处理相关性计算的缺失值

Question

我有一个巨大的矩阵，有很多缺失的值。我想得到变量之间的相关性。

1。是解决方案

cor(na.omit(matrix))

比下面好吗？

cor(matrix, use = "pairwise.complete.obs")

我已经只选择了缺失值超过20％的变量。

2。哪种方法最有意义？

Answer 1

我会投票给第二个选项。听起来你有相当数量的缺失数据，所以你会寻找一个合理的多重插补策略来填补空间。请参阅Harrell的文章“回归建模策略”，获取有关“如何正确执行此操作”的大量指导。

Answer 2

我认为第二种选择更有意义，

您可以考虑在Hmisc包中使用rcorr功能。

它非常快，只包括成对完整的观察。 返回的对象包含矩阵

1. 相关分数
2. 用于每个相关值的观察次数
3. 每个相关的p值

这意味着您可以根据少量观察值（无论该阈值适合您）或基于p值忽略相关值。

library(Hmisc)
x<-matrix(nrow=10,ncol=10,data=runif(100))
x[x>0.5]<-NA
result<-rcorr(x)
result$r[result$n<5]<-0 # ignore less than five observations
result$r

Answer 3

对于未来的读者Pairwise-complete correlation considered dangerous可能很有价值，认为$ gco - $ git checkout - 被认为是危险的，并建议cor(matrix, use = "pairwise.complete.obs")等替代方案。