我可以得到3个变量的单个相关值(皮尔逊相关性)吗？

Question

我有3个量化变量(公共意识形态，政党意识形态，政府意识形态)，2017年的法国。X，Y，Z。我可以用Rstudio计算皮尔逊相关性，并获得一个表示这三个变量的相关性的单一值吗？

Answer 1

您可以使用主成分来确定所有变量的最大协方差。第一个分量和所解释的方差的量衡量它们的联合协方差。例如，这里是R附带的虹膜数据集。它有四个度量标准，但过程是相同的：

data(iris)
iris.pca <- prcomp(iris[, 1:4], scale.=TRUE)
summary(iris.pca)
# Importance of components:
#                           PC1    PC2     PC3     PC4
# Standard deviation     1.7084 0.9560 0.38309 0.14393
# Proportion of Variance 0.7296 0.2285 0.03669 0.00518
# Cumulative Proportion  0.7296 0.9581 0.99482 1.00000

第一个分量解释了四个变量之间72.96%的协方差。如果变量测量的是不同的事物或不同的尺度，则使用scale.=TRUE很重要。它在分析之前将变量转换为Z分数，因此每个变量占总方差的1/k，其中k是变量的数量。

根据我的评论和你的代码，你想要这样的东西：

RConvergence <- read.csv("C:/Users/TA/Desktop/RConvergence./RConvergence.csv",sep = ",", header=TRUE)
RConvergence.pca <- prcomp(RConvergence[, 3:5], scale.=TRUE)
summary(RConvergence.pca)

要计算每个国家/地区的值，只需使用split数据并使用lapply

RConvergence.split <- split(RConvergence, RConvergence$Country)
RConvergence.split.pca <- lapply(RConvergence.split, function(x) prcomp(x[, 3:5], scale.=TRUE))
lapply(RConvergence.split.pca, summary)

Answer 2

我的数据已经标准化了。Its适用于28个州，2008-2017年，公共，政党，政府。我想计算公共/政党/政府之间的意识形态趋同，我已经量化了(mydata)，每个州，每一年。

我的输入.csv文件名为RConvergence，我输入了下面的代码。

mydata = read.csv("C:/Users/TA/Desktop/RConvergence./RConvergence.csv",sep = ",", header=TRUE)

mydata$Country
mydata$Category
mydata$Public
mydata$Parties
mydata$Government
##Convergence Indicator


#First Method
data(RConvergence)
RConvergence.pca <- prcomp(RConvergence.pca[, 1:3], scale.=TRUE)
summary(RConvergence.pca)

#Second Method

table_convergence_var = data.frame(mydata$Public, mydata$Parties, mydata$Government)

Princ_convergence = prcomp(na.omit(table_convergence_var))
Summary(princ_convergence)
Plot(princ_convergence, type = “I”)

我收到了错误。

#First method警告消息: In data(RConvergence)：未找到数据集‘RConvergence’

#摘要中的第二个方法错误(Princ_convergence)：找不到对象'princ_convergence‘

下面是我的数据集的一个示例。

mydata_struct = structure(
  list(
    Country = structure(
      c(1L, 1L, 1L, 1L, 1L, 1L),
      .Label = c(
        "Austria",
        "Belgium",
        "Bulgaria",
        "Croatia",
        "Cyprus",
        "Czech Republic",
        "Denmark",
        "Estonia",
        "Finland",
        "France",
        "Germany",
        "Greece",
        "Hungary",
        "Ireland",
        "Italy",
        "Latvia",
        "Lithuania",
        "Luxembourg",
        "Malta",
        "Netherlands",
        "Poland",
        "Portugal",
        "Romania",
        "Slovakia",
        "Slovenia",
        "Spain",
        "Sweden",
        "United Kingdom"
      ),
      class = "factor"
    ),
    Category = 2008:2013,
    Public = c(
      -0.098093881,
      -0.001267959,
      0.289209808,
      1.160643109,
      0.708788805,
      0.611962882
    ),
    Parties = c(
      -1.462018781,-0.298023744,
      -0.298023744,
      -0.298023744,
      -0.298023744,
      0.865971293
    ),
    Government = c(
      0.820970916,
      0.664989625,
      0.754121791,
      0.73183875,
      0.018781421,
      -0.270898119
    )
  ),
  row.names = c(NA,
                6L),
  class = "data.frame"
)