Question

我有一个包含6行和14列的数据帧。我通过以下方式计算Pearson相关性：

#read data
data1 <- read.csv("test.csv")

#calculate correlation 
pearson_coef <- cor(data1[sapply(data1, is.numeric)])

我得到了正确的相关系数。现在我想得到相关的显着性水平。所以我用过：

significance <- cor.test(data1)

但是我收到了这个错误：

Error in cor.test.default(data1) : 
  argument "y" is missing, with no default

我不明白这是什么问题。你能帮帮我吗？

此外，我想知道是否有可能获得具有Pearson相关系数和关联显着性水平的输出（唯一数据帧）？

抱歉这个问题！

Answer 1

stats::cor.test有两个输入，x和y，它们是相同长度的数字向量 - 请参阅文档?cor.test - 长和短，你不能cor.test data.frame。

要获得所需的行为，您可以使用psych包及其corr.test()功能 - 请尝试以下操作：

# install.packages("psych")
library(psych)
corr.test(data1[sapply(data1, is.numeric)])

这将返回相关矩阵，样本大小和 p 值的矩阵。根据您的示例，您可以使用以下内容仅提取 p - 值并将其分配给significance：

significance <- corr.test(data1[sapply(data1, is.numeric)])$p

<小时/> N.B。这将对返回的 p - 值应用调整因子。根据{{1}}的文档：

＆＃34;对于对称矩阵，在对角线以下报告原始概率，并针对对角线以上的多个比较调整相关性。在不同的x和ys的情况下，默认是调整多个测试的概率。＆＃34;

您可以使用psych::corr.test来关闭 p - 值调整...

adjust = "none"

...但是，在解释此类结果时应谨慎使用。有关已调整的 p 值的详细信息，请参阅corr.test(data1[sapply(data1, is.numeric)], adjust = "none")。

Answer 2

cor.test有一个非常具体的输入法。我们假设您的数据x和y中有两个变量：

cor.test(~ x + y, data)

会得到你想要的东西。

Answer 3

如果没有可重复的例子，这有点麻烦。我将使用虹膜数据集作为您的示例。您的cor.test()调用无效的原因是您需要指定要比较的变量。请查看?cor.test了解更多详情。

但是，如果您想通过数据框解决此问题，我建议使用dplyr包。首先，您需要了解如何从cor.test()对象中提取值。运行相关性：

iris.cor <- cor.test(iris$Petal.Width, iris$Petal.Length)

然后查看数据帧的结构：

str(iris.cor)

请注意，您可以从cor.test（）对象中提取值，如下所示：

iris.cor$estimate
iris.cor$p.value

现在，如果要在数据框中包含这些值，可以采用多种方法。我的偏好是dplyr解决方案，但有很多方法可以为这只猫提供皮肤。

library(dplyr)

iris %>%
  summarise(coef=cor.test(Petal.Width, Petal.Length)$estimate,
            pval=cor.test(Petal.Width, Petal.Length)$p.value)

这样做的好处是可以轻松添加cor.test()对象的其他元素或添加分组变量：

iris %>%
  group_by(Species) %>%
  summarise(coef=cor.test(Petal.Width, Petal.Length)$estimate,
            pval=cor.test(Petal.Width, Petal.Length)$p.value)

在一天结束时，R总是有几种做事方式。这是一个。

皮尔逊相关性和相关性的意义

3 个答案: