HOW TO PLOT MORE THAN 100 CORRELATION?

PLOT CORRELATION

How is correlation calculated R?

Correlation is a statistical tool to get a comparison between two and more stocks, commodities prices, etc.

 
seq(as.POSIXct("2003-04-23"), by = "month", length = 12)
 [1] "2003-04-23 IST" "2003-05-23 IST"
 [3] "2003-06-23 IST" "2003-07-23 IST"
 [5] "2003-08-23 IST" "2003-09-23 IST"
 [7] "2003-10-23 IST" "2003-11-23 IST"
 [9] "2003-12-23 IST" "2004-01-23 IST"
[11] "2004-02-23 IST" "2004-03-23 IST"
> seq(as.POSIXct("2003-04-23"), by = "year", length = 12)
 [1] "2003-04-23 IST" "2004-04-23 IST"
 [3] "2005-04-23 IST" "2006-04-23 IST"
 [5] "2007-04-23 IST" "2008-04-23 IST"
 [7] "2009-04-23 IST" "2010-04-23 IST"
 [9] "2011-04-23 IST" "2012-04-23 IST"
[11] "2013-04-23 IST" "2014-04-23 IST"
> seq(as.POSIXct("2003-04-23"), by = "weekly", length = 12)
Error in seq.POSIXt(as.POSIXct("2003-04-23"), by = "weekly", length = 12) : 
  invalid string for 'by'
> seq(as.POSIXct("2003-04-23"), by = "week", length = 12)
 [1] "2003-04-23 IST" "2003-04-30 IST"
 [3] "2003-05-07 IST" "2003-05-14 IST"
 [5] "2003-05-21 IST" "2003-05-28 IST"
 [7] "2003-06-04 IST" "2003-06-11 IST"
 [9] "2003-06-18 IST" "2003-06-25 IST"
[11] "2003-07-02 IST" "2003-07-09 IST"
> seq(as.POSIXct("2003-04-23"), by = "daily", length = 12)
Error in seq.POSIXt(as.POSIXct("2003-04-23"), by = "daily", length = 12) : 
  invalid string for 'by'
> seq(as.POSIXct("2003-04-23"), by = "day", length = 12)
 [1] "2003-04-23 IST" "2003-04-24 IST"
 [3] "2003-04-25 IST" "2003-04-26 IST"
 [5] "2003-04-27 IST" "2003-04-28 IST"
 [7] "2003-04-29 IST" "2003-04-30 IST"
 [9] "2003-05-01 IST" "2003-05-02 IST"
[11] "2003-05-03 IST" "2003-05-04 IST"
> rep(1:4, 4)
 [1] 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
> rep(1:4, 5)
 [1] 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
> rep(1:5, c(3, 2, 2, 2))
Error in rep(1:5, c(3, 2, 2, 2)) : invalid 'times' argument
> rep(1:4, c(3, 2, 2, 2))
[1] 1 1 1 2 2 3 3 4 4
> rep(1:4, 1:4)
 [1] 1 2 2 3 3 3 4 4 4 4
> x <- rnorm(10)
> y <- runif(10, 4, 7)
> plot(y)
> plot(x)
> x <- 1:8
> dim(x) <- c(2, 4)
> x
     [,1] [,2] [,3] [,4]
[1,]    1    3    5    7
[2,]    2    4    6    8
> x <- matrix(1:8, 2, 4)
> x
     [,1] [,2] [,3] [,4]
[1,]    1    3    5    7
[2,]    2    4    6    8
> x <- matrix(1:8, 2, 4, byrow = TRUE)
> x
     [,1] [,2] [,3] [,4]
[1,]    1    2    3    4
[2,]    5    6    7    8
> cbind(c(1, 2, 3), c(4, 5, 6))
     [,1] [,2]
[1,]    1    4
[2,]    2    5
[3,]    3    6
> rbind(c(1, 2, 3), c(4, 5, 6))
     [,1] [,2] [,3]
[1,]    1    2    3
[2,]    4    5    6
> x * x^2
     [,1] [,2] [,3] [,4]
[1,]    1    8   27   64
[2,]  125  216  343  512
> max(x)
[1] 8
> x <- matrix(1:16, ncol = 4)
> x
     [,1] [,2] [,3] [,4]
[1,]    1    5    9   13
[2,]    2    6   10   14
[3,]    3    7   11   15
[4,]    4    8   12   16
> t(x)
     [,1] [,2] [,3] [,4]
[1,]    1    2    3    4
[2,]    5    6    7    8
[3,]    9   10   11   12
[4,]   13   14   15   16
> x*t(x)
     [,1] [,2] [,3] [,4]
[1,]    1   10   27   52
[2,]   10   36   70  112
[3,]   27   70  121  180
[4,]   52  112  180  256
> plot(x)
> plot(t(x))
> y <- 7:10
> y
[1]  7  8  9 10
> x * y
     [,1] [,2] [,3] [,4]
[1,]    7   35   63   91
[2,]   16   48   80  112
[3,]   27   63   99  135
[4,]   40   80  120  160
> x %*% t(x)
     [,1] [,2] [,3] [,4]
[1,]  276  304  332  360
[2,]  304  336  368  400
[3,]  332  368  404  440
[4,]  360  400  440  480
> chol(x)
Error in chol.default(x) : 
  the leading minor of order 2 is not positive definite
> diag(x)
[1]  1  6 11 16
> qr(x)
$qr
           [,1]        [,2]          [,3]
[1,] -5.4772256 -12.7801930 -2.008316e+01
[2,]  0.3651484  -3.2659863 -6.531973e+00
[3,]  0.5477226  -0.3781696  1.601186e-15
[4,]  0.7302967  -0.9124744 -5.547002e-01
              [,4]
[1,] -2.738613e+01
[2,] -9.797959e+00
[3,]  2.217027e-15
[4,] -1.478018e-15

