Universidad de Granada

Master en Estadística Aplicada

Analisis de datos. Técnicas

aplicadas a datos de proximidad

Actividad 3

Estudiante
César Andrés Pacheco Chaparro
Febrero de 2019
 Ejemplo de aplicación del análisis
de correlación canónica
Conjunto de datos
Los datos utilizados son parte de un estudio en el que se pretendía evidenciar la influencia de ciertas
variables del suelo en el desarrollo de las plantas de maíz, en la finca Marengo de la Universidad
Nacional de Colombia en el municipio de Mosquera , Cundinamarca. (Pacheco y Leiva, 2008).
Todas las unidades experimentales tuvieron el mismo manejo agronómico y se utilizó la misma
variedad de maíz, y se encontraban sujetas a las mismas condiciones de precipitación, temperatura,
humedad, radiación, etc,. De tal forma que se prevé que las diferencias en el comportamiento de las
plantas se debió a las diferencias en las características del suelo. El hecho de que el desarrollo de las
plantas depende de las características físicas y químicas, así como del contenido de nutrientes del
suelo y de factores climáticos (Marín, G., et al., 2011), se encuentra ampliamente documentado.

Las Variables independientes son las características de suelo:

Humedad (H), conductividad eléctrica (CE), sodio antes de siembra (Na1), sodio a las 24 semanas
de siembra (Na2), aluminio (Al), nitrógeno (N) y fósforo (P).

Las variables dependientes miden direrentes aspectos del desarrollo y

producción de la planta:
Días a antesis de la flor femenina (DAF), Longitud de la planta a las 24 semanas (Longpl), área
foliar de la hoja inferior a la mazorca (AFHIN), área foliar de la hoja superior a la mazorca
(AFHSU), peso húmedo de la mazorca (PHM), mazorcas por metro cuadrado (Maz/m²) y peso
seco de la planta (PSPL).

Los sitios de muestreo se encuentran en configuración cuadrada con separación de 10 metros de

acuerdo con lo representado en la tabla 1.
Tabla 1. Distribución de los puntos de muestreo.

4 5 12 13 20 21 28 29
3 6 11 14 19 22 27 30
2 7 10 15 18 23 26 31
1 8 9 16 17 24 25 32

Se leen los datos de variables dependientes (planta), alojados en un libro de hojas de cálculo de
Excel.

library(readxl)
maizUN <- read_excel("Escritorio/Master UGR/estd mtv/corrcanónica/maizUN.xls", sheet =
"Hoja5")
View(maizUN)
Se cargan la librería mvShapiroTest para comprobar la normalidad multivariante y se realiza la
prueba de Shapiro para normalidad multivariante. Se excluye la primer columna que es un
identificador del sitio de muestreo.
library(mvShapiroTest)
require(mvShapiroTest)
mvShapiro.Test(as.matrix(maizUN[,2:8]))

Generalized Shapiro-Wilk test for Multivariate Normality by

Villasenor-Alva and Gonzalez-Estrada

data: as.matrix(maizUN[, 2:8])

MVW = 0.9602, p-value = 0.1659

El p-value de 0,1659 no permite rechazar la hipotesis de normalidad multivaviante.

Se leen los datos de variables independientes (suelo).

library(readxl)
suelos <- read_excel("Escritorio/Master UGR/estd mtv/corrcanónica/maizUN.xls", sheet =
"Hoja4")

Se realiza la prueba de normalidad multivariante de Shapiro. Se excluye la primer columna que es

un identificador del lugar de muestreo.

mvShapiro.Test(as.matrix(suelosUN[,2:8]))

Generalized Shapiro-Wilk test for Multivariate Normality by

 Villasenor-Alva and Gonzalez-Estrada

data: as.matrix(suelosUN[, 2:8])

MVW = 0.93853, p-value = 0.0005941

Se rechaza el supuesto de normalidad multivariante, puesto que el p-value < 0,05. Se realiza una
prueba particular de Shapiro WilK para identificar cuales variables no cumplen con la normalidad.
Se ha puesto en rojo las variables que no superan la prueba de normalidad.

shapiro.test(as.matrix(suelos[,2]))

Shapiro-Wilk normality test

data: as.matrix(suelos[, 2])

W = 0.87448, p-value = 0.001476

shapiro.test(as.matrix(suelos[,3]))

Shapiro-Wilk normality test

data: as.matrix(suelos[, 3])

W = 0.9564, p-value = 0.2183

shapiro.test(as.matrix(suelos[,4]))

Shapiro-Wilk normality test

data: as.matrix(suelos[, 4])

W = 0.95017, p-value = 0.1457

shapiro.test(as.matrix(suelos[,5]))

Shapiro-Wilk normality test

data: as.matrix(suelos[, 5])

W = 0.96455, p-value = 0.364

> shapiro.test(as.matrix(suelos[,6]))

Shapiro-Wilk normality test

data: as.matrix(suelos[, 6])

W = 0.83356, p-value = 0.0001864

> shapiro.test(as.matrix(suelos[,7]))

Shapiro-Wilk normality test

data: as.matrix(suelos[, 7])

W = 0.9553, p-value = 0.2034

> shapiro.test(as.matrix(suelos[,8]))

Shapiro-Wilk normality test

data: as.matrix(suelos[, 8])

W = 0.89605, p-value = 0.004922

Las variables 2, 6, y 8 no cumplen con la normalidad. Se generan los histogramas como ayuda
visual de las distribuciones correspondientes.
hist(as.matrix(suelos[,2]))
hist(as.matrix(suelos[,6]))
hist(as.matrix(suelos[,8]))

Las variables 2, 6, y 8 presentan un corrimiento a izquierda lo que indica que la transformación y =

1/x podria normalizar los datos.
suelost<-suelos
suelost[,2]<-suelos[,2]^(-1)
> shapiro.test(as.matrix(suelost[,2]))

Shapiro-Wilk normality test

data: as.matrix(suelost[, 2])

W = 0.96438, p-value = 0.3602

> suelost[,6]<-suelos[,6]^(-1)
> shapiro.test(as.matrix(suelost[,6]))

Shapiro-Wilk normality test

data: as.matrix(suelost[, 6])

W = 0.96925, p-value = 0.479

> suelost[,8]<-suelos[,8]^(-1)
> shapiro.test(as.matrix(suelost[,8]))

Shapiro-Wilk normality test

data: as.matrix(suelost[, 8])

W = 0.93717, p-value = 0.06224

Ahora el objeto suelost contiene los datos con las variables 2, 6, y 8 normalizadas mediante
la transformación y = 1/x. Se prueba de nuevo la normalidad multivariante.
mvShapiro.Test(as.matrix(suelost[,2:8]))

Generalized Shapiro-Wilk test for Multivariate Normality by Villasenor-Alva

and Gonzalez-Estrada

data: as.matrix(suelost[, 2:8])

MVW = 0.945, p-value = 0.003907

Pese a haber transformado los datos para no rachazar la hipótesis de normalidad de cada variable,
aún no se cumple con la normalidad multivariante. La consecuencia de esta situación es la
limitación a la hora de realizar los contrastes de significación de inferencia estadística de cada
función canónica, (Badii, et al., 2007), pero podría ocurrir que con las variables transformadas las
correlaciones disminuyan. Aún así es posible obtener información útil del análisis de correlaciones
canónicas. En adelante se realiza el análisis de correlaciones canónicas inicialmente con las
variables sin transformar y enseguida con las variables transformadas. En este último caso es
importante tener en cuenta que hay tres variables transformadas a la hora de interpretar los
resultados.

