MCA图中stat_ellipse生成的椭圆与抖动点不匹配的解决方法

核心原因 #

stat_ellipse()生成的椭圆不符合预期，通常源于两个关键问题：

1. 错误使用类别重心点而非个体得分点绘制椭圆——MCA的类别点是聚合后的重心，没有个体数据的分散性，椭圆自然失真。
2. 默认的椭圆参数（置信水平、分布假设）与数据实际分布不匹配。

解决方案 #

1. 优先使用factoextra自带的椭圆功能（简便可靠）

factoextra的fviz_mca_ind()函数专门针对MCA个体得分设计，内置的椭圆绘制逻辑已适配MCA数据特性，无需手动处理坐标。

示例代码：

library(FactoMineR)
library(factoextra)
library(ggplot2)

# 1. 准备分类数据并执行MCA
data(iris)
iris_cat <- iris
# 将连续变量转为分类变量（MCA要求输入分类数据）
iris_cat[,1:4] <- lapply(iris_cat[,1:4], cut, breaks=3, labels=c("Low", "Medium", "High"))
mca_res <- MCA(iris_cat, graph = FALSE)

# 2. 绘制带椭圆的MCA个体图
fviz_mca_ind(mca_res,
             geom = "point",
             col.ind = iris_cat$Species,  # 按目标类别分组
             ellipse = TRUE,              # 启用椭圆
             ellipse.type = "convex",     # 用凸包贴合点分布（非参数，无分布假设）
             # ellipse.type = "confidence", # 若需置信椭圆，选此选项
             ellipse.level = 0.9,         # 调整置信水平（默认0.95，可降为0.9/0.8）
             legend.title = "Species"
)

2. 手动用ggplot2绘制：确保使用个体得分

如果需要手动构建ggplot2图形，核心是提取MCA的个体得分数据，而非类别变量的坐标。

示例代码：

# 提取MCA个体得分
ind_scores <- as.data.frame(mca_res$ind$coord)
# 关联原始分类变量
ind_scores$Species <- iris_cat$Species

# 用ggplot2绘制，调整椭圆参数
ggplot(ind_scores, aes(x = Dim.1, y = Dim.2, color = Species)) +
  geom_point(size = 2) +
  # 选项1：用凸包完全包围同组点（最贴合实际分布）
  stat_ellipse(type = "convex") +
  # 选项2：调整置信椭圆参数（若需基于分布的椭圆）
  # stat_ellipse(level = 0.9, type = "euclid") + # euclid基于均值/标准差，无分布假设
  theme_minimal() +
  labs(x = "MCA维度1", y = "MCA维度2", color = "物种")

关键参数说明 #

• ellipse.type：
  • convex：生成凸包，完全包围同组所有点，最适合非正态分布的数据，能准确反映点的实际分布范围。
  • confidence：基于置信水平的椭圆（默认用t分布），适合数据近似正态的场景。
  • euclid：基于均值和标准差的椭圆，不依赖分布假设，比置信椭圆更稳健。
• ellipse.level：调整置信水平（如0.8、0.9），数值越小椭圆越小，更贴合密集点云。

内容的提问来源于stack exchange，提问作者Nikos