Question

为了能够获得数据框中所有数值变量之间的成对相关性和显着性水平，我编写了以下小函数：

corwithsign=function(df,type="pearson") {
  df=df[,sapply(df, is.numeric)] # only keep numeric variables in data frame
  vars=names(df)
  nvars=length(vars)
  nvals=(nvars*nvars-nvars)/2 # number of pairwise correlations between the variables
  vars1=vars2=cors=pvals=n=vector("numeric",nvals) # make empty vectors to store results
  row=1 # row of output table
  for (v1 in (1:(nvars-1))) {
    for (v2 in ((v1+1):nvars)) {
      var1=vars[[v1]]; var2=vars[[v2]]
      vars1[[row]]=var1; vars2[[row]]=var2
      out=cor.test(df[,var1],df[,var2],use="pairwise.complete.obs",method=type)
      cors[[row]]=out$estimate
      pvals[[row]]=out$p.value
      n[[row]]=out$parameter+2 # df + 2
      row=row+1
    }
  }
  data.frame(cbind(var1=vars1,var2=vars2,r=cors,p=pvals,n),row.names=NULL)
}

corwithsign(mtcars,type="pearson")
   var1 var2                   r                    p  n
1   mpg  cyl  -0.852161959426613 6.11268714258096e-10 31
2   mpg disp  -0.847551379262479  9.3803265373813e-10 31
3   mpg   hp  -0.776168371826586 1.78783525412106e-07 31
4   mpg drat   0.681171907806749 1.77623992874132e-05 31
5   mpg   wt  -0.867659376517228 1.29395870135052e-10 31
6   mpg qsec   0.418684033921778   0.0170819884965197 31
7   mpg   vs   0.664038919127593 3.41593725443623e-05 31
8   mpg   am   0.599832429454648 0.000285020743935105 31
9   mpg gear   0.480284757338842  0.00540094822470749 31
10  mpg carb  -0.550925073902459  0.00108444622049168 31
...

我只是想知道是否有更短更优雅的方法可以做到这一点，或者这些类型的功能是否已经在某些软件包中实现了？（我在Hmisc中看到了一些对rcorr的引用，但它输出了两个矩阵，这对我来说没什么用，因为我只想输出一个数据帧。）

有什么想法吗？

欢呼声，汤姆

Answer 1

如上所述，psych库有一个很好的corr.test函数，它提供的不仅仅是普通的基础cor.test，特别是

corr.test(mtcars)$ci

非常接近corwithsign所做的事情

R：构建具有所有成对相关的数据帧＆amp;数值变量之间的显着性水平

1 个答案: