台湾高校2018陆生报考心得——附文史类校系录取分排序

撰文 & 制表:知乎@熊爸

月初某亲友高考报志愿,深度参与全程。其中,「陆联招(台湾高校面向浙、闽、辽、粤、沪、苏、鄂、京八省市联合招生)」基本可以理解为「比提前批更提前的提前批」。报考复盘,笔记若干心得,推算了文史类招生单位的录取分大致排序,希望对这八个省市考生和家长有所帮助。

  • 招生单位是院系(专业、班级)而不是学校

大陆高考志愿先报学校,学校里再定专业。台湾高校招生却只以具体专业(院系、班级)为招生单位。比如:可以报第一志愿台大国际企业系、第二志愿清华「学士班」(大二开学再决定院系的招生班级)、第三志愿台大图书资讯系。学校并不是招生的单位。大陆高考的校内专业调剂是个很大的坑,陆联招完全没有校内调剂概念。

陆联招严格以语数外三科加权分为序,文综理综成绩权重为零。文史与理工的招生计划严格分开,相比理工类,文史类的总人数和专业选择明显受限。录取线靠前名次的院系往往在文史类只招一名——不是每个省市一名,是八个省市总共只招一名。

同一学校不同系(专业、班级),各科算分权重并不相同。两个考生可能在不同系的加权分名次交错。下表是2018年陆联招文史类院系录取线的大致排序,第三列是某有代表性的考生计算出的加权分除以该院系的加权录取线。这位考生总分大致在最差几所211高校录取线和最好几所非211高校录取线的重叠地带。如果这位考生在语数外三科的成绩此消彼长,可能导致下表顺序局部变化。

截图只列到前66个院系招生单位,完整表格(2018陆联招文史类录取难度参考)包含234个院系招生单位。

  • 录取程序

平行志愿保证了招生院系不知道学生的志愿顺序信息。考生和家长有两个报考决策点,在第一个决策点,要决定院系意向的偏好顺序,还要考虑放弃哪些比较确信没希望的靠前院系。虽然总的志愿位置非常多,但国立大学院系志愿只限报十个。如果你乐意入读的国立大学院系超过十个,可以把明确没有希望的靠前院系放弃,还可以把中间段个人偏好顺序与历史经验顺序明确交错的院系放弃。任何一个院系如果列你为正取,将导致你的志愿列表其后所有项目自动失效。比如,某考生如果想与台南恋人团聚第一志愿选成功大学经济系,ta就不应该再把台大国际企业系报在第二志愿浪费一个宝贵的国立大学志愿位置。

在正取/备取/未取的结果出来后,考生通常将看到若干备取信息,如果运气好,还会有一个押后结尾的正取。此时考生与家长面对第二个决策点:接受哪些正取、备取项目。未接受的项目等同于之前没报。考生可以在前一个决策点不必考虑自己能接受的最不理想院系,而在第二个决策点专注于这个抉择。如果接受的项目最终录取,考生的档案不再进入当年的大陆高考招生系统。如果所有接受的项目都未录取,考生的档案自动进入当年的大陆高考招生系统,等同于未参加陆联招。

第二个决策点不免有一些考生放弃正取项目,于是带来递补的变动,紧跟后面的备取学生在这个变动中升为正取,升迁的考生原先更靠后的正取(以及备取)志愿自动失效,引发多米诺骨牌的递推效果。这个报考决策点能作的决策不多,却面对大量的信息披露。所有院系都会公布正取、备取全序列的考生学号成绩信息(只匿姓名)。只要愿意去推敲,可以整理出所有考生正取、备取的全部项目。比如,今年台师大教育学正取的考生,出现在台大国际企业第九备取和清华学士班第六备取,未出现在其它校系的备取列表。其他考生也许可以从中推测自己从备取升迁的机会,然而这个信息对陆联招这个系统内的决策并没有任何助益,除非考生和家长需要在这个阶段面对陆、台高考招生之外(比如英美高校)的 Offer Deadline。

