R语言实战笔记 基本统计分析-相关

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。

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:

在这里插入图片描述

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")

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值