = 1/12 = 8,33% в терминах строк.

  Аналогично, средняя ось должна составлять 1 / (ncol (housetasks) -1) = 1/3 = 33,33% в пересчете на 4 столбца.

  Согласно (М. Т. Бендиксен 1995):

  Любая ось с вкладом, превышающим максимум этих двух процентов, следует считать важной и включенной в решение для интерпретации данных.

  Код R, приведенный ниже, рисует график осыпи красной пунктирной линией, указывающей среднее собственное значение:

    fviz_screeplot (res.ca) +
   geom_hline (yintercept = 33,33, тип линии = 2, цвет = "красный")  

  Согласно графику выше, в решении должны использоваться только размеры 1 и 2. Размер 3 объясняет только 11,4% от общей инерции, которая ниже среднего собственного значения (33,33%) и слишком мала, чтобы его можно было сохранить для дальнейшего анализа.

  Обратите внимание, что вы можете использовать более двух измерений.Тем не менее, дополнительные измерения вряд ли внесут существенный вклад в интерпретацию характера связи между строками и столбцами.

  Размеры 1 и 2 объясняют приблизительно 48,7% и 39,9% от общей инерции соответственно. Это соответствует совокупной сумме 88,6% от общей инерции, оставшейся в двух измерениях. Чем выше удержание, тем больше тонкости в исходных данных сохраняется в низкоразмерном решении (M. Bendixen 2003).

  Биплот

  Функция fviz_ca_biplot () [пакет factoextra ] может использоваться для рисования биплота переменных строк и столбцов.

    # repel = TRUE, чтобы избежать наложения текста (медленно, если много точек)
  fviz_ca_biplot (res.ca, repel = TRUE)  

  График выше называется симметричным графиком и показывает глобальный паттерн в данных. Ряды представлены синими точками, а столбцы — красными треугольниками.

  Расстояние между любыми точками строки или столбцами дает меру их сходства (или различий). Точки строк с аналогичным профилем закрываются на карте факторов.То же самое верно для точек столбца.

  Этот график показывает, что:

  • домашние задания, такие как ужин, завтрак, стирка, чаще выполняются женой
  • Вождение и ремонт осуществляется мужем
  • ……

  • Симметричный график представляет профили строк и столбцов одновременно в общем пространстве. В этом случае только расстояние между точками строки или расстояние между точками столбца может быть действительно интерпретировано.

  • Расстояние между элементами строки и столбца не имеет смысла! Вы можете сделать только общие заявления о наблюдаемой модели.

  • Чтобы интерпретировать расстояние между точками столбца и строки, профили столбца должны быть представлены в пространстве строк или наоборот. Этот тип карты называется асимметричным биплотом и обсуждается в конце этой статьи.

  Следующим шагом для интерпретации является определение того, какие переменные строки и столбца вносят наибольший вклад в определение различных измерений, сохраняемых в модели.

  График переменных строки

  Результаты

  Функция get_ca_row () [в factoextra ] используется для извлечения результатов для переменных строки. Эта функция возвращает список, содержащий координаты, cos2, вклад и инерцию переменных строки:

    ряд  

    ## Анализ корреспонденции - Результаты для строк
  ## ===================================================== ===
  ## Название Описание
  ## 1 "$ordin" "Координаты для строк"
  ## 2 "$ cos2" "Cos2 для строк"
  ## 3 "$ contrib" "вклады строк"
  ## 4 "$ inertia" "Инерция рядов"  

  Компоненты функции get_ca_row () могут использоваться в графике строк следующим образом:

  • строка $ координата : координаты каждой точки строки в каждом измерении (1, 2 и 3).Используется для создания точечного графика.
  • строка $ cos2 : качество представления строк.
  • var $ contrib : вклад строк (в%) в определение размеров.

  Обратите внимание, что можно построить точки строк и покрасить их в соответствии с i) их качеством на карте факторов (cos2) или ii) значениями их вклада в определение измерений (contrib).

  Доступ к различным компонентам можно получить следующим образом:

    # Координаты
  головка (строка $ коорд)
  # Cos2: качество на карте завода
  головка (строка $ cos2)
  Вклады в основные компоненты
  руководитель (строка $ contrib)  

  В этом разделе мы опишем, как визуализировать только точки строк.Затем мы выделяем строки в соответствии с i) их качеством представления на карте факторов или ii) их вкладом в измерения.