最后会统一披露所有院系录取的加权最低分。因为不同院系三科权重不同,这个最低分在权重相同的招生单位之间可以严格比序,权重不同的招生单位只能大致比较。

  • 背景与盲区

台湾传统强校有所谓四大(台成清交)四中(中央中兴中山中正),与985对标的「五年五百亿」对前7所大学的资助比例最初为30:17:10:8 : 6:4:6。中正大学偏重教学而非科研,初未入选,不过仍然入选了「五年五百亿」的后继「高教深耕计划」。近年8校资助比例变为180:110:100:100 : 41.5 : 35.2 : 25.3 : 16.3。主打文科的政治大学虽然经费、科研不显于主要排名,但文科生源历年紧追台大稳居第二,所以台企招聘应届生有「台-政成清交」的说法,犹如大陆之「清北-复交」。台北的台湾科大、台湾师大、阳明大学也不错,生源看齐桃园的中央大学,可能还稍胜一筹。新竹清交二校校园比邻,几度筹议合并未遂,近年与中央大学、阳明大学四校共组「台湾联合大学系统」,打通招生选课、辅修转系、校车后勤,以「台联大(系统)」的名义组建若干新研究所,还设有单一的系统总校长职位。与台联大系统类似,台南的成功大学与台中的中兴大学、高雄的中山大学、嘉义的中正大学组建了「台湾综合大学系统」;这两个系统的共同假想敌台湾大学也与校园比邻的台师大、台科大组建大学系统,直接冠名「台大联盟」。不过,远在猫空山脚的政治大学在2016年横刀夺爱,与图右的台科大发布了婚约(合并愿景联合声明),娱乐媒体报道标题曰「台大校长『不care』」。

以上这段点评就落入大陆家长最常见的盲区:脱离专业谈学校。具体到了专业,学校竞争顺序就有变化。专业之间的生源落差不亚于学校之间,即使一家独大如台大也不能象北大清华那样地成批掐尖靠前名次考生。大类的专业比较,文史类生源无疑商科法科最受欢迎,其次外语,再次则中文社科。台师大的教育学系历年都比同校的英文系更易考取,今年是唯一的例外。政大的传播学院(大一大二不分系)有商科成份,包含政大全台第一的广告学系。新竹清华学士班有两个悬疑未作书面披露:大二分系是否文理打通?是否可能落到近年新合并的师范学院(原新竹教育大学)?我个人怀疑前者肯定,后者否定。如果后者不方便书面说明,其实应该披露往届文史类陆生的大二分系记录。

大陆家长第二个可能的盲区是「选城市」。台湾作为发达地区,其城乡之别不同于幅员辽阔不平衡发展中的大陆。比如,若对比嘉义和高雄,两个城市本身如何并不重要,真正要考量的是它们到台北市区的通勤时间。又比如,台湾南边的高雄医科大学到北边的台湾大学,包括步行的点对点公共交通通勤时间是2小时50分,而上海交通大学闵行主校区到复旦大学邯郸主校区包括步行的点对点公共交通通勤时间也是2小时50分。如果大台北都市圈(台北、新北、基隆、桃园、新竹)对标整个上海,新竹可对标闵行,而大台北都市圈以外的台湾城乡可对标上海之外的长三角包邮国。台湾也不存在大陆的应届生户口问题,台南的成功大学毕业生仍然以大台北都市圈为毕业工作的第一选择,留在台北的机会与同一档的大学(政、清、交)没有差别。具体到陆生,毕业后并不能申请台湾工作签证,除非因为婚姻入籍本地。

大陆家长的第三个盲区或许是国立私立之别。最好的私立大学即使王牌专业,生源也只能看齐第二梯队国立大学的弱势专业。大多数私立大学都有一些差专业,本地生源类似大陆本二、本三,所以私立大学的陆生与国立大学的陆生对台湾同学的观感反差很大。前述表格中,前十名校系无一私立,紧随其后最好的两所私校东吴、辅仁都是教会大学,民国时代就已声教远播。东吴大学商、法学科所在的城中校区地段优越,正对台湾高等法院和「最高法院」,距离「总统府」不到100米。辅仁大学名义直属梵蒂冈教廷,校区在新北市(原台北县)临近新庄地铁站,或可对标上海宝山区临近杨浦区的长江南路站。除了生源落差,国立与私立比较明显的落差还有师资,私立大学的教师比国立大学少了一整块退休金。