Analisis de correlación canónica con las variables sin transformar

Se cargan las librerías fields y CCA , luego se hallan las correlaciones entre variables de Suelo, las
correlaciones entre variables de plantas y las correlaciones entre variables de suelo y variables de
planta.
library (fields)
library (CCA)
correlaciones<-matcor(suelos[,2:8],plantas[2:8])
correlaciones
$Xcor
H CE Na1 Na2 Al N P
H 1.00000000 -0.4615540 -0.2869406 -0.3639218 0.73219284 0.08659885 0.05479367
CE -0.46155396 1.0000000 0.6835849 0.8956650 -0.60159221 0.24386721 -0.49859473
Na1 -0.28694056 0.6835849 1.0000000 0.7594306 -0.45385097 0.38590094 -0.56095823
Na2 -0.36392178 0.8956650 0.7594306 1.0000000 -0.60556352 0.50314230 -0.42442325
Al 0.73219284 -0.6015922 -0.4538510 -0.6055635 1.00000000 -0.02841626 0.28511743
N 0.08659885 0.2438672 0.3859009 0.5031423 -0.02841626 1.00000000 -0.09820094
P 0.05479367 -0.4985947 -0.5609582 -0.4244232 0.28511743 -0.09820094 1.00000000

$Ycor
DAF Longpl AFHIN AFHSU PHM Maz/m2 PSPL
DAF 1.0000000 -0.7486062 -0.5075470 -0.4678808 -0.4692417 -0.4900427 -0.3900714
Longpl -0.7486062 1.0000000 0.8219481 0.7833515 0.6070789 0.5213118 0.4636560
AFHIN -0.5075470 0.8219481 1.0000000 0.9601511 0.6254082 0.4393567 0.4645130
AFHSU -0.4678808 0.7833515 0.9601511 1.0000000 0.6645599 0.3806343 0.4409346
PHM -0.4692417 0.6070789 0.6254082 0.6645599 1.0000000 0.2946746 0.4649840
Maz/m2 -0.4900427 0.5213118 0.4393567 0.3806343 0.2946746 1.0000000 0.3027732
PSPL -0.3900714 0.4636560 0.4645130 0.4409346 0.4649840 0.3027732 1.0000000

$XYcor
H CE Na1 Na2 Al N P DAF Longpl AFHIN AFHSU
H 1.00000000 -0.4615540 -0.2869406 -0.3639218 0.73219284 0.08659885 0.05479367 -0.4210140 0.4948493 0.2547726 0.2697982
CE -0.46155396 1.0000000 0.6835849 0.8956650 -0.60159221 0.24386721 -0.49859473 0.8305346 -0.6521033 -0.3409554 -0.3299080
Na1 -0.28694056 0.6835849 1.0000000 0.7594306 -0.45385097 0.38590094 -0.56095823 0.7212669 -0.5546547 -0.3268152 -0.3375259
Na2 -0.36392178 0.8956650 0.7594306 1.0000000 -0.60556352 0.50314230 -0.42442325 0.7751589 -0.6110695 -0.2308895 -0.2160156
Al 0.73219284 -0.6015922 -0.4538510 -0.6055635 1.00000000 -0.02841626 0.28511743 -0.4878934 0.4540328 0.1622994 0.1785816
N 0.08659885 0.2438672 0.3859009 0.5031423 -0.02841626 1.00000000 -0.09820094 0.2736550 -0.1053470 0.1353510 0.1530405
P 0.05479367 -0.4985947 -0.5609582 -0.4244232 0.28511743 -0.09820094 1.00000000 -0.4859073 0.4471885 0.3984092 0.4096190
DAF -0.42101396 0.8305346 0.7212669 0.7751589 -0.48789335 0.27365498 -0.48590728 1.0000000 -0.7486062 -0.5075470 -0.4678808
Longpl 0.49484934 -0.6521033 -0.5546547 -0.6110695 0.45403277 -0.10534696 0.44718855 -0.7486062 1.0000000 0.8219481 0.7833515
AFHIN 0.25477257 -0.3409554 -0.3268152 -0.2308895 0.16229939 0.13535096 0.39840918 -0.5075470 0.8219481 1.0000000 0.9601511
AFHSU 0.26979825 -0.3299080 -0.3375259 -0.2160156 0.17858163 0.15304050 0.40961904 -0.4678808 0.7833515 0.9601511 1.0000000
PHM 0.44159221 -0.3475496 -0.4603814 -0.2521379 0.29073618 0.24547102 0.42784141 -0.4692417 0.6070789 0.6254082 0.6645599
Maz/m2 0.21358798 -0.5139226 -0.4255353 -0.4789912 0.30365847 -0.05086207 0.19681320 -0.4900427 0.5213118 0.4393567 0.3806343
PSPL 0.23858681 -0.2527479 -0.3961721 -0.2634899 -0.06310520 -0.09803246 0.20820421 -0.3900714 0.4636560 0.4645130 0.4409346

PHM Maz/m2 PSPL

H 0.4415922 0.21358798 0.23858681
CE -0.3475496 -0.51392259 -0.25274789
Na1 -0.4603814 -0.42553528 -0.39617214
Na2 -0.2521379 -0.47899121 -0.26348988
Al 0.2907362 0.30365847 -0.06310520
N 0.2454710 -0.05086207 -0.09803246
P 0.4278414 0.19681320 0.20820421
DAF -0.4692417 -0.49004267 -0.39007143
Longpl 0.6070789 0.52131177 0.46365597
AFHIN 0.6254082 0.43935671 0.46451297
AFHSU 0.6645599 0.38063434 0.44093456
PHM 1.0000000 0.29467464 0.46498401
Maz/m2 0.2946746 1.00000000 0.30277317
PSPL 0.4649840 0.30277317 1.00000000

Se puede observar que existe una correlación importante entre:

Algunas variables, de suelo: H-Al (0,73), CE-Na (0,895)
Algunas variables de planta como DAF-Longpl (-0,749), Longpl -AFHIN (0,822), Longpl-AFHSU
(0,78), AFHSU-AFHIN (0,96)
Variables independientes y dependientes CE-DAF (0,83), Na2-DAF (0,775), Na1-DAF (0,72)
En agricultura generalmente no se presentan correlaciones muy próximas a la unidad salvo en
ciertas relaciones particulares, y se considera que correlaciones como las que se han nombrado
contienen información muy importante y en muchos casos se considera que correlaciones de 0,5 o
superiores aportan información importante, todo depende de cada caso particular.
Se realiza la correlación canónica tomando como valiables independientes las de suelos y como
dependientes las de desarrollo de plantas y se solicita ver los resultados.

ccmaiz <- cc(suelos[,2:8],plantas[2:8])

ccmaiz
$cor
[1] 0.911651091 0.759098622 0.590526379 0.497990841 0.312249633 0.179851210 0.001119002
$names
$names$Xnames
[1] "H" "CE" "Na1" "Na2" "Al" "N" "P"

$names$Ynames
[1] "DAF" "Longpl" "AFHIN" "AFHSU" "PHM" "Maz/m2" "PSPL"

$names$ind.names
[1] "1" "2" "3" "4" "5" "6" "7" "8" "9" "10" "11" "12" "13" "14" "15" "16" "17"
"18" "19" "20" "21" "22" "23" "24" "25"
[26] "26" "27" "28" "29" "30" "31" "32"

Los coeficientes en bruto muestran que tan sensibles son las variables canónicas a cambios unitarios
en las variables de forma similar a los coeficientes de regresión, pero no son indicador de la
correlación entre la variable canónica y las variables dependientes o independientes.

