spearman相关性分析_相关性分析

基础理论：

相关分析：描述定量变量间的关系。

pearson相关：变量间的线性相关程度；

spearman相关：衡量分级定序变量间的相关程度；

kendall相关：非参数的等级相关度量。

R语言常用函数：cor()，默认结果为矩阵

cor(mydat,use=,method=)   #use 缺失值的处理，method 处理方法
cor(x,y)   #可以计算非方形矩阵，x y分别为2个矩阵，相同的行数

相关性的显著性检验，常用函数cor.test()，单次仅比较2个变量，延伸：psych包中的corr.test() 可以计算所有的变量的相关性是否显著

cor.test(x,y,alternative=,method=)   #x y为检验相关性的变量
library('psych')
corr.test(mydat)

---

相关性分析可视化常用包：

corrplot

heatmap

PerformanceAnalytics

library('openxlsx')
library('corrplot')
library('PerformanceAnalytics')   #另一个可视化包
mydat<-read.xlsx('aa.xlsx',colNames = T,sheet = 1)
cor<-cor(mydat)   # 常规相关性分析
corrplot(cor)   #直接出图 默认圆形显示

corrplot(cor,method="color",addCoef.col="grey")  #用颜色显示，同时显示相关系数

corrplot(cor,order = "AOE",type="upper",tl.pos = "d")
corrplot(cor,add=TRUE, type="lower", method="number",
order="AOE",diag=FALSE,tl.pos="n", cl.pos="n")

library('PerformanceAnalytics')  #####用于将相关性的分析结果可视化
cor<-cor(mydat,method = "pearson")
chart.Correlation(mydat,histogram = TRUE,pch=15)   ####各种参数可以根据个人需要调整