小白从零自学R语言记录——相关性统计分析

beanscnu

于 2024-01-09 10:17:44 发布

阅读量524

点赞数 5

文章标签： r语言数据库开发语言

本文链接：https://blog.csdn.net/beanscnu/article/details/135473585

版权

利用数据库的数据进行相关性分析，主要是进行皮尔逊相关分析，最后计算p值来确定p值虽然很小但是不为0.

# 安装和加载 Hmisc 包
# install.packages("Hmisc")
library(Hmisc)

# 读取 SPSS 文件，假设文件名为 data.sav
# 注意: 要读取 SPSS 文件，你需要安装 'foreign' 包
# install.packages("foreign")
library(foreign)

# 读取 SPSS 文件
data <- read.spss("ceshi.sav", to.data.frame = TRUE)

# 选择要计算相关性的变量
variables_of_interest <- c("PDN", "TSE", "TM", "JS")

# 从数据框中选择这些变量
subset_data <- data[, variables_of_interest, drop = FALSE]

# 将数据框转换为矩阵
data_matrix <- as.matrix(subset_data)

# 使用 Hmisc 包进行相关性分析
correlation_results <- rcorr(data_matrix, type = "pearson")

# 打印相关系数矩阵
cat("Correlation Matrix:\n")
print(correlation_results$r)

# 计算相关系数的 p 值
p_values <- matrix(NA, nrow = ncol(data_matrix), ncol = ncol(data_matrix))
for (i in 1:ncol(data_matrix)) {
  for (j in 1:ncol(data_matrix)) {
    if (i != j) {
      cor_test_result <- cor.test(data_matrix[, i], data_matrix[, j])
      p_values[i, j] <- cor_test_result$p.value
    }
  }
}

# 打印 p 值矩阵
cat("P-value Matrix (Calculated with cor.test):\n")
print(p_values)