$xcoef
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
H -6.585286615 -18.61300027 12.160140426 -4.35630710 -6.02700652 -0.07058357 -8.27459907
CE 0.199475573 -1.52765659 1.374360186 -1.30688662 0.66476704 -0.09619537 1.74790738
Na1 0.519571818 0.68597964 1.352232151 -1.48196593 -1.68232536 -2.28476273 -0.07578379
Na2 1.239397062 2.52441181 -4.004350987 2.49509331 -2.00308706 3.66805739 -3.63928431
Al 1.650996105 6.50015053 -4.431915886 -3.96073589 0.38720820 4.09928666 0.66018054
N -2.529297023 -20.93389900 -9.122469406 -10.13451490 25.49234805 -25.49758852 9.89729550
P -0.003076081 -0.02392206 -0.002056118 -0.01320158 -0.04305682 -0.01114365 0.02569786

$ycoef
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
DAF 0.086019096 -0.092178740 0.090460790 -0.143024383 0.062739888 -0.087558983 -0.062014170
Longpl -0.016751468 -0.000881192 0.035735115 -0.043420402 -0.005261712 -0.008155574 -0.009435130
AFHIN 0.010101105 -0.004582914 -0.007363236 0.007872794 -0.007160121 -0.024298017 0.033275704
AFHSU -0.003725138 0.004210845 -0.005279253 0.003470498 -0.001858324 0.018218788 -0.039857995
PHM -0.001525536 -0.010020984 -0.008052148 -0.007565333 0.006849993 0.005207351 0.008513248
Maz/m2 -0.215115983 0.494057243 -0.440735296 0.119923914 1.773815186 -0.740113449 -0.594399510
PSPL -0.003336482 -0.013810427 0.017507450 0.016646900 0.003690599 0.001061390 -0.003980600

$scores
$scores$xscores
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
[1,] -1.47712819 -1.59278893 0.11690295 0.77387441 -0.44121244 -0.96098391 1.39020943
[2,] -1.70737946 0.22169153 1.08334426 0.03527194 0.24680191 1.66776499 -0.57408080
[3,] -1.64029728 1.52569912 -0.80191018 -2.57685767 -0.82661282 1.91910920 -0.25812970
[4,] -1.18541070 0.11799949 -1.11375847 -0.69002606 0.07635179 0.58490473 1.71349703
[5,] -1.15751401 0.39166915 0.12821862 0.71526553 -0.97725433 -1.27810979 1.02273311
[6,] -0.76165368 -0.60742909 -0.61521016 -1.74998900 2.39813791 0.02485774 -0.34999701
[7,] -0.51456637 0.26737194 0.73917682 -0.30936914 0.46564448 -0.28044466 -0.61640765
[8,] -0.08324901 -1.02817652 -0.76159635 -1.09271296 -0.65643366 -1.24807619 -2.74376955
[9,] -0.94109880 -1.80792141 0.28330796 -0.04812590 0.67478090 -0.60577969 -1.12775843
[10,] -0.64694880 -1.07618438 -0.32268461 -0.98413809 -0.88709819 -0.31439176 0.81753184
[11,] -0.02803459 0.84038707 2.41410113 -0.59476478 -1.07495458 -0.33794691 -1.23113822
[12,] 0.04089894 1.08558187 0.64471324 1.48161730 1.08756224 1.50708388 -0.41922885
[13,] 0.13230302 1.51043917 -0.89822421 -0.96210075 -0.41695080 -0.80429566 0.29996203
[14,] -0.25495490 0.54918889 -0.10669838 0.70226160 -1.80178054 -0.13746366 -0.12991242
[15,] -0.34821507 0.73513466 -0.48325632 0.01771951 -0.63842771 -1.02575749 1.29989878
[16,] -1.28611399 -1.54803699 1.22287636 1.34622274 0.24165280 0.84124551 -1.32696636
[17,] -0.87952627 -0.67018472 0.22138018 0.83588185 -0.60756587 -0.07832929 1.20589356
[18,] -0.33897101 1.24472293 -0.25157557 0.95282251 1.81165511 -1.31541813 0.72687802
[19,] 0.41841380 0.36413935 -0.09983101 0.78762374 1.05021217 1.18818244 0.59353102
[20,] 0.89943950 0.45328378 0.16013414 0.26761215 -0.03336640 2.18916992 0.73236037
[21,] 0.82722581 1.03615434 1.33025428 -0.14381479 0.46473811 -1.33315861 -0.07297229
[22,] 0.30251233 0.55942650 1.18993681 0.18616155 0.50782484 -1.67580250 0.53195063
[23,] 0.92890429 0.04121749 -2.16861451 0.64387627 -1.68227655 -0.05170093 -1.25490187
[24,] 1.50789964 0.10155065 0.11945464 -1.24591310 0.34871236 -0.60712504 0.32747061
[25,] 1.86875119 -2.01214456 0.46553274 -1.30448175 1.03159167 0.42443340 1.27245155
[26,] 0.92629532 -0.52590710 -0.84923736 -0.36818512 0.55400933 -0.31139435 -0.75565458
[27,] 1.50390071 -0.66696458 1.19594157 -0.92544153 -0.46611129 0.62067774 0.64399007
[28,] 1.02653091 0.15731784 0.98632789 0.69180369 -1.10469908 0.42240968 -0.56423316
[29,] 1.49830485 -0.48162238 -0.06358187 0.31346919 -1.49036182 0.78339325 0.55295478
[30,] 0.74904566 0.42866527 -0.54682407 1.07601310 0.48360108 -0.05682823 -0.56028655
[31,] 0.28112905 1.52884025 -1.08091940 0.55110219 1.28325089 -0.28496491 -1.03573061
[32,] 0.33950711 -1.14312064 -2.13768114 1.61732138 0.37857850 0.53473923 -0.11014477

