Таблица парной корреляции

Ответ 1

Bill Venables предлагает это решение в этом ответе из списка рассылки R, в который я внес некоторые незначительные изменения:

cor.prob <- function(X, dfr = nrow(X) - 2) {
  R <- cor(X)
  above <- row(R) < col(R)
  r2 <- R[above]^2
  Fstat <- r2 * dfr / (1 - r2)
  R[above] <- 1 - pf(Fstat, 1, dfr)

  cor.mat <- t(R)
  cor.mat[upper.tri(cor.mat)] <- NA
  cor.mat
}

Итак, давайте протестируем его:

set.seed(123)
data <- matrix(rnorm(100), 20, 5)
cor.prob(data)

          [,1]      [,2]      [,3]      [,4] [,5]
[1,] 1.0000000        NA        NA        NA   NA
[2,] 0.7005361 1.0000000        NA        NA   NA
[3,] 0.5990483 0.6816955 1.0000000        NA   NA
[4,] 0.6098357 0.3287116 0.5325167 1.0000000   NA
[5,] 0.3364028 0.1121927 0.1329906 0.5962835    1

Выстраивается ли это с помощью cor.test?

cor.test(data[,2], data[,3])

 Pearson product-moment correlation
data:  data[, 2] and data[, 3] 
t = 0.4169, df = 18, p-value = 0.6817
alternative hypothesis: true correlation is not equal to 0 
95 percent confidence interval:
 -0.3603246  0.5178982 
sample estimates:
       cor 
0.09778865 

Кажется, работает нормально.

Ответ 2

Вот что я только что сделал, я наткнулся на этот пост, потому что я искал способ взять каждую пару переменных и получить аккуратный фрейм данных nX3. Столбец 1 - переменная, столбец 2 - переменная, а столбцы 3 и 4 - их абсолютное значение и истинная корреляция. Просто передайте функцию dataframe числовых и целочисленных значений.

  pairwiseCor <- function(dataframe){
  pairs <- combn(names(dataframe), 2, simplify=FALSE)
  df <- data.frame(Vairable1=rep(0,length(pairs)), Variable2=rep(0,length(pairs)), 
                   AbsCor=rep(0,length(pairs)), Cor=rep(0,length(pairs)))
  for(i in 1:length(pairs)){
    df[i,1] <- pairs[[i]][1]
    df[i,2] <- pairs[[i]][2]
    df[i,3] <- round(abs(cor(dataframe[,pairs[[i]][1]], dataframe[,pairs[[i]][2]])),4)
    df[i,4] <- round(cor(dataframe[,pairs[[i]][1]], dataframe[,pairs[[i]][2]]),4)
  }
  pairwiseCorDF <- df
  pairwiseCorDF <- pairwiseCorDF[order(pairwiseCorDF$AbsCor, decreasing=TRUE),]
  row.names(pairwiseCorDF) <- 1:length(pairs)
  pairwiseCorDF <<- pairwiseCorDF
  pairwiseCorDF
  }

Это результат:

 > head(pairwiseCorDF)
             Vairable1        Variable2 AbsCor     Cor
    1        roll_belt     accel_belt_z 0.9920 -0.9920
    2 gyros_dumbbell_x gyros_dumbbell_z 0.9839 -0.9839
    3        roll_belt total_accel_belt 0.9811  0.9811
    4 total_accel_belt     accel_belt_z 0.9752 -0.9752
    5       pitch_belt     accel_belt_x 0.9658 -0.9658
    6 gyros_dumbbell_z  gyros_forearm_z 0.9491  0.9491

Ответ 3

Я обнаружил, что пакет R picante отлично справляется с проблемой, которая у вас есть. Вы можете легко передать свой набор данных в функцию cor.table и получить таблицу корреляций и p-значений для всех ваших переменных. Вы можете указать Pearson r или Spearman в функции. См. Эту ссылку для справки: http://www.inside-r.org/packages/cran/picante/docs/cor.table

Также не забудьте удалить любые нечисловые столбцы из вашего набора данных перед запуском функции. Вот пример фрагмента кода:

install.packages("picante")
library(picante)
#Insert the name of your dataset in the code below
cor.table(dataset, cor.method="pearson")

Ответ 4

Вы можете использовать функцию sjt.corr sjPlot-package, которая дает вам красиво отформатированную таблицу корреляции, готовую для использования в вашем Офисное приложение.

Самый простой вызов функции - это просто передать кадр данных:

sjt.corr(df)

Смотрите примеры здесь.

Ответ 5

В дополнение к большой функции cor.prob(), описанной выше, себастиан-c мне нужно было заменить автокорреляцию тире, выполненной с помощью этого кода:

cor.tbl <- round(cor.prob(data), 3)
cor.tbl[cor.tbl == 1] <- "-"