今年的陆联招文史类校系靠前排名还出现了几个艺术类专业,比如(实践大学)服装设计、(中原大学)室内设计、(国立台湾艺术大学、国立台北艺术大学)电影创作。台湾的文化创意产业社会声望与大陆不可同日而语。许多大陆家长对文创从业者有负面的刻板印象,觉得写程序脚本才是学霸,写电影脚本就不是,拍电影的就更是文化课的学渣,担心孩子如果去这些校系念书会坏了名声。不过,大陆一二线城市的一些考生观念已经有所不同,在他们眼中,艺大(国立台湾艺术大学)电影系校友侯孝贤、李安的文化光环比台大电机系校友傅京孙、洪小文更为耀眼。就我私见,电影系的剧本专业毕业去向至少不亚于通常的国文系,还可以进入市场蓬勃发展的游戏设计产业。未来几届,最好的电影系生源应该向最好的新闻传播院系看齐。

  • 延伸阅读

此前写过三个与高考招生有关的回答,鼓吹三个观点:1. 科学测评自身人格优势选专业;2. 采集毕业去向基础数据、求教具体专业老司机避免望文生义想象脱离现实; 3. 长期发展锁定首位城市

2015/05/02 Fu Jen Univ. Talk

PPT for Fu Jen Univ. Talk:  20150502.FJU
Screen Shot 2015-05-02 at 12.52.04

Related materials:

 

Abstract

In his seminal book Flow, Csikszentmihalyi described the experience of close interaction with some Other. Its Chinese translator interpreted it as Big Self, which is a Buddhist term too.  This early concept finally developed into cosmic self / quantum self in Csikszentmihalyi’s following volume The Evolving Self. Inspired by it, Flow can be understood as the lasting self beyond the short-term memory period. Daniel Dennett’s Multiple Drafts Model regarded self as the derivative on the gravity center of parallel narrative contents. This talk tried to extend the model to deliberate the stable and lasting gravity center of lengthy narratives and the conscious contents themselves exceeding body limits. Furthermore, the three selves defined on current / flow / eternity are found isomorphic to Seligman’s triple happy lives of pleasure / engagement / meaningfulness in positive psychology.

張定綺之 Flow 中譯本「當下的幸福」以佛教詞匯「大我」意譯原文之  (close interaction with)  some Other,註意到原著此概念雖未明文而呼之欲出,終以 cosmic self / quantum self 二詞見於原作者後出之著作 The Evolving Self。此概念啟發將 Flow 體驗主體解讀為跨越短時記憶時間限度穩定延續之意識自我。如依據 Daniel Dennett 之 Multiple Drafts Model,意識自我派生于多重並行第一人稱敘述內容重心。筆者嘗試將該模型之短時記憶時間限度擴展,以延續時間多重並行敘述內容之高度一致性解讀心流。推而廣之,以敘述內容重心超越日常生活身體限度解讀「大我」。進而,以短時記憶時間限度、持續時間、超越時間限度之三種意識自我解讀Seligman積極心理學之愉悅、沈浸 (engagement) 、意義三重幸福框架。

 

泰坦尼克号的社会阶层分析

R预装数据集Titanic提供了当年这艘巨轮上男女、长幼、头等二等三等乘客及船员的生死计数。



感兴趣头等舱、二等舱、与三等经济舱的成年男客是否在生死比率上有阶层之分,采用简单粗暴的Bonferroni多重比较校正法,alpha_adjust = 0.05/3。



点击运行R代码可看到三个双尾检验都显著(Odds Ratio 置信区间都不含1)。
生/死比率,头等舱 > 三等舱 > 二等舱。
二等舱的哥们既没能先走又没有三等舱的体格。

来自头等舱的女主角与三等舱的男主角,生死Odds之Ratio:



乐观的总统候选人 (Zullow & Seligman, 1990)

从麦金莱(1900)到老布什(1998),23次大选中,给选民感受更为乐观的候选人有18次赢得大选。

如未预设乐观候选人是否更易赢得大选。双尾检验,问:乐观的候选人赢得大选的总体概率95%置信区间



解答:0.56~0.93。

如只关心乐观候选人获胜率的保守估计,更适用单边的置信区间。



解答:保守估计不低于0.60 。

关于双尾与单尾,对比这三种情形——

是否能认为「乐观」对胜败有正面或负面的预测意义(H_0:.5, H_1:≠.5,普通双边置信区间);
研究者关心乐观候选人的胜面,但不希望过高估计( H_1='less'的单尾置信区间);
研究者关心乐观候选人的胜面,但不希望过低估计( H_1='greater'的单尾置信区间)。

