R使用笔记:相关系数:cor.test();corr.test();rcorr() | 您所在的位置:网站首页 › 写教案过程与方法 › R使用笔记:相关系数:cor.test();corr.test();rcorr() |
本次笔记内容: cor.test()和cor() rcorr() {Hmisc} corr.test() {psych} spearmanCI() {spearmanCI} spearman求95%CI (update 20200401)相关系数(correlation coefficient)用于描述两个变量之间的相关程度。一般在[-1, 1]之间。包括: pearson相关系数:适用于连续性变量,且变量服从正态分布的情况,为参数性的相关系数。 spearman等相关系数:适用于连续性及分类型变量,为非参数性的相关系数。在本次笔记中仅讨论连续型变量的相关系数。 # 示例数据有6个变量: data("attitude") head(attitude) rating complaints privileges learning raises critical advance 1 43 51 30 39 61 92 45 2 63 64 51 54 63 73 47 3 71 70 68 69 76 86 48 4 61 63 45 47 54 84 35 5 81 78 56 66 71 83 47 6 43 55 49 44 54 49 34cor.test()和cor()都是R自带包里的函数,两者差别仅为cor()只给出相关系数一个值,cor.test()给出相关系数,p值等。 你可以把数据的两组feature提出来进行相关性分析,看是否有相关性;也可以把包含多个feature的表格作为cor()input,得到的是一个对称的correlation matrix. 即所有feature两两比较的相关系数。然后你可以拿去各种可视化。cor.test()似乎不能这样用。 使用Hmisc包的rcorr(),可以得到correlation matrix的p值矩阵。当然rcorr()也可以像cor()那样,只计算两个feature之间的相关系数。 ## 只把attitude中的rating和complaints作为input cortest_ra_com |
CopyRight 2018-2019 实验室设备网 版权所有 |