spearman相關性分析_相關性分析

基礎理論：

相關分析：描述定量變量間的關系。

pearson相關：變量間的線性相關程度；

spearman相關：衡量分級定序變量間的相關程度；

kendall相關：非參數的等級相關度量。

R語言常用函數：cor()，預設結果為矩陣

cor(mydat,use=,method=)   #use 缺失值的處理，method 處理方法
cor(x,y)   #可以計算非方形矩陣，x y分别為2個矩陣，相同的行數
           

相關性的顯著性檢驗，常用函數cor.test()，單次僅比較2個變量，延伸：psych包中的corr.test() 可以計算所有的變量的相關性是否顯著

cor.test(x,y,alternative=,method=)   #x y為檢驗相關性的變量
library('psych')
corr.test(mydat)
           

相關性分析可視化常用包：

corrplot heatmap PerformanceAnalytics

library('openxlsx')
library('corrplot')
library('PerformanceAnalytics')   #另一個可視化包
mydat<-read.xlsx('aa.xlsx',colNames = T,sheet = 1)
cor<-cor(mydat)   # 正常相關性分析
corrplot(cor)   #直接出圖 預設圓形顯示
           

corrplot(cor,method="color",addCoef.col="grey")  #用顔色顯示，同時顯示相關系數
           

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')  #####用于将相關性的分析結果可視化
cor<-cor(mydat,method = "pearson")
chart.Correlation(mydat,histogram = TRUE,pch=15)   ####各種參數可以根據個人需要調整