$rank
[1] 2

$qraux
[1] 1.182574e+00 1.156135e+00 1.832050e+00
[4] 1.478018e-15

$pivot
[1] 1 2 3 4

attr(,"class")
[1] "qr"
> solve(x)
Error in solve.default(x) : 
  Lapack routine dgesv: system is exactly singular: U[3,3] = 0
> svd(x)
$d
[1] 3.862266e+01 2.071323e+00 2.076990e-15
[4] 4.119458e-16

$u
           [,1]       [,2]        [,3]       [,4]
[1,] -0.4284124 -0.7186535  0.43803202  0.3288281
[2,] -0.4743725 -0.2738078 -0.82913672 -0.1119477
[3,] -0.5203326  0.1710379  0.34417739 -0.7625890
[4,] -0.5662928  0.6158835  0.04692732  0.5457086

$v
           [,1]        [,2]       [,3]       [,4]
[1,] -0.1347221  0.82574206  0.5322301 -0.1293488
[2,] -0.3407577  0.42881720 -0.6132292  0.5691660
[3,] -0.5467933  0.03189234 -0.3702319 -0.7502855
[4,] -0.7528288 -0.36503251  0.4512310  0.3104683

> var(x)
         [,1]     [,2]     [,3]     [,4]
[1,] 1.666667 1.666667 1.666667 1.666667
[2,] 1.666667 1.666667 1.666667 1.666667
[3,] 1.666667 1.666667 1.666667 1.666667
[4,] 1.666667 1.666667 1.666667 1.666667
> x <- 1:8
> dim(x) <- c(2, 2, 2)
> x
, , 1