教科书的常见说法比如——「已知乐观候选人的胜面不低于50%,检验是否高于50%,用( H_1='greater'的)单尾检验」。如果研究者想表述「95%的置信度下乐观候选人总体胜面不超过91%」,即使研究者已经知道乐观候选人胜面不低于50%,仍然应该用反方向的单尾置信区间( H_1='less')。注意到 H_0的取值不影响置信区间的结果,只影响报告的p值。 H_1的方向即置信区间的开口方向。

可改进翻译的统计术语歧义

a sample: 一个样本(a case?) > 一组抽样
two sample t test: 两样本t检验(two cases ...?) > 两组样本t检验
sample size: 样本大小(case scale?) > 样本组容量
central tendency: 集中趋势(non-dispersion?) > 中心趋势
dispersion: 离散(discrete?)趋势 > 分散趋势
SD=standard deviation: 标准方差(..variance?) > 标准离差
df=degrees of freedom: 自由度(size of freedom?) > 自由维度(dimensions of freedom)

《结构方程模型及其应用》(侯, 温, & 成,2004)部分章节R代码

John FOX教授的sem包试写了这本教材的几个例子,结果都与LISREL8报告的Minimum Fit Function Chi-Square吻合。不过LISREL其它拟合指标用的是Normal Theory Weighted Least Squares Chi-Square?,所以看上去比Minimum Fit Function Chi-Square报告的结果要好那么一些些。LISREL历史上推的GFI/AGFI曾因为经常将差报好被批评,圈内朋友私下嘲笑这样LISREL就更好卖了,买软件的用户也高兴将差报好,只有读Paper的人上当。

目前只写了chap3_1..到Chap3_2_...,一共5(或6)个例子。尺有所短,寸有所长--sem包不会自动报告所有修正指数,不能做样本量不一样多的多组模型,对复杂的模型要写的代码太多。不过,在已经尝试的几个例子里,有一个是LISREL跑不出来但sem包能跑出结果的。目前sem包还没有达到结构方程众多商业软件的成熟水准,但R庞大的义工武器库已经使sem包至少已经在Missing Data Multiple Imputation、Bootstrapping等等应用上胜出一筹。所以例子中还附带了缺失数据一讲Multiple Impuation的R示范代码。

欢迎各位有兴趣作类似尝试的同学将结果email我, 可以陆续更新到下面的GPL版权代码集合中。

代码下载:lixiaoxu.googlepages.com (中大镜像)

[update] AMos, Mplus 与 SAS/STAT CALIS 缺省报告与使用的都是 Minimum Fit Function Chi-Square,可通过各种软件(Albright & Park, 2009)的结果对比查验。Normal Theory Weighted Least Squares Chi-Square并非总是比Minimum Fit Function Chi-Square报告更“好”的拟合结果(虽然常常如此)。Olsson, Foss, 和 Breivik (2004) 用模拟数据对比了二者,确证Minimum Fit Function Chi-Square计算得到的拟合指标在小样本之外的情形都比Normal Theory Weighted Least Squares Chi-Square的指标更适用。

R的sem包目前在迭代初值的计算上还做得不够好。我遇到的几个缺省初值下迭代不收敛案例,将参数设定合理范围的任意初值(比如TX,TY都设成0-1之间的正实数)之后都收敛了。

--

Albright, J. J., & Park., H. M. (2009). Confirmatory factor analysis using Amos, LISREL, Mplus, and SAS/STAT CALIS. The University Information Technology Services Center for Statistical and Mathematical Computing, Indiana University. Retrieved July 7, 2009, from http://www.indiana.edu/~statmath/stat/all/cfa/cfa.pdf.

Olsson, U. H., Foss, T., & Breivik, E. (2004). Two equivalent discrepancy functions for maximum likelihood estimation: Do their test statistics follow a non-central chi-square distribution under model misspecification? Sociological Methods Research, 32(4), 453-500.

