当前位置:天才代写 > tutorial > R语言教程 > R语言教程之函数产生相关性

R语言教程之函数产生相关性

2018-05-09 08:00 星期三 所属: R语言教程 浏览:646

您可以使用 cor()函数产生相关性,使用ov()函数产生协方差。

简化的格式是cor(x,use =,method =)其中

选项 描述
X 矩阵或数据框架
使用 指定处理缺少的数据。选项是all.obs(假设没有丢失的数据 – 丢失的数据会产生错误),complete.obs(列表删除)和pairwise.complete.obs(成对删除)
方法 指定相关的类型。选项有pearsonspearmankendall

# Correlations/covariances among numeric variables in 
# data frame mtcars. Use listwise deletion of missing data. 
cor(mtcars, use="complete.obs", method="kendall") 
cov(mtcars, use="complete.obs")

不幸的是,cor()cov()都不会产生显着性检验,但您可以使用cor.test()函数来检验单个相关系数。

Hmisc包中rcorr()函数为pearson和spearman相关性生成相关性/协方差和显着性水平。但是,输入必须是矩阵,并使用成对删除。

# Correlations with significance levels
library(Hmisc)
rcorr(x, type="pearson") # type can be pearson or spearman

#mtcars is a data frame 
rcorr(as.matrix(mtcars))

您可以使用格式cor(X,Y)rcorr(X,Y)来生成X的列和Y的列之间的相关性。这与SAS PROC CORR中的VAR和WITH命令类似

# Correlation matrix from mtcars
# with mpg, cyl, and disp as rows 
# and hp, drat, and wt as columns 
x <- mtcars[1:3]y <- mtcars[4:6]cor(x, y)

其他类型的相关性

# polychoric correlation
# x is a contingency table of counts
library(polycor)
polychor(x) 

# heterogeneous correlations in one matrix 
# pearson (numeric-numeric), 
# polyserial (numeric-ordinal), 
# and polychoric (ordinal-ordinal)
# x is a data frame with ordered factors 
# and numeric variables
library(polycor)
hetcor(x) 

# partial correlations
library(ggm)
data(mydata)
pcor(c("a", "b", "x", "y", "z"), var(mydata))
# partial corr between a and b controlling for x, y, z

可视化相关性

使用corrgram()绘制相关图。

使用pairs()splom()创建散点图矩阵。

来练习

尝试这个关于R中相关性和回归的互动课程。

 

    关键字:

天才代写-代写联系方式