搜索
查看: 10181|回复: 1

psych包中的corr.test()做矩阵的相关性检验

[复制链接]

365

主题

512

帖子

1713

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
1713
发表于 2016-11-30 16:13:24 | 显示全部楼层 |阅读模式
大家都知道在R里面: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
但是如果我们 需要计算一个data frame中各个变量间的相关系数的显著性,需要用cor.test()函数。
而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。
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。



上一篇:使用DESeq2寻找差异表达的基因中result函数
下一篇:差异分析中foldchange和显著性P值阈值的选择问题-biostar
回复

使用道具 举报

365

主题

512

帖子

1713

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
1713
 楼主| 发表于 2016-11-30 16:14:26 | 显示全部楼层
看两者是否算相关要看两方面:显著水平以及相关系数
(1)显著水平,就是P值,这是首要的,因为如果不显著,相关系数再高也没用,可能只是因为偶然因素引起的,那么多少才算显著,一般p值小于0.05就是显著了;如果小于0.01就更显著;例如p值=0.001,就是很高的显著水平了,只要显著,就可以下结论说:拒绝原假设无关,两组数据显著相关也说两者间确实有明显关系.通常需要p值小于0.1,最好小于0.05设甚至0.01,才可得出结论:两组数据有明显关系,如果p=0.5,远大于0.1,只能说明相关程度不明显甚至不相关.起码不是线性相关.
(2)相关系数,也就是Pearson Correlation(皮尔逊相关系数),通常也称为R值,在确认上面指标显著情况下,再来看这个指标,一般相关系数越高表明两者间关系越密切.
R>0 代表连个变量正相关,即一个变大另一个随之变大

Pearson correlation是一个相关系数,它指出了两个变量之间相关的亲密程度和方向.这个数值的绝对值越大越说明两个变量的关系越亲密,它的绝对值为0-1之间.在你的分析结果中,这个数值的绝对值为 0.622,说明检验的两个变量之间相关亲密程度比较强.如果这个绝对值< 0.3的话,那就是弱相关.
这个相关系数的正负符号说明相关性的方向,如果为正值,你可以说这两个变量之间是正相关(一个变量的增高引起另一个变量的增高),如果为负号,则为负相关(一个变量的增高引起另一个变量的降低 ).
从Pearson correlation系数来看,这两个变量之间存在较强的负相关.
Sig. (2-tailed)是一个相关显著性系数,它指出上面所说的相关系数是否具有统计学意义.Sig. (2-tailed) =0.018说明在(1-0.018)* 100=98.2%的几率上,上面的Pearson correlation成立.一般而言,sig.
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|手机版|小黑屋|生信技能树 ( 粤ICP备15016384号  

GMT+8, 2019-9-22 08:34 , Processed in 0.027854 second(s), 25 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.