R计算相关系数并给出P值

关键词：R 相关系数 P值 cor(), cor.test() corr.test() psych

用R计算相关系数并不是什么难题，内置的cor()函数就可以计算出matrix或data frame 各列数据间的相关系数。
如下：

> b <- rep(1:5, 2)
> a <- seq(1:100)
> b <- rep(1:20, 5)
> c <- rep(1:50, 2)
> myd <- cbind(a, b, c)
> cor(myd)
a          b          c
a 1.0000000 0.19975983 0.49992499
b 0.1997598 1.00000000 0.09914381
c 0.4999250 0.09914381 1.00000000

那么有人还需要得到各变量间的相关系数的P值来描述相关系数的可靠性，这个P值跟样本量有一定的关系，通常1000个以上的样本P值都是显著的，当然这些是题外话。R里有另一个函数cor.test()函数用来计算两个变量间的相关系数及P值。
如下：

> cor.test(a, b)

Pearson's product-moment correlation

data:  a and b
t = 2.0182, df = 98, p-value = 0.0463
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
0.003478186 0.381220221
sample estimates:
cor
0.1997598

我们可以看到a与b之间的相关系数是0.1998，P值为0.0463。但是cor.test()函数并不能像cor()函数一样计算一个data frame中各个变量间的相关系数并给出结果，这给我们在进行多变量分析的时候带来了很大不便。虽然我们可以自己来写个函数来完成两两变量间的计算，但是还是太麻烦了。有没有现成的函数呢？有的。其实我们可以利用psych包中的corr.test()来完成这一任务。

> library(psych)
> corr.test(myd)
Call:corr.test(x = myd)
Correlation matrix
a   b   c
a 1.0 0.2 0.5
b 0.2 1.0 0.1
c 0.5 0.1 1.0
Sample Size
[1] 100
Probability values (Entries above the diagonal are adjusted for multiple tests.)
a    b    c
a 0.00 0.09 0.00
b 0.05 0.00 0.33
c 0.00 0.33 0.00

To see confidence intervals of the correlations, print with the short=FALSE option

该函数默认只输出小数点后两位。采用常用的option(digitals=3)或者round(x,3)来指定小数位数是无效的。我们可以通过使用print函数来对输出结果中的小数位数加以指定。

> print(corr.test(myd), digits=4)
Call:corr.test(x = myd)
Correlation matrix
a      b      c
a 1.0000 0.1998 0.4999
b 0.1998 1.0000 0.0991
c 0.4999 0.0991 1.0000
Sample Size
[1] 100
Probability values (Entries above the diagonal are adjusted for multiple tests.)
a      b      c
a 0.0000 0.0926 0.0000
b 0.0463 0.0000 0.3264
c 0.0000 0.3264 0.0000

To see confidence intervals of the correlations, print with the short=FALSE option

这样我们就可以得到我们想要的结果了。

by lanmeibanban
2014/11/5