[update]R中的sem包妙处之一是可在线实现结构方程应用界面。下面这个最粗陋的例子对应原书Chap3_1_4_CFA_MB.LS8的结果。
--荣耀属于sem package的作者Rweb的作者、以及服务器运算资源的提供者。

##Input Correlation Matrix
R.DHP<-matrix(0,ncol=17,nrow=17);
R.DHP[col(R.DHP) >= row(R.DHP)] <- c(
1,
.34,1,
.38,.35,1,
.02,.03,.04,1,
.15,.19,.14,.02,1,
.17,.15,.20,.01,.42,1,
.20,.13,.12,.00,.40,.21,1,
.32,.32,.21,.03,.10,.10,.07,1,
.10,.17,.12,.02,.15,.18,.23,.13,1,
.14,.16,.15,.03,.14,.19,.18,.18,.37,1,
.14,.15,.19,.01,.18,.30,.13,.08,.38,.38,1,
.18,.16,.24,.02,.14,.21,.21,.22,.06,.23,.18,1,
.19,.20,.15,.01,.14,.24,.09,.24,.15,.21,.21,.45,1,
.18,.21,.18,.03,.25,.18,.18,.18,.22,.12,.24,.28,.35,1,
.08,.18,.16,.01,.22,.20,.22,.12,.12,.16,.21,.25,.20,.26,1,
.12,.16,.25,.02,.15,.12,.20,.14,.17,.20,.14,.20,.15,.20,.50,1,
.20,.16,.18,.04,.25,.14,.21,.17,.21,.21,.23,.15,.21,.22,.29,.41,1
);
R.DHP<-t(R.DHP);
colnames(R.DHP)<-rownames(R.DHP)<-paste('X',1:17,sep='');
print('Inputted Correlation Matrix');
print(R.DHP);
##
##
##Input Model Specification of Chap3_1_4_CFA_MB.LS8
require(sem);
model.B <- matrix(ncol=3,byrow=TRUE,data=c(
'X1 <-> X1' , 'TD1_1'  , NA  ,
'X2 <-> X2' , 'TD2_2'  , NA  ,
'X3 <-> X3' , 'TD3_3'  , NA  ,
'X5 <-> X5' , 'TD5_5'  , NA  ,
'X6 <-> X6' , 'TD6_6'  , NA  ,
'X7 <-> X7' , 'TD7_7'  , NA  ,
'X8 <-> X8' , 'TD8_8'  , NA  ,
'X9 <-> X9' , 'TD9_9'  , NA  ,
'X10<-> X10', 'TD10_10', NA  ,
'X11<-> X11', 'TD11_11', NA  ,
'X12<-> X12', 'TD12_12', NA  ,
'X13<-> X13', 'TD13_13', NA  ,
'X14<-> X14', 'TD14_14', NA  ,
'X15<-> X15', 'TD15_15', NA  ,
'X16<-> X16', 'TD16_16', NA  ,
'X17<-> X17', 'TD17_17', NA  ,
'xi1<-> xi1', NA       , '1' ,
'xi2<-> xi2', NA       , '1' ,
'xi3<-> xi3', NA       , '1' ,
'xi4<-> xi4', NA       , '1' ,
'xi5<-> xi5', NA       , '1' ,
'xi1<-> xi2', 'PH12'   , NA  ,
'xi1<-> xi3', 'PH13'   , NA  ,
'xi1<-> xi4', 'PH14'   , NA  ,
'xi1<-> xi5', 'PH15'   , NA  ,
'xi2<-> xi3', 'PH23'   , NA  ,
'xi2<-> xi4', 'PH24'   , NA  ,
'xi2<-> xi5', 'PH25'   , NA  ,
'xi3<-> xi4', 'PH34'   , NA  ,
'xi3<-> xi5', 'PH35'   , NA  ,
'xi4<-> xi5', 'PH45'   , NA  ,
'X1 <- xi1' , 'LX1_1'  , NA  ,
'X2 <- xi1' , 'LX2_1'  , NA  ,
'X3 <- xi1' , 'LX3_1'  , NA  ,
'X5 <- xi2' , 'LX5_2'  , NA  ,
'X6 <- xi2' , 'LX6_2'  , NA  ,
'X7 <- xi2' , 'LX7_2'  , NA  ,
'X8 <- xi1' , 'LX8_1'  , NA  ,
'X9 <- xi3' , 'LX9_3'  , NA  ,
'X10<- xi3' , 'LX10_3' , NA  ,
'X11<- xi3' , 'LX11_3' , NA  ,
'X12<- xi4' , 'LX12_4' , NA  ,
'X13<- xi4' , 'LX13_4' , NA  ,
'X14<- xi4' , 'LX14_4' , NA  ,
'X15<- xi5' , 'LX15_5' , NA  ,
'X16<- xi5' , 'LX16_5' , NA  ,
'X17<- xi5' , 'LX17_5' , NA  )
);
class(model.B)<-'mod';
##
##
N=350;##sample size;
##R.DHP[-4,-4] excludes X4
## Result
(summary(sem.B<-sem(model.B, R.DHP[-4,-4], N)));
## Residuals
(round(residuals(sem.B),3));
#####################
boxplot.matrix = function(M,ylim=c(-1,1)) {
  M = as.matrix(M);
  boxplot(c(M[row(M)>col(M)]),at=1,xlab='',ylab='',ylim=ylim);
  points(rep(1,length(c(M[row(M)>col(M)]))),c(M[row(M)>col(M)]),pch='-',col='red');
  stem(c(M[row(M)>col(M)]));
  boxplot.stats(c(M[row(M)>col(M)]));
}
####################
boxplot(residuals(sem.B));