  Координаты точек рядов

  Приведенный ниже код R отображает координаты каждой точки строки в каждом измерении (1, 2 и 3):

    голова (строка $ координата)  

    ## Дим 1 Дим 2 Дим 3
  ## Прачечная -0,992 0,495 -0,3167
  ## Main_meal -0,876 0,490 -0,1641
  ## Ужин -0,693 0,308 -0,2074
  ## Завтрак -0.509 0,453 0,2204
  ## Уборка -0,394 -0,434 -0,0942
  ## Блюда -0,189 -0,442 0,2669  

  Используйте функцию fviz_ca_row () [in factoextra] для визуализации только точек строки:

    fviz_ca_row (res.ca, repel = TRUE)  

  Можно изменить цвет и форму точек строки, используя аргументы col.row и shape.row следующим образом:

    fviz_ca_row (res.ca, col.row = "steelblue", shape.ряд = 15)  

  На графике выше показаны отношения между точками строки:

  • Строки с похожим профилем сгруппированы вместе.
  • Отрицательно коррелированные строки расположены по разные стороны от начала координат (противоположные квадранты).
  • Расстояние между точками строки и исходной точкой измеряет качество точек строки на факторной карте. Точки строк, которые находятся далеко от начала координат, хорошо представлены на карте факторов.

  Качество представления строк

  Результат анализа показывает, что таблица сопряженности была успешно представлена ​​в низкоразмерном пространстве с использованием анализа соответствия.Двух измерений 1 и 2 достаточно, чтобы сохранить 88,6% от общей инерции (вариации), содержащейся в данных.

  Однако не все точки одинаково хорошо отображаются в двух измерениях.

  Напомним, что качество представления строк на карте факторов называется квадратом косинуса (cos2) или квадратом корреляций.

  Cos2 измеряет степень ассоциации между строками / столбцами и конкретной осью. Cos2 точек строки можно извлечь следующим образом:

    голова (строка $ cos2, 4)  

    ## Дим 1 Дим 2 Дим 3
  ## Прачечная 0.740 0,185 0,0755
  ## Main_meal 0,742 0,232 0,0260
  ## Ужин 0,777 0,154 0,0697
  ## Завтрак 0,50 0,400 0,0948  

  Значения cos2 находятся в диапазоне от 0 до 1. Сумма cos2 для строк по всем измерениям CA равна единице.

  Качество представления строки или столбца в n измерениях является просто суммой квадрата косинуса этой строки или столбца по n измерениям.

  Если элемент строки хорошо представлен двумя измерениями, сумма cos2 будет равна единице.Для некоторых элементов строки требуется более 2 измерений, чтобы идеально представлять данные.

  Можно покрасить точки строки по их значениям cos2, используя аргумент col.row = "cos2" . Это создает цвета градиента, которые можно настроить с помощью аргумента Gradient. Protocol . Например, градиент.cols = c («белый», «синий», «красный») означает, что:

  • переменных с низкими значениями cos2 будут окрашены в «белый»
  • переменных со средними значениями cos2 будут окрашены в «синий»
  • переменных с высокими значениями cos2 будут окрашены в красный

    # Цвет по значениям cos2: качество на факторной карте
  fviz_ca_row (Рез.ca, col.row = "cos2",
               градиент.cols = c ("# 00AFBB", "# E7B800", "# FC4E07"),
               отталкивает = ИСТИНА)  

  Обратите внимание, что также можно изменить прозрачность точек строки в соответствии с их значениями cos2, используя опцию alpha.row = "cos2" . Например, введите это:

    # Изменить прозрачность на значения cos2
  fviz_ca_row (res.ca, alpha.row = "cos2")  

  Вы можете визуализировать cos2 точек строки во всех измерениях, используя пакет corrplot:

  Библиотека

    («Коррплот»)
  corrplot (строка $ cos2, есть.corr = FALSE)  

  Также возможно создать гистограмму строк cos2 с помощью функции fviz_cos2 () [в factoextra ]:

    # Cos2 строк на Dim.1 и Dim.2
  fviz_cos2 (res.ca, choice = "row", axes = 1: 2)  

  Обратите внимание, что все точки рядов, кроме Официального , хорошо представлены в первых двух измерениях. Это подразумевает, что положение точки, соответствующей номеру Официального на точечной диаграмме, следует интерпретировать с некоторой осторожностью.Вероятно, необходимо более масштабное решение для товара Официальный .

