你知道qgraph项目（以及相关的R 包）吗？它旨在为心理测量模型提供各种显示，尤其是那些依赖相关性的模型。当我阅读 Denny Borsboom 和 coll. 的一篇关于诊断医学的非常好的和革命性的文章时，我发现了这种显示相关性度量的方法。共病：网络视角，BBS (2010) 33: 137-193。

对他们的共病网络方法的一个过于简单的总结是，它“假设是由多种疾病症状之间的直接关系引起的”，这与更经典的观点相反，即这些共病疾病本身会导致其相关症状相互关联（如反映在潜在变量模型，如因子或项目响应模型，其中给定的症状将允许测量特定的疾病）。事实上，症状是疾病的一部分，但它们不能衡量它（这是一种分相关系）。他们的图 5 描述了这样一个“合并症网络”，并且特别有趣，因为它在同一张图片中嵌入了症状的频率和它们的双变量关联的大小。他们正在使用Cytoscape那个时候，但是qgraph项目现在已经到了成熟的状态。

以下是来自在线 R 帮助的一些示例；基本上，这些是 (1) 具有圆形或 (2) 弹簧布局的关联图，(3) 具有弹簧布局的浓度图，以及 (4) 具有弹簧布局的因子图（但请参阅help(qgraph.panel)）：

（另请参阅help(qgraph.pca)NEO-FFI 观察到的相关矩阵的漂亮圆形显示，这是一个 60 项个性清单。）

令人惊讶的是，正如对 Google 图片的搜索所表明的那样，此类图表似乎并不常用于研究或解释多重相关性。很遗憾，因为我确信这个理论的大部分内容都可以简化为对图的简单操作。

尽管如此，这种显示相关性（或它们的数学等价物，角度的余弦）的图形方法已经以Coxeter-Dynkin 图的形式使用了很长时间（至少 75 年） 。

例如，A3 图 0--0--0 表示三个变量X、Y和Z，其中X和Z（外部节点）不相关，并且X和Y以及Z和Y之间的相关性均为 -0.5。在这些图表的通常应用中，某些特殊的“相关性”（角度）很重要，因此使用了一种用相关性标记边缘的特殊方法，但这与使用其他形式的标记（例如颜色）没有什么不同。

当您使用与相关性单调相关的“距离”度量时，任何 2D MDS 计算都可以（并且通常）被认为是将该图嵌入平面中，以便欧几里德距离反映相关性。这说明了基于相关的聚类方法和相关图之间的密切联系。作为这方面的另一个例子，当从基于相关性的相似性矩阵中导出树状图时，它是显示相关性的另一种基于网络的方式。（但是，它以一种基本的方式使用垂直位置来显示相似性，因此不是纯粹基于网络的方法。）