Paper for 1st Chinese useR! Conference: Web Powered by R, or R Powered by Web

欢迎在本部的同学明天上午到现场看李崇亮同学演示,地点见会议主页

论文下载(Googlepages, 中文大学镜像)
RWebFriend for WordPress 在线示例(yo2.cn上的示例,  奇想录上的临时示例)

Google Presentation 在线演示

[update2009.07.11]文中MediaWiki与R集成的实验平台已不再开放编辑权限,原例转到另一个平台上(界面是西班牙语,找不到英语界面的平台)。希望能有帮手提供linux服务器自建一个平台。

R: str(…) 与 getS3method(…,…)

感谢R专家XIE Yihui同学在线答疑

me: 请教两个R的技术:1.R中有没有对象浏览器之类的工具?一举看完一个对象的子子孙孙 2.怎么看深入的源代码> prcomp
function (x, ...)
UseMethod("prcomp")
<environment: namespace:stats>

Yihui: 1. str()是很常用的一个函数,它可以充分查看对象的子子孙孙 2. 很多函数要么是S3 method,要么是调用C code,所以一般不能直接看源代码

S3 method可以用getS3method()去查看,比如prcomp就是S3方法,那么可以看它的default方法是什么:

> getS3method('prcomp','default')
function (x, retx = TRUE, center = TRUE, scale. = FALSE, tol = NULL,
...)
{
x <- as.matrix(x)
x <- scale(x, center = center, scale = scale.)
cen <- attr(x, "scaled:center")
sc <- attr(x, "scaled:scale")
if (any(sc == 0))
stop("cannot rescale a constant/zero column to unit variance")
s <- svd(x, nu = 0)
s$d <- s$d/sqrt(max(1, nrow(x) - 1))
if (!is.null(tol)) {
rank <- sum(s$d > (s$d[1L] * tol))
if (rank < ncol(x)) {
s$v <- s$v[, 1L:rank, drop = FALSE]
s$d <- s$d[1L:rank]
}
}
dimnames(s$v) <- list(colnames(x), paste("PC", seq_len(ncol(s$v)),
sep = ""))
r <- list(sdev = s$d, rotation = s$v, center = if (is.null(cen)) FALSE else cen,
scale = if (is.null(sc)) FALSE else sc)
if (retx)
r$x <- x %*% s$v
class(r) <- "prcomp"
r
}
<environment: namespace:stats>

但所有的源代码都可以从R的源代码包中看到,Windows下经过编译了,可能有一些看不到了

me: 多谢,节约俺好多搜索时间

Yihui: 嗯,我也是花了很长时间才明白S3 method的意思,呵呵

me: 如果要看biplot.prcomp呢?

