确定R中的数据是否相关

Question

我有两个数据集，我想看看它们之间是否存在关系。

第一个数据集包含用于健康运动的广告花费，而第二个数据集包含同一时期内的伤亡人数。我想看看花更多的钱意味着更少的伤亡。比较两者的最佳方法是什么？

关于数据集，两者都包含日期和值。

Answer 1

让我们假设

set.seed(44) 
deaths<- 10:1 + sample.int(3, 10, replace = T)

和

spent<- seq(100, 550, by = 50 )

当您获取数据时，您想要做的第一件事就是看它。

可以相对轻松地完成

plot(spent, deaths)

产生

所以看起来我们花的越多，死亡人数就越少。那讲得通。但是我们怎样才能量化这种说法。使用cor()将为我们提供两个变量spent和deaths之间的相关性。

cor(spent, deaths)
# [1] -0.9809581

所以它看起来非常强（并且负相关。）另一个简单的方法（与cor()密切相关）是适合线性模型。

model<- lm(deaths~spent)

summary()调用会产生很多关于你所适合的模型的有用信息，其解释超出了本文的范围，但可以通过一些快速的Google搜索轻松找到。

summary(model) 

#Call:
#lm(formula = deaths ~ spent)

#Residuals:
# Min       1Q   Median       3Q      Max 
#-0.89697 -0.51515 -0.05758  0.46364  1.01818 

#Coefficients:
#            Estimate Std. Error t value Pr(>|t|)    
#(Intercept) 14.151515   0.539649   26.22 4.80e-09 ***
#spent       -0.021697   0.001519  -14.29 5.62e-07 ***
#---
#Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

#Residual standard error: 0.6898 on 8 degrees of freedom
#Multiple R-squared:  0.9623,   Adjusted R-squared:  0.9576 
#F-statistic: 204.1 on 1 and 8 DF,  p-value: 5.622e-07