$scores$yscores
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
[1,] -1.48248616 -1.00731844 -0.9811796 -0.01832029 -0.69177009 -0.33962782 0.73262769
[2,] -1.82740718 -0.38251183 1.1331730 0.19333609 1.00575622 1.14366515 0.30493207
[3,] -1.03512919 0.97904121 -1.2090366 0.02948740 0.22860629 0.00479972 -0.21594238
[4,] -1.58604599 -0.54505043 -0.3020295 -1.77992282 0.42385936 1.28239348 0.94037214
[5,] -1.58581131 0.32631457 -0.4970338 2.38963454 -0.78928824 0.20225406 0.76780708
[6,] -0.93996184 1.06560464 -0.6479293 -1.13255384 -0.26163027 0.78220918 0.31550248
[7,] -0.30901148 -0.54674045 -0.4949967 -1.73454934 1.18861129 0.22035460 -0.13000032
[8,] -0.10350367 -0.55334215 -0.7286237 -0.42284348 -0.83613249 -0.15971540 -1.78025742
[9,] -0.38833690 -2.07151314 0.9608592 0.46798351 0.61778678 -2.54725749 2.32181265
[10,] 0.36901230 -0.78787325 0.7072319 -0.12074689 -1.72269507 1.39379808 -0.48256319
[11,] -0.38290477 0.74846620 1.9954665 -0.34086252 -0.46815722 0.10993362 -0.03504212
[12,] 0.10533995 0.45123994 -0.6394550 1.06905667 -2.44627069 -0.73457424 -1.11518889
[13,] -0.14530599 1.12758295 -0.5101356 -1.77846005 0.04516746 -2.76972603 0.27140469
[14,] -0.60470041 1.71748075 -0.4520956 0.34096092 -0.80533788 -1.49553984 -0.32210102
[15,] -0.57050949 -0.07341487 0.6041987 -0.69042623 -2.02652984 -0.83523019 -0.34293822
[16,] -1.64148405 -0.69616523 1.3996503 -0.13657129 0.30429925 0.39768333 -0.87185664
[17,] -0.48896788 -0.62853393 0.7958849 0.30838745 1.25010763 0.04688731 -2.42521694
[18,] -0.12029188 1.33992098 0.4885589 1.00802024 1.68144115 0.02687833 0.03287592
[19,] 0.45304257 1.15761821 0.3900132 1.47141995 1.80169742 -1.18026158 -0.39045411
[20,] 1.30445455 0.88687866 0.8992251 -0.17699911 -0.71715391 0.47774532 0.46110803
[21,] 1.27681180 1.25419052 1.1768542 -1.37141207 0.25234856 0.38077261 0.03036161
[22,] 1.03380920 0.77859207 -0.5430206 1.03884228 0.68611078 0.17451438 -0.09254192
[23,] 1.10073538 0.70464614 -0.2247888 0.16123247 0.40924306 0.23505941 0.74595504
[24,] 0.88058583 -1.20756529 0.7309794 0.17667494 0.69696648 -0.11633051 -2.20660806
[25,] 1.54073267 -1.41943603 1.0981579 -0.41165088 -0.40818468 -0.91169426 -0.04096433
[26,] 0.52581130 -0.81345472 -1.3145580 0.85913977 0.31868165 0.82905529 1.10409741
[27,] 1.10509686 -0.42549033 -1.0963533 -1.01739984 1.04725805 -0.16618055 0.54591191
[28,] 1.43204782 -0.95952545 0.7040909 0.25426477 -1.00167862 0.42662895 1.58133023
[29,] 1.11734416 0.34663851 -0.5341607 -0.02159640 -0.38143027 1.52076129 0.34062684
[30,] 0.06730472 -0.15008502 0.4846595 1.84149512 0.08729291 0.82019864 0.59199993
[31,] 0.23388591 1.06804753 -0.6607747 -0.73680224 0.05327702 0.92507211 0.47794284
[32,] 0.66584318 -1.68424232 -2.7328323 0.28118116 0.45774790 -0.14452695 -1.11499300

$scores$corr.X.xscores
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
H -0.5861323 -0.22849125 0.0287924 -0.53122701 -0.03729038 0.20466170 -0.52719313
CE 0.9237538 -0.26881427 0.1661137 -0.02927348 0.07814959 0.18677839 0.07052367
Na1 0.8245403 0.05528895 0.1804400 -0.20422435 -0.12833915 -0.35973335 -0.31133786
Na2 0.9145053 -0.30450990 -0.1275530 0.04149851 -0.04748586 0.05632631 -0.21802358
Al -0.6063589 0.24388212 -0.2205817 -0.68495046 0.03585724 0.22457018 -0.05761526
N 0.3223903 -0.40260699 -0.5943113 -0.29035192 0.26507206 -0.39749303 -0.26114745
P -0.4881543 -0.15557772 -0.4385480 0.01914977 -0.55318472 -0.03853068 0.48714679

$scores$corr.Y.xscores
[,1] [,2]
DAF 0.8435093 -0.08283641
Longpl -0.7225429 -0.15664596
AFHIN -0.3841122 -0.29980055
AFHSU -0.3792780 -0.31807655
PHM -0.4820169 -0.51766374
Maz/m2 -0.4980573 0.09443040
PSPL -0.4355000 -0.49035858
[,3] [,4] [,5] [,6] [,7]
0.1197808 -0.09624018 0.05823789 0.00972374 -1.406354e-04
-0.0485511 -0.09366063 -0.08614185 -0.07867032 -1.569877e-04
-0.2245277 0.02787263 -0.11073692 -0.10674651 -2.258977e-04
-0.2532408 0.01311831 -0.11031566 -0.07467430 -4.607442e-04
-0.2761378 -0.09116512 0.01303818 0.00396256 3.523803e-05
-0.1312239 0.04999522 0.16963305 -0.09871294 -1.945185e-04
0.1720309 0.23927836 0.01964831 -0.02874311 -1.077952e-04

$scores$corr.X.yscores
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
H -0.5343481 -0.17344739 0.01700267 -0.264546184 -0.01164391 0.03680866 -5.899303e-04
CE 0.8421412 -0.20405654 0.09809452 -0.014577924 0.02440218 0.03359232 7.891614e-05
Na1 0.7516930 0.04196977 0.10655456 -0.101701858 -0.04007385 -0.06469848 -3.483877e-04
Na2 0.8337098 -0.23115304 -0.07532342 0.020665877 -0.01482744 0.01013036 -2.439689e-04
Al -0.5527877 0.18513058 -0.13025928 -0.341099056 0.01119641 0.04038922 -6.447160e-05
N 0.2939075 -0.30561841 -0.35095653 -0.144592595 0.08276865 -0.07148960 -2.922246e-04
P -0.4450264 -0.11809883 -0.25897415 0.009536409 -0.17273173 -0.00692979 5.451183e-04
$scores$corr.Y.yscores
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
DAF 0.9252545 -0.1091247 0.20283741 -0.19325693 0.18651068 0.05406547 -0.12567932
Longpl -0.7925652 -0.2063578 -0.08221664 -0.18807701 -0.27587494 -0.43741891 -0.14029259
AFHIN -0.4213369 -0.3949428 -0.38021623 0.05597017 -0.35464229 -0.59352677 -0.20187419
AFHSU -0.4160342 -0.4190187 -0.42883917 0.02634246 -0.35329317 -0.41520043 -0.41174555
PHM -0.5287296 -0.6819453 -0.46761298 -0.18306585 0.04175561 0.02203243 0.03149058
Maz/m2 -0.5463245 0.1243981 -0.22221508 0.10039386 0.54326101 -0.54885892 -0.17383207
PSPL -0.4777047 -0.6459748 0.29131787 0.48048747 0.06292500 -0.15981604 -0.09633157

A manera de ilustración se solicita una salida gráfica de las correlaciones entre variables de suelo,
entre variables de planta y entre variables de suelo y variables de planta. Los colores rojo oscuro
indican una correlación positiva fuerte, un color azul oscuro indica correlación negativa fuerte y
colores claros indican correlaciones débiles.
img.matcor(correlaciones, type = 2)

Se realiza el gráfico de barras de las dimensiones. Es este caso constituye el gráfico de

sedimentación.

barplot(ccmaiz$cor, names.arg = c("DIM1","DIM2","DIM3","DIM4","DIM5","DIM6","DIM7"))

Se realizan los gráficos de variables y de individuos en los planos de las dos primeras dimensiones.
Se aprecia que las variables de desarrollo de planta: Longpl y Maz/m² que son variables que miden
el tamaño de la planta y el rendimiento en unidades de mazorca respectivamente, están muy
relacionadas con la dimensión 1 y correlacionadas negativamente con esta dimensión y en mucho
menor grado con la dimensión 2. La variable DAF (días a antesis de la flor femenina), que mide el
tiempo que demora en empezar la formación de semillas también está bastante representada por la
dimensión 1 y muy poco por la 2. De tal forma que valores altos positivos de la dimensión uno se
asocia con lugares donde las plantas son pequeñas, el rendimiento por unidad de área es bajo y las
plantas son tardías mientras que valores altos negativos de la dimensión uno se asocia con sitios de
siembra donde las plantas son altas hay mayor rendimiento por unidad de área y las plantas son
mas precoces.
Si se observan las variables independientes en rojo se observa que valores altos de la dimensión 1
está asociada a sitos de siembra con altos contenidos de sodio y mayor conductividad eléctrica, lo
que explicaría el menor desarrollo de esas plantas, su menor rendimiento y retraso en el inicio de la
formación de granos. Es decir que los suelos con altos contenidos de sodio y altas conductividades
eléctricas (suelos salinos) ocasiona menor tamaño de las plantas de maíz, menor rendimiento y
retraso en la formación de la mazorca.
Los valores bajos de la dimensión dos se asocia con mayores valores de nitrógeno y con mayores
valores de peso seco de la planta y peso húmedo de la mazorca, es decir que la dimensión dos
permite observar que mayores contenidos de nitrógeno favorecen el crecimiento de la planta y el
peso de la mazorca fresca. Los valores negativos de la dimensión uno también favorecen las
mazorcas más pesadas y las plantas con mayor peso seco.
El gráfico de lugares de siembra muestra que valores positivos de la dimensión 1 está asociada en
general con números más pequeños que los valores negativos, esto muestra que el suelo tiene áreas
salinas localizadas, asociadas a bajos rendimientos y menor desarrollo de la planta.
plt.cc(ccmaiz, var.label = TRUE)

Analisis de correlación canónica con las variables transformadas

Se renombran las variables de manera que el nombre indique la transformación. Se hallan las las
correlaciones entre variables de suelo, entre variables de planta así como entre variables de suelo y
variables de planta. Se traerán algunos resultados del análisis anterior con el fin de compararlos y se
pondrán en color verde para diferenciarlos.
colnames(suelost)<-c("PUNTO", "1/H", "CE", "Na1", "Na2", "1/Al", "N","1/P")
correlacionest<-matcor(suelost[,2:8],plantas[2:8])
> correlacionest
$Xcor
1/H CE Na1 Na2 1/Al
1/H 1.00000000 0.4033315 0.2625357 0.3031182 0.63621761
CE 0.40333151 1.0000000 0.6835849 0.8956650 0.63586586
Na1 0.26253574 0.6835849 1.0000000 0.7594306 0.42452771
Na2 0.30311817 0.8956650 0.7594306 1.0000000 0.62920530
1/Al 0.63621761 0.6358659 0.4245277 0.6292053 1.00000000
N -0.08422413 0.2438672 0.3859009 0.5031423 -0.01683021
1/P 0.11218724 0.4576546 0.5405184 0.3622902 0.21991717
N 1/P
1/H -0.08422413 0.11218724
CE 0.24386721 0.45765461
Na1 0.38590094 0.54051841
Na2 0.50314230 0.36229019
1/Al -0.01683021 0.21991717
N 1.00000000 0.05053597
1/P 0.05053597 1.00000000

$Xcor
H CE Na1 Na2 Al N P
H 1.00000000 -0.4615540 -0.2869406 -0.3639218 0.73219284 0.08659885 0.05479367
CE -0.46155396 1.0000000 0.6835849 0.8956650 -0.60159221 0.24386721 -0.49859473
Na1 -0.28694056 0.6835849 1.0000000 0.7594306 -0.45385097 0.38590094 -0.56095823
Na2 -0.36392178 0.8956650 0.7594306 1.0000000 -0.60556352 0.50314230 -0.42442325
Al 0.73219284 -0.6015922 -0.4538510 -0.6055635 1.00000000 -0.02841626 0.28511743
N 0.08659885 0.2438672 0.3859009 0.5031423 -0.02841626 1.00000000 -0.09820094
P 0.05479367 -0.4985947 -0.5609582 -0.4244232 0.28511743 -0.09820094 1.00000000

Se observa que las correlaciones de la variable H, transformada a 1/H en general disminuyen. Al

transformar la variable Al, a 1/Al en genral también disminuyen aunque en particular aumentó la
correlación con la conductividad eléctrica CE y sodio Na2.
$Ycor
DAF Longpl AFHIN AFHSU PHM
DAF 1.0000000 -0.7486062 -0.5075470 -0.4678808 -0.4692417
Longpl -0.7486062 1.0000000 0.8219481 0.7833515 0.6070789
AFHIN -0.5075470 0.8219481 1.0000000 0.9601511 0.6254082
AFHSU -0.4678808 0.7833515 0.9601511 1.0000000 0.6645599
PHM -0.4692417 0.6070789 0.6254082 0.6645599 1.0000000
Maz/m2 -0.4900427 0.5213118 0.4393567 0.3806343 0.2946746
PSPL -0.3900714 0.4636560 0.4645130 0.4409346 0.4649840

Maz/m2 PSPL
DAF -0.4900427 -0.3900714
Longpl 0.5213118 0.4636560
AFHIN 0.4393567 0.4645130
AFHSU 0.3806343 0.4409346
PHM 0.2946746 0.4649840
Maz/m2 1.0000000 0.3027732
PSPL 0.3027732 1.0000000

$Ycor
DAF Longpl AFHIN AFHSU PHM Maz/m2 PSPL
DAF 1.0000000 -0.7486062 -0.5075470 -0.4678808 -0.4692417 -0.4900427 -0.3900714
Longpl -0.7486062 1.0000000 0.8219481 0.7833515 0.6070789 0.5213118 0.4636560
AFHIN -0.5075470 0.8219481 1.0000000 0.9601511 0.6254082 0.4393567 0.4645130
AFHSU -0.4678808 0.7833515 0.9601511 1.0000000 0.6645599 0.3806343 0.4409346
PHM -0.4692417 0.6070789 0.6254082 0.6645599 1.0000000 0.2946746 0.4649840
Maz/m2 -0.4900427 0.5213118 0.4393567 0.3806343 0.2946746 1.0000000 0.3027732
PSPL -0.3900714 0.4636560 0.4645130 0.4409346 0.4649840 0.3027732 1.0000000

$ycoef
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
DAF 0.086019096 -0.092178740 0.090460790 -0.143024383 0.062739888 -0.087558983 -0.062014170
Longpl -0.016751468 -0.000881192 0.035735115 -0.043420402 -0.005261712 -0.008155574 -0.009435130
AFHIN 0.010101105 -0.004582914 -0.007363236 0.007872794 -0.007160121 -0.024298017 0.033275704
AFHSU -0.003725138 0.004210845 -0.005279253 0.003470498 -0.001858324 0.018218788 -0.039857995
PHM -0.001525536 -0.010020984 -0.008052148 -0.007565333 0.006849993 0.005207351 0.008513248
Maz/m2 -0.215115983 0.494057243 -0.440735296 0.119923914 1.773815186 -0.740113449 -0.594399510
PSPL -0.003336482 -0.013810427 0.017507450 0.016646900 0.003690599 0.001061390 -0.003980600

$XYcor
1/H CE Na1 Na2 1/Al
1/H 1.00000000 0.4033315 0.2625357 0.3031182 0.63621761
CE 0.40333151 1.0000000 0.6835849 0.8956650 0.63586586
Na1 0.26253574 0.6835849 1.0000000 0.7594306 0.42452771
Na2 0.30311817 0.8956650 0.7594306 1.0000000 0.62920530
1/Al 0.63621761 0.6358659 0.4245277 0.6292053 1.00000000
N -0.08422413 0.2438672 0.3859009 0.5031423 -0.01683021
1/P 0.11218724 0.4576546 0.5405184 0.3622902 0.21991717
DAF 0.40389201 0.8305346 0.7212669 0.7751589 0.51484526
Longpl -0.53915942 -0.6521033 -0.5546547 -0.6110695 -0.56425414
AFHIN -0.31280564 -0.3409554 -0.3268152 -0.2308895 -0.23454021
AFHSU -0.32163634 -0.3299080 -0.3375259 -0.2160156 -0.23533351
PHM -0.50862979 -0.3475496 -0.4603814 -0.2521379 -0.26049012
Maz/m2 -0.15905918 -0.5139226 -0.4255353 -0.4789912 -0.40228375
PSPL -0.24917221 -0.2527479 -0.3961721 -0.2634899 -0.04455019

N 1/P DAF Longpl AFHIN

1/H -0.08422413 0.11218724 0.4038920 -0.5391594 -0.3128056
CE 0.24386721 0.45765461 0.8305346 -0.6521033 -0.3409554
Na1 0.38590094 0.54051841 0.7212669 -0.5546547 -0.3268152
Na2 0.50314230 0.36229019 0.7751589 -0.6110695 -0.2308895
1/Al -0.01683021 0.21991717 0.5148453 -0.5642541 -0.2345402
N 1.00000000 0.05053597 0.2736550 -0.1053470 0.1353510
1/P 0.05053597 1.00000000 0.4517503 -0.4149757 -0.3904761
DAF 0.27365498 0.45175027 1.0000000 -0.7486062 -0.5075470
Longpl -0.10534696 -0.41497575 -0.7486062 1.0000000 0.8219481
AFHIN 0.13535096 -0.39047615 -0.5075470 0.8219481 1.0000000
AFHSU 0.15304050 -0.39335029 -0.4678808 0.7833515 0.9601511
PHM 0.24547102 -0.43463771 -0.4692417 0.6070789 0.6254082
Maz/m2 -0.05086207 -0.23690768 -0.4900427 0.5213118 0.4393567
PSPL -0.09803246 -0.22653309 -0.3900714 0.4636560 0.4645130

AFHSU PHM Maz/m2 PSPL

1/H -0.3216363 -0.5086298 -0.15905918 -0.24917221
CE -0.3299080 -0.3475496 -0.51392259 -0.25274789
Na1 -0.3375259 -0.4603814 -0.42553528 -0.39617214
Na2 -0.2160156 -0.2521379 -0.47899121 -0.26348988
1/Al -0.2353335 -0.2604901 -0.40228375 -0.04455019
N 0.1530405 0.2454710 -0.05086207 -0.09803246
1/P -0.3933503 -0.4346377 -0.23690768 -0.22653309
DAF -0.4678808 -0.4692417 -0.49004267 -0.39007143
Longpl 0.7833515 0.6070789 0.52131177 0.46365597
AFHIN 0.9601511 0.6254082 0.43935671 0.46451297
AFHSU 1.0000000 0.6645599 0.38063434 0.44093456
PHM 0.6645599 1.0000000 0.29467464 0.46498401
Maz/m2 0.3806343 0.2946746 1.00000000 0.30277317
PSPL 0.4409346 0.4649840 0.30277317 1.00000000

$XYcor
H CE Na1 Na2 Al N P DAF Longpl AFHIN AFHSU
H 1.00000000 -0.4615540 -0.2869406 -0.3639218 0.73219284 0.08659885 0.05479367 -0.4210140 0.4948493 0.2547726 0.2697982
CE -0.46155396 1.0000000 0.6835849 0.8956650 -0.60159221 0.24386721 -0.49859473 0.8305346 -0.6521033 -0.3409554 -0.3299080
Na1 -0.28694056 0.6835849 1.0000000 0.7594306 -0.45385097 0.38590094 -0.56095823 0.7212669 -0.5546547 -0.3268152 -0.3375259
Na2 -0.36392178 0.8956650 0.7594306 1.0000000 -0.60556352 0.50314230 -0.42442325 0.7751589 -0.6110695 -0.2308895 -0.2160156
Al 0.73219284 -0.6015922 -0.4538510 -0.6055635 1.00000000 -0.02841626 0.28511743 -0.4878934 0.4540328 0.1622994 0.1785816
N 0.08659885 0.2438672 0.3859009 0.5031423 -0.02841626 1.00000000 -0.09820094 0.2736550 -0.1053470 0.1353510 0.1530405
P 0.05479367 -0.4985947 -0.5609582 -0.4244232 0.28511743 -0.09820094 1.00000000 -0.4859073 0.4471885 0.3984092 0.4096190
DAF -0.42101396 0.8305346 0.7212669 0.7751589 -0.48789335 0.27365498 -0.48590728 1.0000000 -0.7486062 -0.5075470 -0.4678808
Longpl 0.49484934 -0.6521033 -0.5546547 -0.6110695 0.45403277 -0.10534696 0.44718855 -0.7486062 1.0000000 0.8219481 0.7833515
AFHIN 0.25477257 -0.3409554 -0.3268152 -0.2308895 0.16229939 0.13535096 0.39840918 -0.5075470 0.8219481 1.0000000 0.9601511
AFHSU 0.26979825 -0.3299080 -0.3375259 -0.2160156 0.17858163 0.15304050 0.40961904 -0.4678808 0.7833515 0.9601511 1.0000000
PHM 0.44159221 -0.3475496 -0.4603814 -0.2521379 0.29073618 0.24547102 0.42784141 -0.4692417 0.6070789 0.6254082 0.6645599
Maz/m2 0.21358798 -0.5139226 -0.4255353 -0.4789912 0.30365847 -0.05086207 0.19681320 -0.4900427 0.5213118 0.4393567 0.3806343
PSPL 0.23858681 -0.2527479 -0.3961721 -0.2634899 -0.06310520 -0.09803246 0.20820421 -0.3900714 0.4636560 0.4645130 0.4409346

PHM Maz/m2 PSPL

H 0.4415922 0.21358798 0.23858681
CE -0.3475496 -0.51392259 -0.25274789
Na1 -0.4603814 -0.42553528 -0.39617214
Na2 -0.2521379 -0.47899121 -0.26348988
Al 0.2907362 0.30365847 -0.06310520
N 0.2454710 -0.05086207 -0.09803246
P 0.4278414 0.19681320 0.20820421
DAF -0.4692417 -0.49004267 -0.39007143
Longpl 0.6070789 0.52131177 0.46365597
AFHIN 0.6254082 0.43935671 0.46451297
AFHSU 0.6645599 0.38063434 0.44093456
PHM 1.0000000 0.29467464 0.46498401
Maz/m2 0.2946746 1.00000000 0.30277317
PSPL 0.4649840 0.30277317 1.00000000

ccmaizt <- cc(suelost[,2:8],plantas[2:8])

> ccmaizt
$cor
[1] 0.91133038 0.78116762 0.58533437 0.43023115 0.26278916 0.10961732 0.03967194

$names
$names$Xnames
[1] "1/H" "CE" "Na1" "Na2" "1/Al" "N" "1/P"

$names$Ynames
[1] "DAF" "Longpl" "AFHIN" "AFHSU" "PHM" "Maz/m2" "PSPL"

$names$ind.names
[1] "1" "2" "3" "4" "5" "6" "7" "8" "9" "10" "11" "12" "13" "14" "15" "16" "17"
"18" "19" "20" "21" "22" "23" "24" "25" "26"
[27] "27" "28" "29" "30" "31" "32"

$xcoef
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
1/H -0.145921573 -0.5113575 0.3886893 -0.3117450 -0.22698312 0.06680915 -0.21817665
CE -0.366726256 1.0580039 -1.7579974 0.5364397 -1.20421397 -0.71324273 -1.58340311
Na1 -0.473931604 -0.7792695 -1.6225444 -0.3386625 1.68074853 -2.66742809 -0.09190249
Na2 -0.752239412 -2.2042514 3.5467793 -1.8335326 2.80037453 5.67969130 2.43871977
1/Al 0.004000442 0.8999915 0.2697996 0.9925212 0.05261384 -0.97022822 0.27061925
N 0.419992162 26.8566797 -0.4110951 -11.0263052 -26.41243557 -27.14106059 0.92857750
1/P -0.820677947 -141.6848295 63.9166035 99.8449739 -291.12607607 124.93913663 355.81944413

$ycoef
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
DAF -0.0879865891 0.045999038 -0.183546957 -0.051655014 -0.066417505 0.004831948 -0.096612887
Longpl 0.0182684281 -0.008190325 -0.055859784 -0.001237510 0.001722921 0.005619351 -0.008350404
AFHIN -0.0103207148 0.007530863 0.007761500 -0.002147266 0.014514217 -0.039217224 -0.003381001
AFHSU 0.0036894324 -0.006009160 0.007703480 -0.004140056 -0.004493444 0.042828068 -0.003862652
PHM 0.0015389643 0.014585605 -0.002049359 -0.003599113 -0.006024667 -0.004349556 0.009157293
Maz/m2 0.2285752998 -0.459413071 0.461434837 -0.924644093 -1.670595914 -0.195159894 -0.621547958
PSPL 0.0002091496 0.004652054 0.001503613 0.023034287 -0.006231363 0.002733050 -0.014671684

$scores
$scores$xscores
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
[1,] 1.203702598 1.33298453 0.56939353 0.619595706 -0.119974166 -0.99120156 -0.9768113
[2,] 1.699927478 -0.37220652 -0.66839376 1.109220825 -0.002650816 1.34781200 0.1264286
[3,] 2.006343281 0.08470403 -0.89151848 -0.097759812 0.659597707 0.25747791 -0.2612594
[4,] 1.409902987 0.53430378 -0.08838924 -0.500687230 -0.579735902 0.39792691 -1.4094200
[5,] 1.087840666 -0.56330545 0.63393127 0.062201460 0.684304942 -1.20603016 -0.9222893
[6,] 0.870294988 1.40002931 -0.99030607 -0.772011566 -2.201773988 -0.24546389 0.9196267
[7,] 0.596001510 -0.23806345 -0.90680110 0.149230470 -0.088966001 -0.15220651 0.7121142
[8,] -0.043229366 0.66154713 -0.30491362 -1.965499160 1.182806679 -0.31619995 2.1521938
[9,] 0.666135296 1.43210403 -0.26432659 -0.129198565 -0.336998073 -0.24505355 1.0399049
[10,] 0.642920462 0.89498512 -0.77150885 -0.787669397 0.496162715 -0.09919263 -0.9791987
[11,] 0.093347704 -1.51939882 -1.94667214 1.002724428 1.213551045 -0.28391818 1.1974207
[12,] 0.035758105 -1.34232910 0.60029200 1.437102173 -1.104588779 1.73988953 1.0186401
[13,] 0.235202079 -0.83711140 -0.45756097 -1.514060989 0.692727293 -0.60566123 -0.4538876
[14,] 0.310698628 -0.74828920 0.40581517 -0.125824787 1.873717581 0.24842599 -0.3667459
[15,] 0.365494561 -1.01929678 0.49194493 -1.011210922 0.257630670 -0.75600614 -1.4055482
[16,] 0.935846061 1.01236875 0.24594013 1.759371937 0.109711777 0.83593880 1.1203896
[17,] 0.729421512 0.33035191 0.45881187 0.569390641 0.241976540 -0.07384643 -1.2203569
[18,] 0.125536321 -1.70374223 1.71925745 -0.639900466 -1.939987761 -1.22259341 -0.4394790
[19,] -0.422591558 -0.74878574 0.55608275 0.133524012 -1.099284659 1.42563052 -0.6543613
[20,] -0.788480603 -1.14305766 -0.29153385 -0.002229113 -0.102153336 2.55372467 -1.3498295
[21,] -0.834355321 -1.25573274 -0.45541141 0.709703471 -0.718740835 -1.59414022 0.9429138
[22,] -0.469708515 -0.56586060 0.07788152 0.773366896 -0.551366296 -2.40444828 -0.1362300
[23,] -0.794794181 0.16447143 1.36111734 -1.662724204 2.030520150 0.99821706 0.6590357
[24,] -1.368113743 -0.36444089 -1.25501149 -1.105709109 -0.394412446 -0.23985169 -0.2392827
[25,] -1.974669695 1.67343254 -1.49278748 -0.006377540 -1.449139601 0.15129752 -1.0606183
[26,] -0.823281067 0.65250464 -0.23804127 -1.121548050 -0.200118659 0.38477435 0.8451688
[27,] -1.494251410 0.12052602 -1.69407176 0.348405485 0.280327202 0.45185760 -0.9572925
[28,] -1.069478472 0.71542900 0.24085695 2.353271321 1.337340710 -0.99199298 0.5710255
[29,] -1.657689232 0.62862178 0.71674781 0.881042047 1.177591623 -0.17905576 -1.1177379
[30,] -0.785543950 0.02055095 1.36449171 0.429848928 -0.239634903 -0.25721880 0.7980381
[31,] -0.003554275 -1.09484887 0.77565132 -0.887347893 -0.840597582 0.53354836 1.6484381
[32,] -0.484632848 1.85755450 2.49903233 -0.008240992 -0.267842830 0.53756017 0.1990098

$scores$yscores
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
[1,] 1.44532385 1.40504957 0.403693048 -0.2376963545 0.82496686 -0.58524984 -0.02145193
[2,] 1.71610563 0.20749227 -0.401188774 1.5294650507 -1.24027752 0.16432456 0.40756973
[3,] 1.14781769 -0.46062829 0.898040401 -1.0190459970 -0.13893333 0.13099984 0.42486404
[4,] 1.67585291 1.14364526 -1.183033238 -0.1878817657 -0.48704590 -0.05511562 1.72885292
[5,] 1.46883545 -0.16597471 2.250015354 1.2596049247 0.85176361 -0.51828817 -0.06133657
[6,] 1.13666218 -0.45907622 -0.322564621 -0.7859143078 0.26721560 0.20550126 1.47080909
[7,] 0.38730450 0.87621871 -1.091606349 -1.1276049643 -1.18664849 0.15952104 0.55848581
[8,] 0.11091035 0.53091676 -0.023177707 -0.9679932173 0.67899483 1.61018428 -0.79692126
 [9,] 0.15107807 1.60641400 -0.595928850 0.8584748598 -0.18301932 -3.30021155 -1.79578210
[10,] -0.42540772 0.54400465 -0.614272830 1.1706763465 1.38820186 1.43362576 0.45582403
[11,] 0.39593858 -1.30589146 -1.340585783 1.1230726995 0.28747143 0.08050575 -0.16635158
[12,] -0.09543114 -0.55719676 1.133468182 -0.3179043342 2.43122461 0.88674919 -1.06368175
[13,] 0.37992523 -0.91608606 -1.131640781 -2.5406875342 0.40428760 -1.63697584 -0.94889371
[14,] 0.74016357 -1.62712418 0.655704947 -1.0678572188 1.01428885 -0.47370193 -0.77857978
[15,] 0.61180181 -0.18034211 -1.039188204 -0.1020884093 1.98677504 0.20082295 -0.78095502
[16,] 1.51638735 0.17905716 -0.938441923 1.1023844237 -0.62361116 0.89568919 -0.74101677
[17,] 0.33876941 -0.04038695 -0.222862977 0.2363140900 -1.60973502 1.84425677 -1.61086526
[18,] 0.11341970 -1.47920964 0.778077907 0.4164734507 -1.65426898 -0.42068626 -0.01836471
[19,] -0.50933379 -1.54467415 1.099635594 -0.0007098935 -1.65890679 -0.72721369 -1.23233527
[20,] -1.22820526 -1.05646926 -0.583034025 0.5773540150 0.67778773 -0.09198558 0.71938966
[21,] -1.11431724 -1.42957906 -1.607068617 -0.1510130783 -0.32198673 0.08908474 0.82225499
[22,] -1.02701400 -0.68357823 1.266237129 -0.1114254733 -0.61448301 -0.02343029 0.20700628
[23,] -1.03638282 -0.51101916 0.357513626 -0.0928980114 -0.28013882 -0.61057080 0.80056342
[24,] -1.04697114 0.46478101 -0.436886110 0.1855601986 -1.00426533 1.70026911 -1.65247346
[25,] -1.65639884 0.78202735 -1.271762900 0.4087439374 0.40409118 -0.31640679 -1.16638882
[26,] -0.59202603 1.32194989 1.389798352 0.2365770338 -0.19069291 -0.50144726 1.01927628
[27,] -1.02762750 0.87580400 -0.220010882 -1.2951328066 -0.83864073 -0.61216928 0.65944298
[28,] -1.51537684 0.80237535 -0.398188821 1.3353047656 1.05344823 -0.92215436 0.61313464
[29,] -1.04605981 0.01500180 0.388724575 0.1720474183 0.30788125 0.56249267 1.59445249
[30,] -0.22403343 -0.05330115 1.213555739 1.7516388862 -0.16587186 -0.17546929 0.17768809
[31,] -0.05964793 -0.52161234 -0.005848838 -0.6199448593 -0.01476725 0.06968795 1.61148300
[32,] -0.73206282 2.23741193 1.592827376 -1.7378938752 -0.36510554 0.93736148 -0.43569947

