r语言c5.0变量相关性,R语言相关性分析（下）

原标题：R语言相关性分析(下)

7月8日的微信推文中，给大家介绍了相关性分析(戳这里)。本文是这篇文章的下篇，给大家讲讲如何利用R语言做相关性分析。

相关性分析

cor函数的完整语法如下：

cor(x，y = NULL，use=“everything”，method= c(“pearson”，“kendall”，“spearman”))

也就是说相关性计算有三种方法：pearson、kendall和spearman。

1

pearson相关系数

算法如下：

代数算法比较难理解，但分子我们可以看到是个协方差，只是少了除以n-1，而分母是我们很熟悉的标准差，同样少了除以n-1。可以看出分子分母都少了除以n-1，正好抵消。也就意味相关性系数就是协方差除以标准差。

甚至我们可以写成：

其中cov既是协方差的缩写，也是R中的函数名称。如果想了解这个计公式，我们还要分为三个部分。

1

协方差

可以通俗地理解为：两个变量在变化过程中的变化方向是否一致，以及一致的程度。

如果两个变量，A变大，同时B也变大，说明两个变量是同向变化的，这时协方差就是正的。A变大，同时B变小，说明两个变量是反向变化的，这时协方差就是负的。从数值来看，协方差的数值越大，两个变量同向程度也就越大。反之亦然。

公式：