correl函数相关系数大小意义_【R语言】相关性分析、相关系数的显著性检验及可视化...

本篇文章介绍基于R语言的相关性分析、相关系数的显著性检验及可视化，该教程为个人笔记，大家也可参考学习，不足之处也欢迎大家批评指正！

相关性分析用于评估两个或多个变量之间的关联，能通过定量指标描述变量之间的强弱、直接或间接联系。相关系数是对变量之间的相关程度的定量描述，相关系数值介于-1~1之间，越接近0相关性越低，越接近-1或1相关性越高；正负号表明相关方向，正号为正相关、负号为负相关。当数据呈正态分布时，才可以使用相关性分析。可以使用Shapiro-Wilk test进行检查数据是否满足正态分布。

该案例中示例数据包含多样性(diversity)、生物量(biomass)、产量(yield)和种植密度(density)四个指标(单位请自动忽略，数据仅作为示例使用)。

一、常见的变量间相关系数

---

1、Pearson相关系数：Pearson相关系数是用于表示相关性大小的最常用指标，适用于两个正态分布的连续变量。

2、Spearman等级相关系数：又称为秩相关系数，利用两变量的秩次大小来进行分析，属于非参数统计方法。适用于不满足Pearson相关系数正态分布要求的连续变量，也可以用于有序分类变量的之间的相关性测量。

3、Kendall's Tau相关系数：Ken