R -- 相关性系数实战篇

主要内容

• cor.test()和cor()
• rcorr() {Hmisc}
• corr.test() {psych}

测试部分

==> 相关系数（correlation coefficient）用于描述两个变量之间的相关程度。一般在[-1, 1]之间。包括：

• pearson相关系数：适用于连续性变量，且变量服从正态分布的情况，为参数性的相关系数。
• spearman等相关系数：适用于连续性及分类型变量，为非参数性的相关系数。

==> 在本次笔记中仅讨论连续型变量的相关系数。

# 示例数据有6个变量：
data("attitude")
head(attitude)
    rating complaints privileges learning raises critical advance
1     43         51         30       39     61       92      45
2     63         64         51       54     63       73      47
3     71         70         68       69     76       86      48
4     61         63         45       47     54       84      35
5     81         78         56       66     71       83      47
6     43         55         49       44     54       49      34

cor.test()和cor()都是R自带包里的函数，两者差别仅为cor()只给出相关系数一个值，cor.test()给出相关系数，p值等。

使用时应注意na值的处理，我一般会选择成对删除

==> 使用Hmisc包的rcorr()，可以得到correlation matrix的p值矩阵。当然rcorr()也可以像cor()那样，只计算两个feature之间的相关系数。

## 只把attitude中的rating和complaints作为input
cortest_ra_com <- cor.test(attitude$rating, attitude$complaints, method = "pearson")
cor_ra_com <- cor(attitude$rating, attitude$complaints, method = "pearson")
# 得到结果如下：
# > cortest_ra_com

#   Pearson's product-moment
#   correlation

# data:  attitude$rating and attitude$complaints
# t = 7.737, df = 28,
# p-value = 1.988e-08
# alternative hypothesis: true correlation is not equal to 0
# 95 percent confidence interval:
# 0.6620128 0.9139139
# sample estimates:
#      cor 
# 0.8254176 

# > cor_ra_com
# [1] 0.8254176


## 把attitue中6个feature都作为input
cor_ <- cor(attitude, method = 'pearson')
View(cor_) # 如下图所示
library(Hmisc)
cortest <- rcorr(as.matrix(attitude), type = "pearson")
View(cortest$P) # 如下图所示

可视化

本人比较懒，未测试如下函数：

==> corrplot() 函数

?corrlot()

==> heatmap() 函数

?heatmap()

借鉴和参考

内容大部分来自该博客：https://www.jianshu.com/p/b76f09aacd9c

https://www.sohu.com/a/224221087_718302