     [,1] [,2]
[1,]    1    3
[2,]    2    4

, , 2

     [,1] [,2]
[1,]    5    7
[2,]    6    8

> dim(iris3)
[1] 50  4  3
> test <- iris + 2 * iris
Warning messages:
1: In Ops.factor(left, right) : ‘*’ not meaningful for factors
2: In Ops.factor(left, right) : ‘+’ not meaningful for factors
> test
    Sepal.Length Sepal.Width Petal.Length
1           15.3        10.5          4.2
2           14.7         9.0          4.2
3           14.1         9.6          3.9
4           13.8         9.3          4.5
5           15.0        10.8          4.2
6           16.2        11.7          5.1
7           13.8        10.2          4.2
8           15.0        10.2          4.5
9           13.2         8.7          4.2
10          14.7         9.3          4.5
11          16.2        11.1          4.5
12          14.4        10.2          4.8
13          14.4         9.0          4.2
14          12.9         9.0          3.3
15          17.4        12.0          3.6
16          17.1        13.2          4.5
17          16.2        11.7          3.9
18          15.3        10.5          4.2
19          17.1        11.4          5.1
20          15.3        11.4          4.5
21          16.2        10.2          5.1
22          15.3        11.1          4.5
23          13.8        10.8          3.0
24          15.3         9.9          5.1
25          14.4        10.2          5.7
26          15.0         9.0          4.8
27          15.0        10.2          4.8
28          15.6        10.5          4.5
29          15.6        10.2          4.2
30          14.1         9.6          4.8
31          14.4         9.3          4.8
32          16.2        10.2          4.5
33          15.6        12.3          4.5
34          16.5        12.6          4.2
35          14.7         9.3          4.5
36          15.0         9.6          3.6
37          16.5        10.5          3.9
38          14.7        10.8          4.2
39          13.2         9.0          3.9
40          15.3        10.2          4.5
41          15.0        10.5          3.9
42          13.5         6.9          3.9
43          13.2         9.6          3.9
44          15.0        10.5          4.8
45          15.3        11.4          5.7
46          14.4         9.0          4.2
47          15.3        11.4          4.8
48          13.8         9.6          4.2
49          15.9        11.1          4.5
50          15.0         9.9          4.2
51          21.0         9.6         14.1
52          19.2         9.6         13.5
53          20.7         9.3         14.7
54          16.5         6.9         12.0
55          19.5         8.4         13.8
56          17.1         8.4         13.5
57          18.9         9.9         14.1
58          14.7         7.2          9.9
59          19.8         8.7         13.8
60          15.6         8.1         11.7
61          15.0         6.0         10.5
62          17.7         9.0         12.6
63          18.0         6.6         12.0
64          18.3         8.7         14.1
65          16.8         8.7         10.8
66          20.1         9.3         13.2
67          16.8         9.0         13.5
68          17.4         8.1         12.3
69          18.6         6.6         13.5
70          16.8         7.5         11.7
71          17.7         9.6         14.4
72          18.3         8.4         12.0
73          18.9         7.5         14.7
74          18.3         8.4         14.1
75          19.2         8.7         12.9
76          19.8         9.0         13.2
77          20.4         8.4         14.4
78          20.1         9.0         15.0
79          18.0         8.7         13.5
80          17.1         7.8         10.5
81          16.5         7.2         11.4
82          16.5         7.2         11.1
83          17.4         8.1         11.7
84          18.0         8.1         15.3
85          16.2         9.0         13.5
86          18.0        10.2         13.5
87          20.1         9.3         14.1
88          18.9         6.9         13.2
89          16.8         9.0         12.3
90          16.5         7.5         12.0
91          16.5         7.8         13.2
92          18.3         9.0         13.8
93          17.4         7.8         12.0
94          15.0         6.9          9.9
95          16.8         8.1         12.6
96          17.1         9.0         12.6
97          17.1         8.7         12.6
98          18.6         8.7         12.9
99          15.3         7.5          9.0
100         17.1         8.4         12.3
101         18.9         9.9         18.0
102         17.4         8.1         15.3
103         21.3         9.0         17.7
104         18.9         8.7         16.8
105         19.5         9.0         17.4
106         22.8         9.0         19.8
107         14.7         7.5         13.5
108         21.9         8.7         18.9
109         20.1         7.5         17.4
110         21.6        10.8         18.3
111         19.5         9.6         15.3
112         19.2         8.1         15.9
113         20.4         9.0         16.5
114         17.1         7.5         15.0
115         17.4         8.4         15.3
