Корреляция метрической шкалы и номинативной 0_0 Опции

[kont]

Подскажите пожалуйста, мне нужно изучить взаимосвязь между метрическими показателями и номинативными.
Это эмоциональные реакции на стимулы.
К метрическим переменным относятся:
Вытеснение (П) Регрессия (П) Замещение (П) Отрицание (П) Проекция (П) Компенсация (П) Гиперкомпенсация (П) Рационализация (П)
К номинативным ряд картинок, по каждой картинке нужно сказать чувствовал эмоцию или нет (1-да, 0-нет)
Список эмоций:
Боль
Вина
Возмущение
Грусть
Досада
Жалость
Забота
Злость
Интерес
Испуг
Любовь
Обида
Огорчение
Отвержение
Отвращение
Печаль
Презрение
Равнодушие
Радость
Раздражение
Разочарование
Растерянность
Смущение
Сострадание
Сочувствие
Спокойствие
Страдание
Страх
Стыд
Счастье
Тревога
Удивление
Удовольствие
Ужас

Вопрос. Можно ли коррелировать эти метрические показатели с номинативными (по Спирману) или для изучения взаимосвязей, тут можно только сравнить метрические переменные по каждой номинативной используя t.test?

Прикрепленные файлы

 корр.zip ( 48,19 килобайт ) Кол-во скачиваний: 330

 

[kont]

p2004r, подскажите, в аргументе Тенсора, что должно стоять

mpca(tnsr, ranks = NULL, max_iter = 25, tol = 1e-05)

Tensor with K modes. что мне сюда подставить?
Как правильно то?

И второй момент статистический. В обычном факторном анализе, для выбора факторов, я смотрю на график каменной осыпи. А в mpca на что смотреть?

[p2004r]

p2004r, подскажите, в аргументе Тенсора, что должно стоять

mpca(tnsr, ranks = NULL, max_iter = 25, tol = 1e-05)

Tensor with K modes. что мне сюда подставить?
Как правильно то?

И второй момент статистический. В обычном факторном анализе, для выбора факторов, я смотрю на график каменной осыпи. А в mpca на что смотреть?

1) пакуете в многомерный массив свой датасет. размерность (люди,чувства,картинки)

В статье по ссылке есть пример подготовки искусственного примера. И пример анализа каноническим разложением cp().

Можно в принципе и "психхарактеристики" добавить, но их придется "рециркулировать" для измерений "чувства" и "картинки". Но зато вся ковариация будет за один подход описана.

2) Там точно также можно получить "долю объясняемой ковариации" (см. ссылку на пример) только надо судя по всему "ручками" пройти все варианты "усечения" размерности объясняемого тензора.