  Вклады строк в размеры

  Вклад строк (в%) в определение размеров можно извлечь следующим образом:

    голова (строка $ contrib)  

    ## Дим 1 Дим 2 Дим 3
  ## Прачечная 18.287 5.56 7.968
  ## Main_meal 12,389 4,74 1,859
  ## Ужин 5,471 1,32 2,097
  ## Завтрак 3.825 3.70 3.069
  ## Уборка 1.998 2,97 0,489
  ## Блюда 0,426 2,84 3,634  

  Переменные строки с большим значением вносят наибольший вклад в определение размеров.

  • Строки, которые вносят наибольший вклад в Dim.1 и Dim.2, являются наиболее важными при объяснении изменчивости в наборе данных.
  • Строки, которые не вносят большой вклад в какое-либо измерение или которые вносят вклад в последние измерения, являются менее важными.

  Можно использовать функцию corrplot () [пакет corrplot], чтобы выделить наиболее важные точки строки для каждого измерения:

  Библиотека

    («Коррплот»)
  corrplot (строка $ contrib, есть.corr = FALSE)  

  Функция fviz_contrib () [пакет factoextra] может использоваться для построения гистограммы вкладов строк. Если ваши данные содержат много строк, вы можете принять решение показывать только самые верхние строки. Код R, приведенный ниже, показывает 10 верхних строк, влияющих на размеры:

    # Вклады строк в измерение 1
  fviz_contrib (res.ca, choice = "row", axes = 1, top = 10)
  # Вклады строк в измерение 2
  fviz_contrib (res.ca, choice = "row", axes = 2, top = 10)  

  Общий вклад в измерение 1 и 2 можно получить следующим образом:

    # Общий вклад в измерение 1 и 2
  fviz_contrib (Рез.ca, choice = "row", оси = 1: 2, top = 10)  

  Красная пунктирная линия на графике выше показывает ожидаемое среднее значение, если взносы были одинаковыми. Расчет ожидаемого значения вклада, согласно нулевой гипотезе, был подробно описан в главе анализа главных компонентов (@ref (Principal-component-analysis)).

  Видно, что:

  • Строка Ремонт, Прачечная, Main_meal и Вождение являются наиболее важными в определении первого измерения.
  • Строка Отпуск и ремонт вносят наибольший вклад в измерение 2.

  Наиболее важные (или способствующие) точки строки могут быть выделены на диаграмме рассеяния следующим образом:

    fviz_ca_row (res.ca, col.row = "contrib",
               градиент.cols = c ("# 00AFBB", "# E7B800", "# FC4E07"),
               отталкивает = ИСТИНА)  

  Диаграмма рассеивания дает представление о том, к какому полюсу измерений фактически способствуют категории строк.Очевидно, что категории строк «Ремонт» и «Вождение» вносят важный вклад в положительный полюс первого измерения, в то время как категории «Прачечная» и «Main_meal» вносят основной вклад в отрицательный полюс первого измерения; и т.д, ….

  Другими словами, измерение 1 в основном определяется противопоставлением ремонта и вождения (положительный полюс), а также стирки и Main_meal (отрицательный полюс).

  Обратите внимание, что также можно контролировать прозрачность точек строки в соответствии с их значениями вклада, используя опцию alpha.row = "contrib" Например, введите это:

    # Изменить прозрачность по значениям вклада
  fviz_ca_row (res.ca, alpha.row = "contrib",
               отталкивает = ИСТИНА)  

  График переменных столбца

  Результаты

  Функция get_ca_col () [в factoextra ] используется для извлечения результатов для переменных столбца. Эта функция возвращает список, содержащий координаты, cos2, вклад и инерцию переменных столбцов:

    цв  

    ## Анализ корреспонденции - Результаты по столбцам
  ## ===================================================== ===
  ## Название Описание
  ## 1 "$ordin" "Координаты для столбцов"
  ## 2 "$ cos2" "Cos2 для столбцов"
  ## 3 "$ contrib" "вклады столбцов"
  ## 4 "$ инерция" "Инерция колонн"  

  Результат для столбцов дает ту же информацию, что и для строк.По этой причине мы просто отобразим результат для столбцов в этом разделе с очень кратким комментарием.

