我们正在测量一个地区五个不同地点的地下水位。
空假设:每个地点的地下水位趋势/进展没有差异
替代假设:每个地点的地下水位的趋势/进展是不同的
我们希望从统计上证明这一点。
您可以在下面看到部分测量数据:
> head(mydf)
x1 x2 x3 x4 x5
1 -160 -76 -66 -29 -95
2 -159 -66 -63 -20 -85
3 -153 -63 -55 -19 -81
4 -156 -76 -54 -27 -83
5 -155 -75 -53 -30 -81
6 -145 -64 -49 -20 -71
这是chart of the measurement data。
我们确实关联了数据:
> cor(mydf)
x1 x2 x3 x4 x5
x1 1.0000000 0.8033349 0.8569253 0.8262110 0.8523034
x2 0.8033349 1.0000000 0.8228611 0.9036943 0.8965484
x3 0.8569253 0.8228611 1.0000000 0.8486466 0.9091440
x4 0.8262110 0.9036943 0.8486466 1.0000000 0.8828055
x5 0.8523034 0.8965484 0.9091440 0.8828055 1.0000000
我们还尝试使用rcorr(as.matrix(mydf))
计算p值,但只接收零的矩阵。
我们有几个问题:
答案 0 :(得分:1)
指南供您查看:
对于结果的解释和使用方法,Cross Validated是一个更好的发布位置。
关于你的R问题:
Case 1: 44
Case 2: 1116877054
Case 3: 2353506445
Case 4: 10
Case 5: 10
Case 6: 10
Case 7: 10
Case 8: 10
Case 9: 10
Case 10: 1991568403
Case 11: 10
Case 12: 10
Case 13: 10
Case 14: 10
Finished, please press Enter..
包中的rcorr()
函数非常易于使用。
示例数据:
Hmisc
提供相关矩阵的输出以及pvalue矩阵。上面的指南可以帮助您压扁它并根据您的需要进行操作。
require(Hmisc)
set.seed(1)
x1 = rnorm(10,seed)
x2 = rnorm(10,seed)
x3 = x2 + rnorm(10,sd=.1,seed)
mydf <- data.frame(x1,x2,x3)
rcorr(as.matrix(mydf))