R麻烦得到相关系数

Question

我在寻求获取数据集的相关系数方面遇到了困难。 我首先使用ggpairs然后使用cor函数。

听起来可能缺乏知识，但我没有意识到我无法计算类型不是数字的列的相关性。 例如，我想现在一些AGE和CITY之间的相关性。我有什么选择这样的情况？或者我应该做什么数据转换？

谢谢。

Answer 1

正如thelatemail所说，有时候图表不仅仅是一个统计数据......

cities <- c("Montreal", "Toronto", "New York", "Plattsburgh")
dat <- data.frame(city = sample(cities,size = 200, replace = TRUE), age = rnorm(n = 200, mean = 40, sd = 20))
dat$city <- as.factor(dat$city)
plot(age ~ city, data = dat)

然后，为了进行适当的分析，您有几个选项... anova，或以城市作为解释变量（因子）的回归...尽管您的问题可能对Cross Validated有更好的回答！

顺便说一句：请忽略消极时代，这已经很快完成了。

Answer 2

我认为你首先需要回答你正在尝试做什么的问题。相关系数（Pearson's r）是可以在两个数值上计算的特定统计量（其中二分变量可以被认为是数值）。它具有一些特殊的特征，包括它以-1和1为界，并且它没有依赖或自变量的概念。它也不代表解释的方差比例;你需要对它进行平方以获得通常的衡量标准。它的作用是估计两个变量之间关联的大小和方向。

当你将变量（例如city）作为两个变量之一时，这些特性使得使用r成为不合适。如果您想知道城市解释的年龄差异比例，您可以在城市的一组虚拟变量上运行年龄回归，并查看模型的整体R平方。然而，与r不同的是，你不会有一个简单的方向（只是每个城市的方向），并且它必然与你根据年龄建立预测城市的模型一样。

Answer 3

关于City等定性数据，您可以使用Spearman的相关性。

您可以找到有关此相关性的更多信息here

在此命令的帮助下，它可以简单地在R中使用：

cor（x，use =，method =）

所以，如果你想在一个简单的例子中使用它：

cor（AGE，CITY，method =“Spearman”）

我希望能帮到你