1.数据说明
这里我对R语言的自带的数据包中states.x77(关于美国50个州的某些数据)第1至6列的50份数据从统计的角度以及R语言的角度进行分析,看看R语言是怎么做相关分析的,同时怎么看分析出的结果
首先我们观察一下states.x77中第1至6列的数据及其意义
列名 | 解释 | 单位 |
---|---|---|
Population | 人口 | 人 |
Income | 人均收入 | 美元/人 |
Illiteracy | 文盲率 | % |
Life Exp | 预期寿命 | 年 |
Murder | 谋杀率 | %(每100,000人) |
HS Grad | 高中毕业率 | % |
2.统计学的计算过程
(1)我们拿出文盲率(设为x)和预期寿命(设为y)来从统计的角度计算相关系数r以及显著性水平α:
首先,我们假设文盲率和预期寿命符合计算Pearson相关系数的变量要求:
①两变量相互独立
②两变量为连续变量
③两变量的分布遵循正态分布
④两变量呈线性关系
换句话来说,当你选择的变量符合上要求的时候,可以选择使用Pearson相关系数来求两个变量间的相关关系
(2)按照上一篇文章对相关分析的解说,计算Pearson相关系数的时候,有两个步骤:
①计算相关系数r
②计算显著性水平α
因此这里作出简单的讲解:
①计算相关系数r
Pearson的相关系数r的公式为:
那么把数据代入到公式中计算
#state.x77第3列为文盲率
x <- state.x77[,3]
#state.x77第4列为预期寿命
y <- state.x77[,4]
#样本总数为50
n <- nrow(state.x77)
#按照公式设置分子
Numerator <- (n*sum(x*y)-sum(x)*sum(y))
#按照公式设置分母
Denominator <- (sqrt(n*sum(x^2)-sum(x)^2)*sqrt