如何進(jìn)行大數(shù)據(jù)中R語言的相關(guān)性分析及檢驗(yàn)

本篇文章為大家展示了如何進(jìn)行大數(shù)據(jù)中R語言的相關(guān)性分析及檢驗(yàn)，內(nèi)容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細(xì)介紹希望你能有所收獲。

    相關(guān)系數(shù)可以用來描述定量變量之間的關(guān)系。結(jié)果的正負(fù)號分別表明正相關(guān)或負(fù)相關(guān)，數(shù)值的大小則表示相關(guān)關(guān)系的強(qiáng)弱程度。

    R可以計(jì)算多種相關(guān)系數(shù)，今天主要介紹常見的三種：Pearson相關(guān)系數(shù)、Spearman相關(guān)系數(shù) 和 Kendall相關(guān)系數(shù)。這三種相關(guān)系數(shù)均可以通過R語言的cor函數(shù)計(jì)算，method函數(shù)指定即可。

一 相關(guān)性分析

1.1 Pearson相關(guān)系數(shù)

       度量兩個(gè)連續(xù)變量之間的線性相關(guān)程度，需要兩個(gè)變量的標(biāo)準(zhǔn)差都不為零。此外皮爾遜相關(guān)系數(shù)適用條件為：

1)變量之間為線性關(guān)系，且均為連續(xù)數(shù)據(jù)。

2)變量總體呈正態(tài)分布，或接近正態(tài)。

x<-mtcars[,c("disp","hp","drat")]y<-mtcars[,c("disp","hp","drat")]cor(x,y,method = "pearson")         disp         hp       dratdisp  1.0000000  0.7909486 -0.7102139hp    0.7909486  1.0000000 -0.4487591drat -0.7102139 -0.4487591  1.0000000

1.2 Spearman等級相關(guān)系數(shù)

       衡量非線性關(guān)系變量間的相關(guān)系數(shù)，是一種非參數(shù)的統(tǒng)計(jì)方法。變量是成對的等級評定，或者是由連續(xù)變量觀測資料轉(zhuǎn)化得到的等級資料。

x<-mtcars[,c("cyl","gear","carb")]y<-mtcars[,c("cyl","gear","carb")]cor(x,y,method = "spearman")            cyl       gear     carbcyl   1.0000000 -0.5643105 0.580068gear -0.5643105  1.0000000 0.114887carb  0.5800680  0.1148870 1.000000

    Spearman等級相關(guān)系數(shù)是根據(jù)每個(gè)值所處的排列位置的差值，求相關(guān)性系數(shù)?？捎糜谟?jì)算實(shí)驗(yàn)數(shù)據(jù)分析中的不同組學(xué)數(shù)據(jù)之間的相關(guān)性。

1.3 Kendall秩相關(guān)系數(shù)

       也是一種非參數(shù)的等級相關(guān)度量，類似Spearman相關(guān)系數(shù)。對象是分類變量。可以無序，性別（男、女）、血型（A、B、O、AB）；可以有序，評分（優(yōu)、中、差）等。

X<- c(3,1,2,2,1,3)Y<- c(1,2,3,2,1,1)cor(X,Y,method="kendall")[1] -0.2611165

    假設(shè)X Y 分別為兩個(gè)裁判對選手的評級---3為優(yōu)，2為中，1為差，結(jié)果可以看出兩位裁判對選手們的看法呈相反趨勢，但相反程度不大。

二 相關(guān)性顯著性檢驗(yàn)

2.1 單次相關(guān)關(guān)系檢驗(yàn)

    使用cor.test()函數(shù)，cor.test(x,y,alternative=,method=)。

其中的x和y為要檢驗(yàn)相關(guān)性的變量，alternative指定進(jìn)行雙側(cè)檢驗(yàn)或單側(cè)檢驗(yàn)（取值"two.side"、"less"或"greater"），method指定計(jì)算的相關(guān)類型（"pearson"、 "kendall"或"spearman"）。

cor.test(mtcars[,"disp"],mtcars[,"hp"])

2.2 計(jì)算相關(guān)矩陣并進(jìn)行顯著性檢驗(yàn)

   psych包中 corr.test()函數(shù)。corr.test(x, y = NULL, use = "pairwise",method="pearson",adjust="holm",alpha=.05,ci=TRUE,minlength=5)

corr.test(mtcars[,1:10], adjust = "none", use = "complete")

可得到矩陣數(shù)據(jù)集中兩兩變量之間得相關(guān)系數(shù)以及顯著性檢驗(yàn)得P值。

    OK， 注意要根據(jù)變量的實(shí)際情況選擇合適的相關(guān)系數(shù)以及顯著性檢驗(yàn)的計(jì)算方式。

    之前介紹了繪圖系列|R-corrplot相關(guān)圖進(jìn)行相關(guān)系數(shù)的可視化，后面也會再介紹一些其他的相關(guān)系數(shù)可視化的函數(shù)。

本文分享自微信公眾號 - 生信補(bǔ)給站（Bioinfo_R_Python）。
如有侵權(quán)，請聯(lián)系 support@oschina.cn 刪除。
本文參與“OSC源創(chuàng)計(jì)劃”，歡迎正在閱讀的你也加入，一起分享。

上述內(nèi)容就是如何進(jìn)行大數(shù)據(jù)中R語言的相關(guān)性分析及檢驗(yàn)，你們學(xué)到知識或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識儲備，歡迎關(guān)注億速云行業(yè)資訊頻道。