根据R语言提供的examples学习运行,再套用自己的数据;
适合初学者的简单R代码相关性系数和显著性P值计算及可视化绘图;
1.Hmisc包的rcorr()函数可以计算相关系数和显著性P值矩阵。
mydat<-mtcars[,1:6]#加载数据
library(Hmisc)#加载包
M<-rcorr(as.matrix(mydat))#相关性系数矩阵和相关矩阵的P矩阵计算
rcorr(x, type=c("pearson","spearman"),其中pearson相关系数可适用于连续性变量,服从正态分布的情况。
运行M, M$r, M$p ,即可以对应相关具体矩阵:
2.加载corrplot包可以对上述计算的相关系数矩阵绘图。
library(corrplot)
corrplot(M$r, method = 'number')
corrplot(M$r,method="circle")
corrplot(M$r, method = 'color', order = 'hclust')
相关系数绘图时,方法可采用下面的,采用自己喜欢的图形
"circle", "square", "ellipse", "number", "shade", "color", "pie"
order可以采用"FPC","original"等;type也可采用"full", "lower" ,"upper",对应为全部,下三角,上三角部分绘图;可在R上具体查看其他各对应的参数调整绘图;
图1 number 图2 circle 图3 color
3.加载corrplot包结合相关性系数和P值矩阵绘图,二者完美结合绘图。
corrplot(M$r,method="circle",order = "FPC",type = 'upper', diag = FALSE,
p.mat = M$P,insig = 'label_sig', sig.level = c(0.001, 0.01),
pch.cex = 1.5,pch.col = 'grey20')
其中各参数可调成适合自己的图,sig.level的显著性阈值也可以调,后面对应的pch.cex对应为*的大小尺寸,pch.col是*对应的颜色;其他参数添加可参考该R包说明。