|
本文介绍R中常用于相关性分析的四种函数 ##### cor R内置函数，可以直接用于计算两两个向量之间的相关系数（可选方法pearson、spearman、kendall），只能得到相关系数： ##### cor.test R内置函数，可以直接用于计算两个向量之间的相关系数（可选方法pearson、spearman、kendall），可得到相关系数（$estimate）、置信区间、P值（$p.value）等信息： 如果想做多个因子两两间的相关性，则需要更优的方法去处理分析。 以psych包中的sat.act数据为例： ##### rcorr Hmisc包，输入数值型矩阵，计算两两列之间的相关性（可选方法pearson、spearman），适用于多比较： install.packages('Hmisc') library(Hmisc) result = corr(sat.act, type='pearson') 通过$r和$P可以分别得到相关系数和P值的邻接矩阵。 ##### corr.test psych包，输入矩阵或数据框，计算两两列之间的相关性（可选方法pearson、spearman、kendall）, 适用于多比较，可对P值进行校正： install.packages('psych') library(psych) result = corr.test(sat.act, method='pearson', adjust='BH') 如果参数里设置了P值矫正方法，则矫正的P值可通过$p得到： 注意，此时对称的两个值是不同的！而且设置不同的矫正方法所矫正的均是上三角的P值。也即下三角的P值为未矫正的P值。 # 如何取上三角 使用reshape2包中的melt函数： result$p[lower.tri(result$p)] = NA res = melt(result$p, na.rm=T) 综上，对于两个元素之间的相关性计算可使用cor.test，而对于多元素两两间相关性的计算corr.test更优。 ### 关于邻接矩阵的整理 可整理成如下格式： 每行是元素i与元素j之间的相关系数Cor及P值，可考虑删除上示两种数据。 脚本可参考： result$p[lower.tri(result$p)] = NA result$r[lower.tri(result$r)] = NA res = cbind(melt(result$r, na.rm=T), melt(result$p, na.rm=T)[,3]) colnames(res) = c('i', 'j', 'Cor', 'Padj') res = res[res$i != res$j,]
|
|
|