  Чтобы получить доступ к различным компонентам, используйте это:

    # Координаты точек столбцов
  голова (цв $ коорд)
  # Качество представления
  голова (цв $ cos2)
  # Взносы
  руководитель (col $ contrib)  

  Сюжеты: качество и вклад

  fviz_ca_col () используется для создания графика точек столбцов. Чтобы создать простой график, введите:

    fviz_ca_col (res.ок)  

  Подобно точкам строки, также возможно окрашивать точки столбцов по их значениям cos2:

    fviz_ca_col (res.ca, col.col = "cos2",
               градиент.cols = c ("# 00AFBB", "# E7B800", "# FC4E07"),
               отталкивает = ИСТИНА)  

  Приведенный ниже код R создает столбец столбцов cos2:

    fviz_cos2 (res.ca, choice = "col", оси = 1: 2)  

  Напомним, что значение cos2 находится между 0 и 1.Cos2, закрытое на 1, соответствует переменным столбца / строки, которые хорошо представлены на карте факторов.

  Обратите внимание, что только элемент столбца Чередование не очень хорошо отображается в первых двух измерениях. Положение этого предмета следует интерпретировать с осторожностью в пространстве, образованном размерами 1 и 2.

  Чтобы визуализировать вклад строк в первые два измерения, введите:

    fviz_contrib (res.ca, choice = "col", оси = 1: 2)  

  Варианты Biplot

  Биплот — это графическое отображение строк и столбцов в 2 или 3 измерениях.Мы уже описали, как создавать болты CA в разделе @ref (ca-biplot). Здесь мы опишем различные типы болтов CA.

  Симметричный биплот

  Как упоминалось выше, стандартный график анализа соответствия представляет собой симметричный биплот , в котором строки (синие точки) и столбцы (красные треугольники) представлены в одном и том же пространстве с использованием главных координат . Эти координаты представляют профили строк и столбцов. В этом случае только расстояние между точками строки или расстояние между точками столбца может быть действительно интерпретировано.

  При симметричном графике расстояние между строками и столбцами не может быть интерпретировано. Только общие заявления могут быть сделаны о шаблоне.

    fviz_ca_biplot (res.ca, repel = TRUE)  

  Обратите внимание, что для интерпретации расстояния между точками столбцов и точками строк проще всего сделать асимметричный график . Это означает, что профили столбцов должны быть представлены в пространстве строк или наоборот.

  Асимметричный биплот

  Чтобы создать асимметричный биплот , точки строк (или столбцов) строятся из стандартных координат (S), а профили столбцов (или строк) строятся из координат принципала (P) (M.Бендиксен 2003).

  Для заданной оси стандартные и основные координаты связаны следующим образом:

  P = sqrt (собственное значение) X S

  • P : главная координата строки (или столбца) на оси
  • собственное значение : собственное значение оси

  В зависимости от ситуации, другие типы отображения могут быть установлены с использованием аргумента map (Nenadic and Greenacre 2007) в функции fviz_ca_biplot () [in factoextra].

  Допустимые параметры для аргумента map :

  1. "rowprincipal" или "colprincipal" — это так называемые асимметричные сальники , имеющие либо строки в главных координатах, либо столбцы в стандартных координатах, либо наоборот (также известные как сохранение строк или столбцов или столбец сохраняющий метрику соответственно).
  • "rowprincipal" : столбцы представлены в пространстве строк
  • "colprincipal" : строки представлены в пространстве столбцов

  2. «symbiplot» — строки и столбцы масштабируются так, чтобы иметь дисперсии, равные единичным значениям (квадратным корням из собственных значений), что дает симметричный биплот , но не сохраняет метрики строк или столбцов.