$scores$corr.X.xscores
[,1] [,2]
1/H -0.5707919 -0.3909274
CE -0.9394532 0.1453097
Na1 -0.8113652 -0.1424330
Na2 -0.9275346 0.2453755
1/Al -0.7139470 0.1504232
N -0.3230833 0.5016258
1/P -0.4488785 -0.3104421
[,3] [,4] [,5]
0.50883739 0.1024388 -0.22714129
-0.19426588 0.1191256 -0.09303054
-0.27604243 -0.1617690 0.21273281
0.01535168 -0.1110840 0.11634118
0.41324150 0.5077895 0.09786909
0.06961029 -0.7027108 -0.17291824
-0.29045252 0.2436843 -0.42588230
[,6] [,7]
-0.2369377 -0.37977700
0.1716192 -0.07921337
-0.2800522 0.30878189
0.1656385 0.16100849
-0.1706282 -0.01848148
-0.1615224 0.29891555
0.0267014 0.61343324

$scores$corr.Y.xscores
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
DAF -0.8436032 -0.007962495 -0.17406575 -0.01384243 -0.053701235 0.0118507333 0.0003774069
Longpl 0.7186117 0.165586818 -0.08714592 -0.09583136 0.076716194 -0.0043852234 -0.0165809016
AFHIN 0.3632139 0.324655149 0.10083608 -0.15286501 0.107323077 -0.0056268948 -0.0232371409
AFHSU 0.3588078 0.348235845 0.10859751 -0.16162475 0.095839530 0.0241818757 -0.0213284575
PHM 0.4556556 0.654882317 0.02997070 -0.08762488 -0.008527654 0.0044313370 -0.0008034253
Maz/m2 0.4948512 -0.078090988 0.13537929 -0.16862128 -0.124880136 -0.0253601868 -0.0181239079
PSPL 0.3400262 0.341108930 0.07644659 0.23149238 -0.028729346 -0.0007997821 -0.0235216795

$scores$corr.X.yscores
[,1] [,2]
1/H -0.5201800 -0.3053798
CE -0.8561523 0.1135112
Na1 -0.7394217 -0.1112641
Na2 -0.8452905 0.1916794
1/Al -0.6506416 0.1175058
N -0.2944357 0.3918538
1/P -0.4090766 -0.2425073
[,3] [,4] [,5]
0.297840013 0.04407238 -0.05969027
-0.113710499 0.05125156 -0.02444742
-0.161577121 -0.06959806 0.05590388
0.008985863 -0.04779179 0.03057320
0.241884457 0.21846685 0.02571894
0.040745293 -0.30232806 -0.04544104
-0.170011841 0.10484059 -0.11191725
[,6] [,7]
-0.025972476 -0.015066490
0.018812433 -0.003142548
-0.030698574 0.012249976
0.018156846 0.006387519
-0.018703801 -0.000733196
-0.017705654 0.011858560
0.002926936 0.024336086

$scores$corr.Y.yscores
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
DAF -0.9256832 -0.01019307 -0.2973783 -0.03217439 -0.20435103 0.108110044 0.009513196
Longpl 0.7885303 0.21197348 -0.1488823 -0.22274388 0.29193059 -0.040004841 -0.417950365
AFHIN 0.3985535 0.41560242 0.1722709 -0.35530903 0.40839994 -0.051332169 -0.585732411
AFHSU 0.3937187 0.44578889 0.1855307 -0.37566957 0.36470123 0.220602690 -0.537620738
PHM 0.4999895 0.83833777 0.0512027 -0.20366932 -0.03245055 0.040425519 -0.020251728
Maz/m2 0.5429987 -0.09996701 0.2312854 -0.39193182 -0.47521038 -0.231352005 -0.456844511
PSPL 0.3731097 0.43666548 0.1306033 0.53806514 -0.10932470 -0.007296129 -0.592904701
En general al transformar los datos mediante y = 1/x se disminuyen las correlaciones aunque en
particular pueden mejorar algunas. En este caso la transformación permitió superar la no
normalidad de algunas variables, pero al no ser suficiente para alcanzar la normalidad multivariante
no se obtiene ventaja de esas transformaciones y se asumen dos costos: la merma general en las
correlaciones y mayor dificultad en la interpretación de los resultados dado que las variables
transformadas pueden no tener exactamente el mismo significado que las variables sin transformar.

img.matcor(correlacionest, type = 2)

barplot(ccmaizt$cor, names.arg = c("DIM1","DIM2","DIM3","DIM4","DIM5","DIM6","DIM7"))

plt.cc(ccmaizt, var.label = TRUE)

Las gráficas aunque cambian aparentemente porque ahora la dimensión 1 positiva está relacionada
con la longitud de las plantas y el rendimiento y en menor medida con áreas foliares los valores
negativos se asocian con las variables de suelo Sodio y conductividad eléctrica y con la variable de
planta días a antesis femenina, las conclusiones son similares al caso del análisis con variables no
transformadas debiendo realizar un esfuerzo mayor para interpretar el significado de las variables
tranzformadas.
Referencias
Badii, M., Castillo, J., Cortés, K., Wong, A. & Villalpando, P., (2007). Análisis de correlación
canónica (ACC) e investigación científica. InnOvaciOnes de NegOciOs 4(2): 405 – 422, UANL,
San Nicolás, N.L., México, mhbadii@yahoo.com.mx

Marín, G., Pereira, C., Maycotte, C., Restrepo, B., Mauro, F., Calle, A., Velarde, M. (2011).
Edafología 1. Villamaría, Caldas, Colombia. Recuperado de: https://drive.google.com/file/d/1O8-
PzDTqHC_Z0SV_0FZ6gtqivOcd5gZF/view El: 1 de febrero de 2019

Pacheco ,C, Leiva, F. (2006). Manejo sostenible del suelo bajo la concepción de agricultura de
precisión. Informe de proyecto. Informe de proyecto. Universidad Nacional de Colombia, Facultad
de Agronomía.