R-3.相关分析(数值型变量)
这篇文章的相关分析主要涉及的是数值型变量,分析方法包括相关系数的计算、相关关系的检验以及相关系数的可视化,从两变量说起,延伸到多变量。 两变量 相关系数 (Pearson相关系数、Spearman相关系数、Kendall相关系数,由method指定,默认Pearson相关系数) 相关系数检验 (H0:p=0,不仅可以得到检验结果,同时可以得到相关系数) 相关系数可视化 两变量可考虑作散点图 多变量 相关系数 同上,cor(mtcars) 相关系数检验 略有差别 library(psych) corr.test(mtcars) 相关系数可视化 涉及到多变量之间的两两相关分析·,观察系数矩阵是比较麻烦的,不如图形直观,这里介绍两种。 library(corrplot) corr<-cor(mtcars) corrplot(corr = corr, type="lower", method="ellipse",order="AOE") library(corrgram) corrgram(mtcars,upper.panel = NULL) 来源: CSDN 作者: 老身聊发少年狂 链接: https://blog.csdn.net/weixin_43850016/article/details/103871764