x1：r語言內建資料集iris的前4列。 x2：r語言內建資料集state.x77
x = iris[,-5]x2 = state.x77使用cov()函式計算。
關於協方差：cov(x,y)>0,表示x、y的變化為正趨勢，<0為負趨勢，＝0為無趨勢。協方差對資料的變化範圍敏感，無法反應變化趨勢的強弱和離散程度，但它是一些高階分析的基石。
3.1計算相關性係數
cor函式可計算三種相關性係數：pearson,kendall和spearman,預設是pearson。pearson是引數檢驗，需要兩個向量均服從正態分佈。另外兩個為非引數檢驗。
cor(x$sepal.length,x$petal.length)#> [1] 0.8717538cor(x$sepal.length,x$petal.length,method = "kendall")#> [1] 0.7185159cor(x$sepal.length,x$petal.length,method = "spearman")#> [1] 0.8818981可見，計算的結果是x的4個變數(4列)兩兩之間的相關性。
3.2 相關係數的顯著性檢驗
cor.test(x$sepal.length,x$petal.length)#> #> pearson's product-moment correlation#> #> data: x$sepal.length and x$petal.length#> t = 21.646, df = 148, p-value alternative hypothesis: true correlation is not equal to 0#> 95 percent confidence interval:#> 0.8270363 0.9055080#> sample estimates:#> cor #> 0.8717538cor.test(x$sepal.length,x$petal.length,method = "kendall")#> #> kendall's rank correlation tau#> #> data: x$sepal.length and x$petal.length#> z = 12.647, p-value alternative hypothesis: true tau is not equal to 0#> sample estimates:#> tau #> 0.7185159cor.test(x$sepal.length,x$petal.length,method = "spearman")#> warning in cor.test.default(x$sepal.length, x$petal.length, method =#> "spearman"): cannot compute exact p-value with ties#> #> spearman's rank correlation rho#> #> data: x$sepal.length and x$petal.length#> s = 66429, p-value alternative hypothesis: true rho is not equal to 0#> sample estimates:#> rho #> 0.8818981即在控制乙個或多個其他變數時，兩個變數之間的相互關係。(這裡的變數都應是連續型變數)
控制某個變數，指的是排除該變數的影響。被控制的變數稱為條件變數。
使用ggm::pcor()函式來計算。用法為：pcor(u, s)。
舉個栗子
cor(x2[,1],x2[,3])#> [1] 0.1076224cor(x2[,2],x2[,3])#> [1] -0.4370752#install.packages("ggm")library(ggm)#在控制收入的條件下，人口數量對文盲率的影響pcor(c(1,3,2),cov(x2))#> [1] 0.2257943#在控制人口的條件下，收入對文盲率的影響pcor(c(2,3,1),cov(x2))#> [1] -0.4725271pcor(c(1,5,2,3),cov(x2))#> [1] 0.3621683pcor.test(pcor(c(2,3,1),cov(x2)),q=3,n=50)#> $tval#> [1] -3.596675#> #> $df#> [1] 45#> #> $pvalue#> [1] 0.0007972922r是偏相關性計算結果，q是變數數，n是樣本數，在幫助文件中有描述。
語言顯著性矩陣 R語言總結
不連續更新，總結一些實用的r語言操作知識。如何在rstudio中更新r版本 install.packages installr require installr 或者library installr updater 2.帶p值的箱型圖 我想看看任意一列在兩種型別上有沒有顯著差異，即可以用秩和檢驗求p...
皮爾森相關係數 皮爾森相關係數的計算
在 變數關係大揭秘 一 我們提到了皮爾森相關係數r 先來兩個散點圖，左圖中x和y不相關，右圖中x和y高度正相關，差別在哪？讓我們在左右兩圖各畫乙個 田 字，田 字中心的座標是 x的平均值，y的平均值 比較左右兩圖，我們知道 當散點在a b c d均勻分布，x和y不相關 當a和c的點越多，並且b和d的...
斯皮爾曼相關係數範圍 資料的相關係數
兩個變數之間的皮爾遜相關係數定義為兩個變數之間的協方差和標準差的商 從式子 1 能看到，pearson 係數的取值範圍在 1 1之間，其中1是總正線性相關性，0是非線性相關性，並且 1是總負線性相關性。pearson相關係數的乙個關鍵數學特性是它在兩個變數的位置和尺度的單獨變化下是不變的。也就是說，...