关联度画图(qgraph包的实现)

关联度画图(qgraph包的实现)


library("semPLS")
data(mobi)

# descriptive names for graph nodes
names(mobi)<-c("QualityExp",
               "MeetNeedsExp",
               "GoWrongExp",
               "OverallSat",
               "Fulfilled",
               "IsIdeal",
               "ComplaintHandling",
               "BuyAgain",
               "SwitchForPrice",
               "Recommend",
               "Trusted",
               "Stable",
               "Responsible",
               "Concerned",
               "Innovative",
               "OverallQuality",
               "NetworkQuality",
               "CustomerService",
               "ServiceQuality",
               "RangeProdServ",
               "Reliability",
               "ClearInfo",
               "FairPrice",
               "GoodValue")

# prints the correlation matrix
round(cor(mobi[,-9]),2)

# plots the correlation network map
library("qgraph")
qgraph(cor(mobi[,-9]), layout="spring",
       labels=names(mobi[-9]), label.scale=FALSE,
       label.cex=1, node.width=.5, minimum=.3)




  • 1
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
TOPSIS(技术评价与排序法)和灰色关联度是两种不同的多属性决策方法,分别用于评价和排序。下面将分别介绍如何用图形方式表示这两种方法。 对于TOPSIS方法,我们通常使用散点图来展示各个决策方案的评价结果。首先,我们需要给定若干个决策方案和它们在不同属性上的得分,通常用一个矩阵来表示。接下来,我们需要计算每个决策方案相对于最优解和最劣解的距离。在散点图上,我们可以将每个决策方案表示为一个点,点的横轴表示与最优解的距离,纵轴表示与最劣解的距离。根据计算得到的距离值,我们可以将散点图中的点按照与最优解的距离远近进行排序,从而得到最终的评价与排序结果。 对于灰色关联度方法,我们一般使用折线图来展示各个决策方案之间的关联度变化趋势。首先,我们需要给定若干个决策方案和它们在不同属性上的得分,同样用矩阵表示。接着,我们需要计算各个决策方案之间的关联度值。在折线图上,我们可以将每个决策方案表示为一个线条,线条的纵轴表示关联度值,横轴表示不同的决策方案。根据计算得到的关联度值,我们可以通过折线图来观察各个决策方案之间的关联度变化情况,从而得到最终的排序结果。 综上所述,TOPSIS和灰色关联度方法可以通过散点图和折线图来进行展示。这些图形可以帮助我们直观地理解和比较不同决策方案的评价和排序结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值