第147页 7.3 相关

这章读的想报复社会了都~一点统计学的课都没上课~简直是硬啃这个东西~一句话~给丫死磕！
> states <- state.x77[,1:6]
> cor(states)
           Population Income Illiteracy Life Exp Murder HS Grad
Population     1.0000  0.208      0.108  -0.0681  0.344 -0.0985
Income         0.2082  1.000     -0.437   0.3403 -0.230  0.6199
Illiteracy     0.1076 -0.437      1.000  -0.5885  0.703 -0.6572
Life Exp      -0.0681  0.340     -0.588   1.0000 -0.781  0.5822
Murder         0.3436 -0.230      0.703  -0.7808  1.000 -0.4880
HS Grad       -0.0985  0.620     -0.657   0.5822 -0.488  1.0000

cor函数可以计算三种相关系数 通过参数Method来指定。
以下三种
Person积差相关系数
Spearman等级相关系数
还有kendall 一种非参数的等级相关度量。

关于Person函数
相关系数用r表示，它的基本公式为：著名统计学家卡尔·皮尔逊设计了统计指标——相关系数。依据相关现象之间的不同特征，其统计指标的名称有所不同。

相关系数的值介于–1与+1之间，即–1≤r≤+1。其性质如下：
* 当r>0时，表示两变量正相关，r<0时，两变量为负相关。
* 当|r|=1时，表示两变量为完全线性相关，即为函数关系。
* 当r=0时，表示两变量间无线性相关关系。
* 当0<|r|<1时，表示两变量存在一定程度的线性相关。且|r|越接近1，两变量间线性关系越密切；|r|越接近于0，表示两变量的线性相关越弱。
* 一般可按三级划分：|r|<0.4为低度线性相关；0.4≤|r|<0.7为显著性相关；0.7≤|r|<1为高度线性相关。

所以从这个测试数据集里可以看出书中所提到的  收入和高中毕业率的关系Income & HS Grad存在很强的正关系(0.6199) 还有预期寿命Life Exp和文盲率Illiteracy存在很强的负相关(-0.588)  。

正相关 无: 0 to 0.09     弱:0.1 to -0.3  中:0.3 to 0.5    强:0.5 to 1.0
负相关 无: -0.09 to 0.0 弱:-0.3 to -0.1 中:-0.5 to -0.3 强:-1.0 to -0.5

#-----------------------------------DIY 计算非方形的相关矩阵-----------------------------#
> x <- states[,c("Population","Income","Illiteracy","HS Grad")]
> y <- states[,c("Life Exp","Murder")]
> cor(x,y)


简单明了 只计算和观察需要的变量