有help没有源代码的提示

Yihui: help会告诉你biplot也是generic function,可以应用在prcomp这种class上,所以:

> getS3method('biplot','prcomp')
function (x, choices = 1:2, scale = 1, pc.biplot = FALSE, ...)
{
if (length(choices) != 2)
stop("length of choices must be 2")
if (!length(scores <- x$x))
stop(gettextf("object '%s' has no scores", deparse(substitute(x))),
domain = NA)
if (is.complex(scores))
stop("biplots are not defined for complex PCA")
lam <- x$sdev[choices]
n <- NROW(scores)
lam <- lam * sqrt(n)
if (scale < 0 || scale > 1)
warning("'scale' is outside [0, 1]")
if (scale != 0)
lam <- lam^scale
else lam <- 1
if (pc.biplot)
lam <- lam/sqrt(n)
biplot.default(t(t(scores[, choices])/lam), t(t(x$rotation[,
choices]) * lam), ...)
invisible()
}
<environment: namespace:stats>

这个代码里面你会看到其实是用biplot.default,所以你要继续看default的是什么代码


[二度更新并推荐]愉快地发现SciTE和LyX在WinXP下都支持中文

愉快地发现我在WinXP上最常用的编辑工具SciTE(当前版本1.75) 和 LyX(当前版本1.5.3) 都支持unicode(也就是说,支持中文)。之前不了解,只因为缺省设置不支持中文。需要手工操作修改设置。

SciTE的设置是Options->Open Global Options File,编辑SciTEGlobal.properties,找到如下段落

# Unicode
#code.page=65001
code.page=0
#character.set=204
# Required for Unicode to work on GTK+:
#LC_CTYPE=en_US.UTF-8
#output.code.page=65001

修改为

# Unicode
code.page=65001
#code.page=0
character.set=204
# Required for Unicode to work on GTK+:
LC_CTYPE=en_US.UTF-8
output.code.page=65001

保存。然后关闭再打开SciTE,就会发现不再出现中文被切一半的现象。如果编辑的文档格式不是utf-8而是ucs-2 ,还可以在File->Encoding 里临时选。

[update] 除了utf-8, SciTE 还支持国内更常用的GBK码,设置如下:

code.page=936
output.code.page=936
character.set=134

此外,我还推荐把SciTEGlobal.properties文件中的line.margin.visible=1 和 wrap=1 两处的注释#号去掉,效果是缺省显示行号,并使超长的行折行显示。SciTE的优点太多了--开源免费;轻巧,启动快;支持Ctrl+鼠标中轮滚动无级缩放;支持Ctrl+回车 前文已出现过的拼写自动补齐选项;支持Alt键方形选段;...

LyX(版本>=1.5.1)在winXP已经可以在.lyx文件正文和公式框中录入中文。麻烦的是输出中文的pdf。[UPDATED update]LyX的最新版本(1.6.2)捆绑MikTeX的安装包已经对中文(unicode)支持得很好了。感谢楼下joomlagate先生email给我的情报:http://cohomo.blogbus.com/logs/31361739.html 的后半篇介绍了通过XeTeX输出pdf的简单设置。我今天试了一下,效果非常理想。

[update]公式框中的中文只需要再ctrl-M一次即可。例如,\frac{\mbox{分子}}{\mbox{分母}}可以输出,而\frac{分子}{分母}不行。

新版本LyX已经引入了文档版本控制,相当于word中的revision功能,有待深入试用。目前LyX仍不[update]已经支持Ctrl+鼠标中轮滚动无级缩放,如果公式显得太小,需要在菜单设置中修改显示缩放比例:Tools->Preferences->Look and feel->Screen fonts->Zoom %。这可能是比较容易在后续版本中实现的功能

相关网址:

SciTE主页 http://www.scintilla.org/SciTE.html

LyX主页 http://lyx.org/

南开MiKTeX中文插件 http://miktex.math.nankai.edu.cn/

LyX中设置XeTeX中文支持的介绍: http://cohomo.blogbus.com/logs/31361739.html

我为Wordpress / WordPress MU 系列平台制作的支持暗背景LaTeX小插件 http://lixiaoxu.lxxm.com/latex_math_cgi