基于R相关性检验小结

最新推荐文章于 2024-08-08 16:02:03 发布

Asparagus fern

最新推荐文章于 2024-08-08 16:02:03 发布

阅读量2.3k

点赞数

文章标签：数据分析

本文链接：https://blog.csdn.net/weixin_43916181/article/details/104426139

版权

本文总结了在R中进行数据处理、相关性矩阵计算、显著性检验及数据输出的过程。针对数据合并、缺失值处理和显著性检验的R函数应用进行了探讨，并指出即使相关性低，也可能存在高显著性关系。最后，讨论了如何解决Hmisc包的rcorr()命令输出结果无法直接保存到csv文件的问题。

摘要由CSDN通过智能技术生成

本文仅根据自己实际论文情况做的总结。

本次选择数据较多，主要为国内股票指数和CRB指数，因此会有日期上的不同，以及休息日不同，所以用merge（）函数合并匹配数据。

#读取数据
data=read.csv('D:/论文/撰写阶段/常用/匹配完未计算收益率数据.csv')
#计算相关性矩阵
cor_matr = cor(data)

这里碰见几次错误

Error in cor(data) : 'x'必需为数值

解决方法：按照之前的实际情况，缺失值有这个可能。这次数据比较多，大致看了没问题，最后在excel表格上<设置单元格格式>，全部改为数值，错误得到解决。

使用的Hmisc包，既可以检验显著性，还可以计算相关性。

#安装Humisc包
install.packages("Hmisc")
#载入包
library(Hmisc)

#计算相关性，进行相关性检

关注