R相關(guān)性分析

1.理論部分

Pearson(默認(rèn))

最常規(guī)的線性分析剪侮。計(jì)算公式

適用條件

  • 變量線性關(guān)系钳吟、連續(xù)
  • 兩個(gè)變量總體符合正態(tài)分布
  • 標(biāo)準(zhǔn)差不能為0
  • 異常值較敏感

Spearman(秩相關(guān)系數(shù))

其值與兩個(gè)相關(guān)變量的具體值無關(guān),而僅僅與其值之間的大小關(guān)系有關(guān)考传。

(1招拙,10,100喇勋,101)->(1缨该,2,3川背,4)
(21贰拿,10,15熄云,13)->(4膨更,1,3缴允,2)

再利用Pearson公式對(duì)轉(zhuǎn)換后的(1,2,3,4,)計(jì)算相關(guān)性.
適用條件:

  1. 等級(jí)變量之間的相關(guān)系數(shù)
  2. 對(duì)處理異常比較好荚守,因?yàn)樽畲笾底钚≈档木唧w數(shù)值對(duì)整體數(shù)據(jù)影響較大,但是排序通常不會(huì)有明顯變化

Kendall(和諧系數(shù))

其值與兩個(gè)相關(guān)變量的具體值無關(guān)癌椿,而僅僅與其值之間的大小關(guān)系有關(guān)健蕊。
對(duì)于X,Y的兩對(duì)觀察值Xi,Yi和Xj,Yj,如果Xi<Yi并且Xj<Yj,或者Xi>Yi并且Xj>Yj,則稱這兩對(duì)觀察值是和諧的,否則就是不和諧的。偏向一致性評(píng)價(jià)
計(jì)算公式

顯著性檢測(cè)

進(jìn)行相關(guān)性檢測(cè)時(shí)數(shù)據(jù)量越大踢俄,相關(guān)系數(shù)越小缩功,所以相關(guān)系數(shù)和顯著性應(yīng)該同時(shí)說明。
計(jì)算公式:

查表確定顯著性水平α
以上理論知識(shí)相關(guān)參考:https://www.cnblogs.com/kemaswill/archive/2012/11/01/2749842.html

2.R實(shí)現(xiàn)部分

require(xlsx);
require(psych);
require(corrplot);
require(corrgram);
require(PerformanceAnalytics);

data<-"E:\\corr\\CorrM_1000.xlsx";
M1<-read.xlsx(data,1,encoding='UTF-8');

##計(jì)算相關(guān)系數(shù)都办,并繪制相關(guān)系數(shù)矩陣
##corr<-cor(M1,method="pearson");

##無法生成散點(diǎn)圖
##corrplot.mixed(corr,upper="circle",lower="shade",addCoef.col = "black");

##計(jì)算顯著性水平
##corr.test(M1, adjust = "none", use = "complete")


##有上下兩個(gè)部分嫡锌,但是無法生成相關(guān)系數(shù)的圓圈
##corrgram(M1,lower.panel=panel.fill,upper.panel=panel.pts,text.panel=panel.txt)


##也無法生成相關(guān)系數(shù)的圓圈
chart.Correlation(M1, histogram=TRUE, pch=30);

效果圖

其中,1個(gè)點(diǎn)代表90%的置信度琳钉,1顆星代表95%的置信度势木,2顆代表99%的置信度,3顆星代表99.9%的置信度

一直想繪制散點(diǎn)圖在下(或下)歌懒,相關(guān)性圓圈在上(或下)啦桌,并標(biāo)注出相關(guān)性大小和顯著性,但一直沒有成功及皂。知道的評(píng)論區(qū)教教我呀~~~
另甫男,panel所有函數(shù):

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市验烧,隨后出現(xiàn)的幾起案子板驳,更是在濱河造成了極大的恐慌,老刑警劉巖碍拆,帶你破解...
    沈念sama閱讀 222,946評(píng)論 6 518
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件若治,死亡現(xiàn)場(chǎng)離奇詭異慨蓝,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)端幼,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,336評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門礼烈,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人静暂,你說我怎么就攤上這事济丘。” “怎么了洽蛀?”我有些...
    開封第一講書人閱讀 169,716評(píng)論 0 364
  • 文/不壞的土叔 我叫張陵摹迷,是天一觀的道長(zhǎng)。 經(jīng)常有香客問我郊供,道長(zhǎng)峡碉,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,222評(píng)論 1 300
  • 正文 為了忘掉前任驮审,我火速辦了婚禮鲫寄,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘疯淫。我一直安慰自己地来,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,223評(píng)論 6 398
  • 文/花漫 我一把揭開白布熙掺。 她就那樣靜靜地躺著未斑,像睡著了一般。 火紅的嫁衣襯著肌膚如雪币绩。 梳的紋絲不亂的頭發(fā)上蜡秽,一...
    開封第一講書人閱讀 52,807評(píng)論 1 314
  • 那天,我揣著相機(jī)與錄音缆镣,去河邊找鬼芽突。 笑死,一個(gè)胖子當(dāng)著我的面吹牛董瞻,可吹牛的內(nèi)容都是我干的寞蚌。 我是一名探鬼主播,決...
    沈念sama閱讀 41,235評(píng)論 3 424
  • 文/蒼蘭香墨 我猛地睜開眼钠糊,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼挟秤!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起眠蚂,我...
    開封第一講書人閱讀 40,189評(píng)論 0 277
  • 序言:老撾萬榮一對(duì)情侶失蹤煞聪,失蹤者是張志新(化名)和其女友劉穎斗躏,沒想到半個(gè)月后逝慧,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體昔脯,經(jīng)...
    沈念sama閱讀 46,712評(píng)論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,775評(píng)論 3 343
  • 正文 我和宋清朗相戀三年笛臣,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了云稚。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,926評(píng)論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡沈堡,死狀恐怖静陈,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情诞丽,我是刑警寧澤鲸拥,帶...
    沈念sama閱讀 36,580評(píng)論 5 351
  • 正文 年R本政府宣布,位于F島的核電站僧免,受9級(jí)特大地震影響刑赶,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜懂衩,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,259評(píng)論 3 336
  • 文/蒙蒙 一撞叨、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧浊洞,春花似錦牵敷、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,750評(píng)論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至铁材,卻和暖如春尖淘,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背著觉。 一陣腳步聲響...
    開封第一講書人閱讀 33,867評(píng)論 1 274
  • 我被黑心中介騙來泰國(guó)打工村生, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人饼丘。 一個(gè)月前我還...
    沈念sama閱讀 49,368評(píng)論 3 379
  • 正文 我出身青樓趁桃,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親肄鸽。 傳聞我的和親對(duì)象是個(gè)殘疾皇子卫病,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,930評(píng)論 2 361