116         19.2         9.6         15.9
117         19.5         9.0         16.5
118         23.1        11.4         20.1
119         23.1         7.8         20.7
120         18.0         6.6         15.0
121         20.7         9.6         17.1
122         16.8         8.4         14.7
123         23.1         8.4         20.1
124         18.9         8.1         14.7
125         20.1         9.9         17.1
126         21.6         9.6         18.0
127         18.6         8.4         14.4
128         18.3         9.0         14.7
129         19.2         8.4         16.8
130         21.6         9.0         17.4
131         22.2         8.4         18.3
132         23.7        11.4         19.2
133         19.2         8.4         16.8
134         18.9         8.4         15.3
135         18.3         7.8         16.8
136         23.1         9.0         18.3
137         18.9        10.2         16.8
138         19.2         9.3         16.5
139         18.0         9.0         14.4
140         20.7         9.3         16.2
141         20.1         9.3         16.8
142         20.7         9.3         15.3
143         17.4         8.1         15.3
144         20.4         9.6         17.7
145         20.1         9.9         17.1
146         20.1         9.0         15.6
147         18.9         7.5         15.0
148         19.5         9.0         15.6
149         18.6        10.2         16.2
150         17.7         9.0         15.3
    Petal.Width Species
1           0.6      NA
2           0.6      NA
3           0.6      NA
4           0.6      NA
5           0.6      NA
6           1.2      NA
7           0.9      NA
8           0.6      NA
9           0.6      NA
10          0.3      NA
11          0.6      NA
12          0.6      NA
13          0.3      NA
14          0.3      NA
15          0.6      NA
16          1.2      NA
17          1.2      NA
18          0.9      NA
19          0.9      NA
20          0.9      NA
21          0.6      NA
22          1.2      NA
23          0.6      NA
24          1.5      NA
25          0.6      NA
26          0.6      NA
27          1.2      NA
28          0.6      NA
29          0.6      NA
30          0.6      NA
31          0.6      NA
32          1.2      NA
33          0.3      NA
34          0.6      NA
35          0.6      NA
36          0.6      NA
37          0.6      NA
38          0.3      NA
39          0.6      NA
40          0.6      NA
41          0.9      NA
42          0.9      NA
43          0.6      NA
44          1.8      NA
45          1.2      NA
46          0.9      NA
47          0.6      NA
48          0.6      NA
49          0.6      NA
50          0.6      NA
51          4.2      NA
52          4.5      NA
53          4.5      NA
54          3.9      NA
55          4.5      NA
56          3.9      NA
57          4.8      NA
58          3.0      NA
59          3.9      NA
60          4.2      NA
61          3.0      NA
62          4.5      NA
63          3.0      NA
64          4.2      NA
65          3.9      NA
66          4.2      NA
67          4.5      NA
68          3.0      NA
69          4.5      NA
70          3.3      NA
71          5.4      NA
72          3.9      NA
73          4.5      NA
74          3.6      NA
75          3.9      NA
76          4.2      NA
77          4.2      NA
78          5.1      NA
79          4.5      NA
80          3.0      NA
81          3.3      NA
82          3.0      NA
83          3.6      NA
84          4.8      NA
85          4.5      NA
86          4.8      NA
87          4.5      NA
88          3.9      NA
89          3.9      NA
90          3.9      NA
91          3.6      NA
92          4.2      NA
93          3.6      NA
94          3.0      NA
95          3.9      NA
96          3.6      NA
97          3.9      NA
98          3.9      NA
99          3.3      NA
100         3.9      NA
101         7.5      NA
102         5.7      NA
103         6.3      NA
104         5.4      NA
105         6.6      NA
106         6.3      NA
107         5.1      NA
108         5.4      NA
109         5.4      NA
110         7.5      NA
111         6.0      NA
112         5.7      NA
113         6.3      NA
114         6.0      NA
115         7.2      NA
116         6.9      NA
117         5.4      NA
118         6.6      NA
119         6.9      NA
120         4.5      NA
121         6.9      NA
122         6.0      NA
123         6.0      NA
124         5.4      NA
125         6.3      NA
126         5.4      NA
127         5.4      NA
128         5.4      NA
129         6.3      NA
130         4.8      NA
131         5.7      NA
132         6.0      NA
133         6.6      NA
134         4.5      NA
135         4.2      NA
136         6.9      NA
137         7.2      NA
138         5.4      NA
139         5.4      NA
140         6.3      NA
141         7.2      NA
142         6.9      NA
143         5.7      NA
144         6.9      NA
145         7.5      NA
146         6.9      NA
147         5.7      NA
148         6.0      NA
149         6.9      NA
150         5.4      NA
> newarray <- array(c(1:8, 11:18, 111:118), dim = c(2, 4, 3))
> newarray
, , 1

     [,1] [,2] [,3] [,4]
[1,]    1    3    5    7
[2,]    2    4    6    8

, , 2

     [,1] [,2] [,3] [,4]
[1,]   11   13   15   17
[2,]   12   14   16   18

, , 3

     [,1] [,2] [,3] [,4]
[1,]  111  113  115  117
[2,]  112  114  116  118

> data(longley)
> longley
     GNP.deflator     GNP Unemployed Armed.Forces
1947         83.0 234.289      235.6        159.0
1948         88.5 259.426      232.5        145.6
1949         88.2 258.054      368.2        161.6
1950         89.5 284.599      335.1        165.0
1951         96.2 328.975      209.9        309.9
1952         98.1 346.999      193.2        359.4
1953         99.0 365.385      187.0        354.7
1954        100.0 363.112      357.8        335.0
1955        101.2 397.469      290.4        304.8
1956        104.6 419.180      282.2        285.7
1957        108.4 442.769      293.6        279.8
1958        110.8 444.546      468.1        263.7
1959        112.6 482.704      381.3        255.2
1960        114.2 502.601      393.1        251.4
1961        115.7 518.173      480.6        257.2
1962        116.9 554.894      400.7        282.7
     Population Year Employed
1947    107.608 1947   60.323
1948    108.632 1948   61.122
1949    109.773 1949   60.171
1950    110.929 1950   61.187
1951    112.075 1951   63.221
1952    113.270 1952   63.639
1953    115.094 1953   64.989
1954    116.219 1954   63.761
1955    117.388 1955   66.019
1956    118.734 1956   67.857
1957    120.445 1957   68.169
1958    121.950 1958   66.513
1959    123.366 1959   68.655
1960    125.368 1960   69.564
1961    127.852 1961   69.331
1962    130.081 1962   70.551
> myLogical<-sample(c(TRUE,FALSE),size = 10,replace = TRUE)
> myNumeric <- rnorm(10)
> myCharacter <- sample(c("AA", "A", "B", "BB"), size = 10, replace = TRUE)
> myDataFrame <- data.frame(myLogical, myNumeric, myCharacter)
> myDataFrame
   myLogical   myNumeric myCharacter
1       TRUE -1.85368938          BB
2       TRUE  0.42231442          AA
3      FALSE  1.86732013           B
4       TRUE  1.41980104          BB
5       TRUE -1.61678860           A
6       TRUE  0.97970745           A
7       TRUE  0.56190766           A
8       TRUE  0.36667516          AA
9       TRUE  1.15804502          AA
10      TRUE  0.05526391          BB
> args(ts)
function (data = NA, start = 1, end = numeric(), frequency = 1, 
    deltat = 1, ts.eps = getOption("ts.eps"), class = if (nseries > 
        1) c("mts", "ts", "matrix") else "ts", 
    names = if (!is.null(dimnames(data))) colnames(data) else paste("Series", 
        seq(nseries))) 
NULL
> args(ts)
function (data = NA, start = 1, end = numeric(), frequency = 1, 
    deltat = 1, ts.eps = getOption("ts.eps"), class = if (nseries > 
        1) c("mts", "ts", "matrix") else "ts", 
    names = if (!is.null(dimnames(data))) colnames(data) else paste("Series", 
        seq(nseries))) 
NULL
> Caps = Capitalization/1000
> rownames(Caps) = abbreviate(rownames(Caps), 6)
> Caps = ts(t(Caps), start = 2003, frequency = 1)
> Caps[, 1:7]
Time Series:
Start = 2003 
End = 2008 
Frequency = 1 
        ErnxUS   TSXGrp   AstrSE   BmbySE
2003  1328.953  888.677  585.431  278.662
2004 12707.578 1177.517  776.402  386.321
2005  3632.303 1482.184  804.014  553.073
2006 15421.167 1700.708 1095.858  818.878
2007 15650.832 2186.550 1298.315 1819.100
2008  9208.934 1033.448  683.871  647.204
       HngKSE   NSEInd   ShngSE
2003  714.597  252.893  360.106
2004  861.462  363.276  314.315
2005 1054.999  515.972  286.190
2006 1714.953  774.115  917.507
2007 2654.416 1660.096 3694.348
2008 1328.768  600.281 1425.354
> Caps[, 8:13]
Time Series:
Start = 2003 
End = 2008 
Frequency = 1 
       TokySE   BMESSE   DtschB   LndnSE   ErnxEU
2003 2953.098  726.243 1079.026 2460.064 2076.410
2004 3557.674  940.672 1194.516 2865.243 2441.261
2005 4572.901  959.910 1221.106 3058.182 2706.803
2006 4614.068 1322.915 1637.609 3794.310 3712.680
2007 4330.921 1781.132 2105.197 3851.705 4222.679
2008 3115.803  948.352 1110.579 1868.153 2101.745
       SIX SE
2003  727.103
2004  826.040
2005  935.448
2006 1212.308
2007 1271.047
2008  857.306
> cor(Caps)
          ErnxUS    TSXGrp    AstrSE    BmbySE
ErnxUS 1.0000000 0.6630393 0.7865287 0.6418233
TSXGrp 0.6630393 1.0000000 0.9762190 0.8980776
AstrSE 0.7865287 0.9762190 1.0000000 0.8976500
BmbySE 0.6418233 0.8980776 0.8976500 1.0000000
HngKSE 0.7146096 0.9001868 0.9240435 0.9827704
NSEInd 0.6520491 0.9034089 0.9043544 0.9998054
ShngSE 0.5758457 0.7402908 0.7583782 0.9603068
TokySE 0.4356998 0.8147396 0.7482590 0.4966642
BMESSE 0.7729512 0.9543665 0.9786878 0.9656325
DtschB 0.7224010 0.9546141 0.9786540 0.9442181
LndnSE 0.5973448 0.8842631 0.8868782 0.6422512
ErnxEU 0.7243395 0.9720113 0.9905155 0.8643875
SIX SE 0.7537005 0.9497060 0.9746579 0.8531154
          HngKSE    NSEInd    ShngSE    TokySE
ErnxUS 0.7146096 0.6520491 0.5758457 0.4356998
TSXGrp 0.9001868 0.9034089 0.7402908 0.8147396
AstrSE 0.9240435 0.9043544 0.7583782 0.7482590
BmbySE 0.9827704 0.9998054 0.9603068 0.4966642
HngKSE 1.0000000 0.9856577 0.9324460 0.5338580
NSEInd 0.9856577 1.0000000 0.9566535 0.5084025
ShngSE 0.9324460 0.9566535 1.0000000 0.2391869
TokySE 0.5338580 0.5084025 0.2391869 1.0000000
BMESSE 0.9777935 0.9696532 0.8753545 0.6299205
