x <- array(list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dim=c(7 ,164) ,dimnames=list(c('TotalSize' ,'#CompViews(PR)' ,'#SharedComp' ,'#BloggedComputations' ,'#LongPR' ,'#Reviews' ,'#SecinComp') ,1:164)) y <- array(NA,dim=c(7,164),dimnames=list(c('TotalSize','#CompViews(PR)','#SharedComp','#BloggedComputations','#LongPR','#Reviews','#SecinComp'),1:164)) for (i in 1:dim(x)[1]) { for (j in 1:dim(x)[2]) { y[i,j] <- as.numeric(x[i,j]) } } par1 = 'pearson' main = 'Correlation Matrix' panel.tau <- function(x, y, digits=2, prefix='', cex.cor) { usr <- par('usr'); on.exit(par(usr)) par(usr = c(0, 1, 0, 1)) rr <- cor.test(x, y, method=par1) r <- round(rr$p.value,2) txt <- format(c(r, 0.123456789), digits=digits)[1] txt <- paste(prefix, txt, sep='') if(missing(cex.cor)) cex <- 0.5/strwidth(txt) text(0.5, 0.5, txt, cex = cex) } panel.hist <- function(x, ...) { usr <- par('usr'); on.exit(par(usr)) par(usr = c(usr[1:2], 0, 1.5) ) h <- hist(x, plot = FALSE) breaks <- h$breaks; nB <- length(breaks) y <- h$counts; y <- y/max(y) rect(breaks[-nB], 0, breaks[-1], y, col='grey', ...) } postscript(file="/var/wessaorg/rcomp/tmp/1kdh21324660281.ps",horizontal=F,onefile=F,pagecentre=F,paper="special",width=8.3333333333333,height=5.5555555555556) pairs(t(y),diag.panel=panel.hist, upper.panel=panel.smooth, lower.panel=panel.tau, main=main) dev.off() #Note: the /var/wessaorg/rcomp/createtable file can be downloaded at http://www.wessa.net/cretab load(file="/var/wessaorg/rcomp/createtable") n <- length(y[,1]) n a<-table.start() a<-table.row.start(a) a<-table.element(a,paste('Correlations for all pairs of data series (method=',par1,')',sep=''),n+1,TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,' ',header=TRUE) for (i in 1:n) { a<-table.element(a,dimnames(t(x))[[2]][i],header=TRUE) } a<-table.row.end(a) for (i in 1:n) { a<-table.row.start(a) a<-table.element(a,dimnames(t(x))[[2]][i],header=TRUE) for (j in 1:n) { r <- cor.test(y[i,],y[j,],method=par1) a<-table.element(a,round(r$estimate,3)) } a<-table.row.end(a) } a<-table.end(a) table.save(a,file="/var/wessaorg/rcomp/tmp/2ntn91324660281.tab") a<-table.start() a<-table.row.start(a) a<-table.element(a,'Correlations for all pairs of data series with p-values',4,TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'pair',1,TRUE) a<-table.element(a,'Pearson r',1,TRUE) a<-table.element(a,'Spearman rho',1,TRUE) a<-table.element(a,'Kendall tau',1,TRUE) a<-table.row.end(a) cor.test(y[1,],y[2,],method=par1) for (i in 1:(n-1)) { for (j in (i+1):n) { a<-table.row.start(a) dum <- paste(dimnames(t(x))[[2]][i],';',dimnames(t(x))[[2]][j],sep='') a<-table.element(a,dum,header=TRUE) rp <- cor.test(y[i,],y[j,],method='pearson') a<-table.element(a,round(rp$estimate,4)) rs <- cor.test(y[i,],y[j,],method='spearman') a<-table.element(a,round(rs$estimate,4)) rk <- cor.test(y[i,],y[j,],method='kendall') a<-table.element(a,round(rk$estimate,4)) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'p-value',header=T) a<-table.element(a,paste('(',round(rp$p.value,4),')',sep='')) a<-table.element(a,paste('(',round(rs$p.value,4),')',sep='')) a<-table.element(a,paste('(',round(rk$p.value,4),')',sep='')) a<-table.row.end(a) } } a<-table.end(a) table.save(a,file="/var/wessaorg/rcomp/tmp/3wrq91324660281.tab") try(system("convert tmp/1kdh21324660281.ps tmp/1kdh21324660281.png",intern=TRUE))