Кореляційну матрицю з p-значеннями для кадру даних R можна знайти за допомогою за допомогою функції rcorr пакета Hmisc і прочитати вихідні дані як матрицю. Наприклад, якщо у нас є фрейм даних під назвою df, то кореляційну матрицю з p-значеннями можна знайти за допомогою rcorr(as. matrix(df)).16 березня 2021 р.
Критерій t використовується для визначення значення p для коефіцієнта кореляції, і на основі цього ми вирішуємо, чи існує статистично значущий зв’язок між двома змінними чи ні. У R ми можемо виконати цей тест за допомогою за допомогою функції кор. тест.
Р-значення є ймовірність спостереження ненульового коефіцієнта кореляції в наших вибіркових даних, коли насправді нульова гіпотеза вірна. Низьке значення p змусить вас відхилити нульову гіпотезу. Типовим порогом для відхилення нульової гіпотези є p-значення 0,05.
Використовуйте функцію rcorr() із пакета Hmisc для обчислення матриці коефіцієнтів кореляції та матриці p-значень за один крок. Використовуйте symnum(), corrplot()[з пакету corrplot], діаграму. Функції Correlation() [з пакету PerformanceAnalytics] або heatmap() для візуалізації кореляційної матриці.
Кореляція між 2 змінними знайдена за допомогою функція cor().. Зауважте, що кореляція між змінними X і Y дорівнює кореляції між змінними Y і X, тому порядок змінних у функції cor() не має значення.
Формула. Тестова статистика для коефіцієнтів кореляції Пірсона та коефіцієнта кореляції Спірмена має однакову формулу: P-значення є 2 × P(T > t) де T відповідає t-розподілу з n – 2 ступенями свободи.