对计算好的相关系数进行显著性检验。
原假设:变量间不相关,即总体的相关系数为0。
cor.test()对单个的 Pearson、Spearman 和 Kendall 相关系数进行检验。、
格式:cor.test(x, y, alternative=, method=)
x,y: 为要检验相关性的变量。
alternative: 指定双侧检验或单侧检验。two.side, less 或 greater。
method:method:指定相关系数的类型。pearson、spearman、kendall。
(1)一次检验一种相关关系
> cor.test(houseXQ[, c("house_total")],houseXQ[, c("house_area")] )
Pearson's product-moment correlation
data: houseXQ[, c("house_total")] and houseXQ[, c("house_area")] t = 39.537, df = 187, p-value < 2.2e-16 alternative hypothesis: true correlation is not equal to 0 95 percent confidence interval: 0.9274393 0.9585053 sample estimates: cor 0.9450675 |
解释:总价与面积成正相关。
(2)一次检验多种相关关系
corr.test()
检验结果的p值越小表明两个变量相关性越大,为0表示显著相关,<0.05表示相关性大,为1表示基本不相关。
> selectedColumns<- c("house_total","house_avg","house_floor_curr","house_floor_total","house_area") > houseNum<-houseXQ[, selectedColumns] > corr.test(houseNum, use="complete")
|