The first approach obtained the sep

The first approach obtained the separate group variance–covariance matrices much easily (less sophisticated programming). We can easily convert these separate variance–covariance matrices into correlation matrices using the cov() function and the cov2cor() function as shown before. The covariance matrices exclude the grouping variable by indicating a −8 value (column location in the matrix) in the selection of variables to include. The two sets of R commands are as follows:

ผลลัพธ์ (ไทย) 1:

วิธีแรกได้เมทริกซ์ความแปรปรวนร่วม-กลุ่มที่แยกจากกันได้อย่างง่ายดายมาก (การเขียนโปรแกรมที่ซับซ้อนน้อยกว่า) เราสามารถแปลงเมทริกซ์ความแปรปรวน–ความแปรปรวนร่วมที่แยกจากกันเหล่านี้เป็นเมทริกซ์สหสัมพันธ์ได้อย่างง่ายดายโดยใช้ฟังก์ชัน cov() และฟังก์ชัน cov2cor() ดังที่แสดงไว้ก่อนหน้านี้ เมทริกซ์ความแปรปรวนร่วมไม่รวมตัวแปรการจัดกลุ่มโดยระบุค่า −8 (ตำแหน่งของคอลัมน์ในเมทริกซ์) ในการเลือกตัวแปรที่จะรวม คำสั่ง R สองชุดมีดังนี้:

ผลลัพธ์ (ไทย) 2:

วิธีแรกมันง่ายที่จะหาความแปรปรวนของกลุ่มแยกต่างหาก - เมทริกซ์ความแปรปรวนร่วม (การเขียนโปรแกรมที่ซับซ้อนน้อยกว่า) ด้วยฟังก์ชัน cov () และฟังก์ชั่น cov () เราสามารถแปลงเมทริกซ์ความแปรปรวนเกี่ยวเนื่อง - ความแปรปรวนเกี่ยวโยงแต่ละตัว เมทริกซ์ความแปรปรวนเกี่ยวเนื่องไม่รวมตัวแปรจัดกลุ่ม โดยระบุค่า -8 (ตำแหน่งคอลัมน์ในเมทริกซ์) เมื่อเลือกตัวแปรที่คุณต้องการรวม คำสั่งของ R สองกลุ่มมีดังนี้

ผลลัพธ์ (ไทย) 3:

วิธีแรกเป็นเรื่องง่ายที่จะได้รับความแปรปรวนของกลุ่มแยกต่างหาก-เมทริกซ์ความแปรปรวนร่วม(การเขียนโปรแกรมที่ซับซ้อนน้อยลง) ดังที่แสดงไว้ก่อนหน้านี้เราสามารถแปลงเมทริกซ์ความแปรปรวน-ความแปรปรวนที่เป็นอิสระเหล่านี้เป็นเมทริกซ์ความสัมพันธ์โดยใช้ฟังก์ชันcov ( )และcov2cor ( ) เมทริกซ์ความแปรปรวนร่วมไม่รวมตัวแปรการจัดกลุ่มโดยการระบุค่า8 (ตําแหน่งคอลัมน์ในเมทริกซ์)ในการเลือกตัวแปรที่จะรวม สองชุดคําสั่งrมีดังนี้: