相关性分析(R语言rcorr）

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。