相关
相关系数可以用来描述定量变量之间的关系。
将使用R基础安装中的state.x77数据集,提供了美国50个州在1977年的人口、收入、文盲率、预期寿命、谋杀率和高中毕业率数据等。
数据如下:

相关的类型
Pearson、Spearman和Kendall相关:
可以用cor(x, use= , method= )函数计算三种相关系数。而cov()函数可用来计算协方差。
cor和cov的参数:
x:矩阵或数据框
use:指定缺失数据的处理方式。可选的方式为all.obs(假设不存在缺失数据——遇到缺失数据时将报错)、everything(遇到缺失数据时,相关系数的计算结果将被设为missing)、complete.obs(行删除)以及pairwise.complete.obs(成对删除,pairwise deletion)
method:指定相关系数的类型。可选类型为pearson、spearman或kendall。
> states<-state.x77[,1:6]
> cov(states)
> cor(states)
> cor(states,method = "spearman")

本文介绍了如何使用R语言进行相关性分析,包括Pearson、Spearman和Kendall相关系数的计算,以及相关性的显著性检验。通过cor()和cov()函数,展示了对数据集state.x77中的变量进行相关系数计算,探讨了偏相关及在控制其他变量情况下的条件独立性。最后,利用corr.test()和pcor.test()进行了显著性检验,以确定变量间关系的统计意义。
2420

被折叠的 条评论
为什么被折叠?