DtschB 0.9508990 0.9474317 0.8429870 0.6344255
LndnSE 0.6631623 0.6500483 0.4274252 0.8452199
ErnxEU 0.8942630 0.8712478 0.7089918 0.7777069
SIX SE 0.9112086 0.8624268 0.7031102 0.7898999
          BMESSE    DtschB    LndnSE    ErnxEU
ErnxUS 0.7729512 0.7224010 0.5973448 0.7243395
TSXGrp 0.9543665 0.9546141 0.8842631 0.9720113
AstrSE 0.9786878 0.9786540 0.8868782 0.9905155
BmbySE 0.9656325 0.9442181 0.6422512 0.8643875
HngKSE 0.9777935 0.9508990 0.6631623 0.8942630
NSEInd 0.9696532 0.9474317 0.6500483 0.8712478
ShngSE 0.8753545 0.8429870 0.4274252 0.7089918
TokySE 0.6299205 0.6344255 0.8452199 0.7777069
BMESSE 1.0000000 0.9866516 0.7858692 0.9538240
DtschB 0.9866516 1.0000000 0.8432133 0.9726564
LndnSE 0.7858692 0.8432133 1.0000000 0.9260487
ErnxEU 0.9538240 0.9726564 0.9260487 1.0000000
SIX SE 0.9432906 0.9359378 0.8567163 0.9755160
          SIX SE
ErnxUS 0.7537005
TSXGrp 0.9497060
AstrSE 0.9746579
BmbySE 0.8531154
HngKSE 0.9112086
NSEInd 0.8624268
ShngSE 0.7031102
TokySE 0.7898999
BMESSE 0.9432906
DtschB 0.9359378
LndnSE 0.8567163
ErnxEU 0.9755160
SIX SE 1.0000000
> pairs(Caps, pch = 19, cex = 0.8)
> R = as.matrix(Caps)
> n = ncol(R)
> Names = abbreviate(colnames(R), 4)
> n
[1] 13
> Names
ErnxUS TSXGrp AstrSE BmbySE HngKSE NSEInd 
"ErUS" "TSXG" "AsSE" "BmSE" "HKSE" "NSEI" 
ShngSE TokySE BMESSE DtschB LndnSE ErnxEU 
"ShSE" "TkSE" "BMES" "DtsB" "LnSE" "ErEU" 
SIX SE 
"SIXS" 
> corr <- cor(R)
> ncolors <- 10 * length(unique(as.vector(corr)))
> k <- round(ncolors/2)
> r <- c(rep(0, k), seq(0, 1, length = k))
> g <- c(rev(seq(0, 1, length = k)), rep(0, k))
> b <- rep(0, 2 * k)
> corrColorMatrix <- (rgb(r, g, b))
> > image(x = 1:n, y = 1:n, z = corr[, n:1], col = corrColorMatrix,
Error: unexpected '>' in ">"
>         axes = FALSE, main = "", xlab = "", ylab = "")
Error: unexpected ',' in "        axes = FALSE,"
> > image(x = 1:n, y = 1:n, z = corr[, n:1], col = corrColorMatrix,axes = FALSE, main = "", xlab = "", ylab = "")
Error: unexpected '>' in ">"
> image(x = 1:n, y = 1:n, z = corr[, n:1], col = corrColorMatrix,axes = FALSE, main = "", xlab = "", ylab = "")
> axis(2, at = n:1, labels = colnames(R), las = 2)
> axis(1, at = 1:n, labels = colnames(R), las = 2)
> title(main = "Pearson Correlation Image Matrix")
> box()
> x = y = 1:n
> nx = ny = length(y)
> xoy = cbind(rep(x, ny), as.vector(matrix(y, nx, ny, byrow = TRUE)))
> coord = matrix(xoy, nx * ny, 2, byrow = FALSE)
> X = t(corr)
> for (i in 1:(n * n)) {
+     text(coord[i, 1], coord[n * n + 1 - i, 2], round(X[coord[i,1], coord[i, 2]], digits = 2), col = "white", cex = 0.7)
+ }
Reactions

Post a Comment

0 Comments