关于在r

Question

我的任务是手动计算两个数据集（D $ Nload和D $ Pload）之间的样本相关性，然后将结果与内置cor（）函数中的R进行比较。

我计算样本相关性

cov(D$Nload,D$Pload, use="complete.obs")/(sd(D$Nload)*sd(D$Pload, na.rm=TRUE))

哪个给我结果0.5693599

然后我尝试使用R的cov（）函数

cor(D[, c("Nload","Pload")], use="pairwise.complete.obs")

这给了我结果：

          Nload     Pload
Nload 1.0000000 0.6244952
Pload 0.6244952 1.0000000

这是不同的结果。谁能看到我哪里出问题了？

Answer 1

发生这种情况的原因是，当您在单个引导程序上调用sd()时，它无法检查数据是否成对完成。示例：

x <- rnorm(100)
y <- rexp(100)
y[1] <- NA
df <- data.frame(x = x, y = y)

所以这里有

df[seq(2), ]
           x         y
1  1.0879645        NA
2 -0.3919369 0.2191193

我们看到，尽管第二行是成对完成的（用于计算的所有列都不是NA），但第一行却不是。但是，如果仅在单个列上计算sd()，则该列不包含任何关于该对的信息。因此，在您的情况下，sd(df$x)将使用所有可用数据，尽管应避免使用第一行。

cov(df$x, df$y, use = "complete.obs") / (sd(df$x)*sd(df$y, na.rm=TRUE))
[1] 0.09301583

cor(df$x, df$y, use = "pairwise.complete.obs")
[1] 0.09313766

但是，如果您从计算中删除第一行，则结果是相等的

df <- df[complete.cases(df), ]
cov(df$x, df$y, use = "complete.obs") / (sd(df$x)*sd(df$y, na.rm=TRUE))
[1] 0.09313766
cor(df$x, df$y, use = "pairwise.complete.obs")
[1] 0.09313766