  3. "rowgab" или "colgab" : Асимметричные карты , предложенные Gabriel & Odoroff (Gabriel and Odoroff 1990):
  • «rowgab» : строки в главных координатах и ​​столбцы в стандартных координатах, умноженные на массу.
  • «Колгаб» : столбцы в главных координатах и ​​строки в стандартных координатах, умноженные на массу.
  4. «rowgreen» или «colgreen» : так называемые вкладки , визуально показывающие наиболее значимые точки (Greenacre 2006b).
  • "rowgreen" : строки в главных координатах и ​​столбцы в стандартных координатах, умноженные на квадратный корень из массы.
  • "colgreen" : столбцы в главных координатах и ​​строки в стандартных координатах, умноженные на квадратный корень из массы.

  Приведенный ниже код R рисует стандартный асимметричный биплот :

    fviz_ca_biplot (res.ca,
                 map = "rowprincipal", стрелка = c (ИСТИНА, ИСТИНА),
                 отталкивает = ИСТИНА)  

  Мы использовали аргумент стрелки , который представляет собой вектор из двух логик, определяющих, должен ли график содержать точки (FALSE, по умолчанию) или стрелки (TRUE).Первое значение устанавливает строки, а второе — столбцы.

  Если угол между двумя стрелками острый, то это сильная связь между соответствующей строкой и столбцом.

  Чтобы интерпретировать расстояние между строками и столбцом, необходимо перпендикулярно проецировать точки строк на стрелку столбца.

  Биплот вклада

  В стандартном симметричном биплоте (упомянутом в предыдущем разделе) трудно определить наиболее важные моменты для решения CA.

  Майкл Гринэйкр предложил новое отображаемое масштабирование (так называемый биплот вклада), который включает вклад точек (M. Greenacre 2013). На этом экране точки, которые очень мало влияют на решение, находятся близко к центру биплота и относительно не важны для интерпретации.

  Биплот вклада можно нарисовать с помощью аргумента map = «rowgreen» или map = «colgreen».

  Во-первых, вы должны решить, следует ли анализировать вклады строк или столбцов в определение осей.

  В нашем примере мы будем интерпретировать вклад строк в оси. Аргумент map = "colgreen" используется. В этом случае напомним, что столбцы находятся в главных координатах, а строки в стандартных координатах, умноженные на квадратный корень из массы. Для данной строки квадрат новой координаты на оси i является именно вкладом этой строки в инерцию оси i.

    fviz_ca_biplot (res.ca, map = "colgreen", стрелка = c (TRUE, FALSE),
                 отталкивает = ИСТИНА)  

  На приведенном выше графике положение точек профиля столбца не изменилось относительно положения в обычном биплоте.Однако расстояния между точками строк и началом координат связаны с их вкладом в двумерную карту факторов.

  Чем ближе стрелка (с точки зрения углового расстояния) к оси, тем больше вклад категории строк на этой оси относительно другой оси. Если стрелка находится на полпути между ними, ее категория строк влияет на две оси в одинаковой степени.

  • Очевидно, что ремонт строки категории имеет важный вклад в положительный полюс первого измерения, в то время как категории Laundry и Main_meal вносят основной вклад в отрицательный полюс первого измерения;

  • Измерение 2 в основном определяется категорией строк Праздники.

  • Категория строки Вождение способствует двум осям в одинаковой степени.

  Описание размеров

  Чтобы легко определить точки строк и столбцов, которые наиболее связаны с основными измерениями, вы можете использовать функцию dimdesc () [in FactoMineR]. Переменные строки / столбца сортируются по их координатам в выходных данных dimdesc () .

    # описание размеров
  Res.desc  

  Описание размера 1:

    # Описание размера 1 по точкам строки
  голова (Рез.desc [[1]] $ row, 4)  

    ## координат
  ## Прачечная -0,992
  ## Main_meal -0.876
  ## Ужин -0,693
  ## Breakfeast -0.509  

    # Описание размера 1 по столбцам
  head (res.desc [[1]] $ col, 4)  

    ## координат
  ## Жена -0,8376
  ## Чередование -0.0622
  ## Совместно 0,1494
  ## Муж 1.1609  

  Описание размера 2:

    # Описание размера 2 по точкам строки
  местожительствопо убыванию [[2]] $ строка
  # Описание измерения 1 по столбцам
  res.desc [[2]] $ цв  

  ,