9

我有一个 6 列 37 行的列联表数据矩阵。我需要应用卡方变换来为我提供行配置文件和列配置文件以进行对应分析。

不幸的是，有人告诉我我需要使用嵌套循环来转换数据并执行 CA（而不是在 R 中使用更明智的方式）。我获得了用于嵌套循环的结构：

transformed.data=data0

for (row.index in 1:nrow(data)) {
  for (col.index in 1:ncol(data)) {
    transfomed.data[row.index,col.index]=
       "TRANSFORMATION"[row.index,col.index]
  }
}

根据我对使用嵌套循环的理解，它将首先将我的“转换”应用于行，然后应用于列。

我想要对数据进行的转换以获取行配置文件是：

( X( ij ) / sum( X( i ) ) ) / sqrt( sum( X( j ) ) )

虽然我想对数据进行转换以获取列配置文件是：

( X( ij ) / sum( X( j ) ) ) / sqrt( sum( X( i ) ) )

我将在嵌套循环的最后一行输入什么作为“转换”，以使其输出我想要的配置文件转换。否则，如果我在这里错过了理解嵌套循环的意义，请描述它允许我做什么。

这是我的数据子集的代码：

matrix(c(15366,2079,411,366,23223,2667,699,819,31632,2724,717,1473,49938,3111,1062,11964)
,nrow=4,ncol=4,byrow=T)

所以单独使用这个子集，我希望第一行的行配置文件是：

0.002432689 0.0003291397 6.506803e-05 5.794379e-05

第一列的列配置文件为：

0.0009473414, 0.0132572344, 0.0572742202, 0.0132863528
4

1 回答 1

1

您可以在这些类型的计算中使用它，甚至不需要一个循环。重写你的方程，然后你得到：

Xtrans [i,j] = X [i,j] / ( sum( X [i, ] ) * sqrt( sum( X [ ,j] ) ) )

要获得表示术语的矩阵 - sum( X [i, ] ) * sqrt( sum( X [ ,j] ) ) - 您可以使用函数outer()或%o%像这样：

rowSums(X) %o% sqrt(colSums(X))

或者，对于列转换：

sqrt(rowSums(X)) %o% colSums(X)

您唯一需要做的就是将原始矩阵除以这个矩阵，例如用于 col 转换：

TEST <- matrix(
               c(15366,2079,411,366,23223,2667,699,819,
                 31632,2724,717,1473,49938,3111,1062,11964),
                 nrow=4,ncol=4,byrow=T)

> TEST / (sqrt(rowSums(TEST)) %o% colSums(TEST))
             [,1]        [,2]        [,3]         [,4]
[1,] 0.0009473414 0.001455559 0.001053892 0.0001854284
[2,] 0.0011674098 0.001522501 0.001461474 0.0003383284
[3,] 0.0013770523 0.001346668 0.001298230 0.0005269580
[4,] 0.0016167998 0.001143812 0.001430074 0.0031831055

您可以以大致相同的方式计算行转换。

进行手动计算，我可以确认我的解决方案是正确的，前提是我正确理解了您的索引符号（意味着 i 代表行，j 代表列）。您期望的数字不是您所说的期望的数字。给你看 ：

> ( TEST[1,2] / sum(TEST[,2]) ) / sqrt(sum(TEST[1,]))
[1] 0.001455559

你说的卡方归一化，其实可以在包的函数decostand中找到vegan。请注意，默认情况下，该方法通过乘以矩阵总数的平方根进行调整。这在对应分析中是有意义的。

如果您不想使用此更正，那么您也可以获得例如列转换，如下所示：

> require(vegan)
> decostand(TEST,method="chi.square",MARGIN=2)/sqrt(sum(TEST))
             [,1]         [,2]        [,3]        [,4]
[1,] 0.0009473414 0.0011674098 0.001377052 0.001616800
[2,] 0.0014555588 0.0015225011 0.001346668 0.001143812
[3,] 0.0010538924 0.0014614736 0.001298230 0.001430074
[4,] 0.0001854284 0.0003383284 0.000526958 0.003183106
attr(,"decostand")
[1] "chi.square"
于 2012-10-02T13:20:43.227 回答