Since the aim was to interpret CCA

Since the aim was to interpret CCA using biplot representations
(Gabriel, 1971) of either weight or correlation structure matrices,
we determined how many dimensions were necessary to explain
the relationships between both sets of latent variables. According
to this, the first and second two canonical variates were the only
significant ones (p < 0.001) (Table 4) besides having the highest singular
values among all possible correlations (ri > 0.886 for all FMP)

ผลลัพธ์ (ไทย) 1:

เนื่องจากจุดมุ่งหมายคือการ ตี CCA ใช้ biplot แทน(Gabriel, 1971) ของเมทริกซ์โครงสร้างน้ำหนักหรือความสัมพันธ์เรากำหนดขนาดจำนวนถูกต้องอธิบายความสัมพันธ์ระหว่างทั้งสองชุดของตัวแปรแฝงอยู่ ตามนี้ หนึ่ง และสองสองมาตรฐาน variates ได้เฉพาะอย่างมีนัยสำคัญที่ (p < 0.001) (ตาราง 4) นอกจากมีสูงเอกพจน์ค่าระหว่างความสัมพันธ์เป็นไปได้ทั้งหมด (ri > 0.886 ใน FMP ทั้งหมด)

ผลลัพธ์ (ไทย) 2:

ตั้งแต่จุดมุ่งหมายคือการแปลความหมายของมะเร็งท่อน้ำดีโดยใช้การแสดง biplot
(กาเบรียล, 1971) การฝึกอบรมทั้งน้ำหนักหรือโครงสร้างความสัมพันธ์,
เรากำหนดวิธีการหลายมิติที่มีความจำเป็นที่จะอธิบาย
ความสัมพันธ์ระหว่างทั้งสองชุดของตัวแปรแฝง ตาม
นี้เป็นครั้งแรกและครั้งที่สองสอง variates ยอมรับเป็นคนเดียวที่
คนอย่างมีนัยสำคัญ (p <0.001) (ตารางที่ 4) นอกจากนี้มีเอกพจน์สูงสุด
ค่าความสัมพันธ์ในหมู่เป็นไปได้ทั้งหมด (RI> 0.886 สำหรับ FMP ทั้งหมด)

ผลลัพธ์ (ไทย) 3:

เพราะจุดประสงค์คือการตีความ CCA ใช้ biplot ใช้แทน
( Gabriel , 1971 ) ของน้ำหนัก หรือความสัมพันธ์เชิงโครงสร้าง เราตั้งใจมากแค่ไหน

คือต้องอธิบาย ความสัมพันธ์ระหว่างทั้งสองชุดของตัวแปรแฝง
ตามนี้ ครั้งแรก และครั้งที่สองมีแค่สองแบบ variates
) คน ( p < 0001 ) ( ตารางที่ 4 ) นอกจากมีสูงสุดเอกพจน์
ค่าของความสัมพันธ์ที่เป็นไปได้ทั้งหมด ( ริ > 0.886 สำหรับทุกอาชีพ )