三个相关性函数：

cor():R自带的，输入数据可以是vector，matrix，data.frame，输出两两的相关系数R值

cor.test()：R自带的，输入数据只能是两个vector，输出两个变量的相关系数R值，显著性水平a值

corr.test()：psych包的，输入数据可以是data.frame，输出两两变量的相关系数R值，显著性水平a值

  1. > cor(state.x77)
  2.             Population     Income  Illiteracy    Life Exp     Murder     HS Grad      Frost        Area
  3. Population  1.00000000  0.2082276  0.10762237 -0.06805195  0.3436428 -0.09848975 -0.3321525  0.02254384
  4. Income      0.20822756  1.0000000 -0.43707519  0.34025534 -0.2300776  0.61993232  0.2262822  0.36331544
  5. Illiteracy  0.10762237 -0.4370752  1.00000000 -0.58847793  0.7029752 -0.65718861 -0.6719470  0.07726113
  6. Life Exp   -0.06805195  0.3402553 -0.58847793  1.00000000 -0.7808458  0.58221620  0.2620680 -0.10733194
  7. Murder      0.34364275 -0.2300776  0.70297520 -0.78084575  1.0000000 -0.48797102 -0.5388834  0.22839021
  8. HS Grad    -0.09848975  0.6199323 -0.65718861  0.58221620 -0.4879710  1.00000000  0.3667797  0.33354187
  9. Frost      -0.33215245  0.2262822 -0.67194697  0.26206801 -0.5388834  0.36677970  1.0000000  0.05922910
  10. Area        0.02254384  0.3633154  0.07726113 -0.10733194  0.2283902  0.33354187  0.0592291  1.00000000
  11. > cor.test(state.x77[,1],state.x77[,2])
  12.  
  13. 	Pearson's product-moment correlation
  14.  
  15. data:  state.x77[, 1] and state.x77[, 2]
  16. t = 1.475, df = 48, p-value = 0.1467
  17. alternative hypothesis: true correlation is not equal to 0
  18. 95 percent confidence interval:
  19.  -0.07443435  0.45991855
  20. sample estimates:
  21.       cor
  22. 0.2082276 
  23.  
  24. > corr.test(state.x77)
  25. Call:corr.test(x = state.x77)
  26. Correlation matrix
  27.            Population Income Illiteracy Life Exp Murder HS Grad Frost  Area
  28. Population       1.00   0.21       0.11    -0.07   0.34   -0.10 -0.33  0.02
  29. Income           0.21   1.00      -0.44     0.34  -0.23    0.62  0.23  0.36
  30. Illiteracy       0.11  -0.44       1.00    -0.59   0.70   -0.66 -0.67  0.08
  31. Life Exp        -0.07   0.34      -0.59     1.00  -0.78    0.58  0.26 -0.11
  32. Murder           0.34  -0.23       0.70    -0.78   1.00   -0.49 -0.54  0.23
  33. HS Grad         -0.10   0.62      -0.66     0.58  -0.49    1.00  0.37  0.33
  34. Frost           -0.33   0.23      -0.67     0.26  -0.54    0.37  1.00  0.06
  35. Area             0.02   0.36       0.08    -0.11   0.23    0.33  0.06  1.00
  36. Sample Size
  37. [1] 50
  38. Probability values (Entries above the diagonal are adjusted for multiple tests.)
  39.            Population Income Illiteracy Life Exp Murder HS Grad Frost Area
  40. Population       0.00   1.00       1.00     1.00   0.23    1.00  0.25 1.00
  41. Income           0.15   0.00       0.03     0.23   1.00    0.00  1.00 0.16
  42. Illiteracy       0.46   0.00       0.00     0.00   0.00    0.00  0.00 1.00
  43. Life Exp         0.64   0.02       0.00     0.00   0.00    0.00  0.79 1.00
  44. Murder           0.01   0.11       0.00     0.00   0.00    0.01  0.00 1.00
  45. HS Grad          0.50   0.00       0.00     0.00   0.00    0.00  0.16 0.25
  46. Frost            0.02   0.11       0.00     0.07   0.00    0.01  0.00 1.00
  47. Area             0.88   0.01       0.59     0.46   0.11    0.02  0.68 0.00
  48.  
  49.  To see confidence intervals of the correlations, print with the short=FALSE option

　　

pearson相关分析在R中的实现的更多相关文章

  1. 简单介绍一下R中的几种统计分布及常用模型

    统计学上分布有很多,在R中基本都有描述.因能力有限,我们就挑选几个常用的.比较重要的简单介绍一下每种分布的定义,公式,以及在R中的展示. 统计分布每一种分布有四个函数:d――density(密度函数) ...

  2. 在 R 中估计 GARCH 参数存在的问题（基于 rugarch 包）

    目录 在 R 中估计 GARCH 参数存在的问题(基于 rugarch 包) 导论 rugarch 简介 指定一个 \(\text{GARCH}(1, 1)\) 模型 模拟一个 GARCH 过程 拟合 ...

  3. （数据科学学习手札19）R中基本统计分析技巧总结

    在获取数据,并且完成数据的清洗之后,首要的事就是对整个数据集进行探索性的研究,这个过程中会利用到各种描述性统计量和推断性统计量来初探变量间和变量内部的基本关系,本篇笔者便基于R,对一些常用的数据探索方 ...

  4. R中一切都是vector

    0.可以说R语言中一切结构体的基础是vector! R中一切都是vector,vecotor的每个component必须类型一致(character,numeric,integer....)!vect ...

  5. R中的par()函数的参数

    把R中par()函数的主要参数整理了一下(另外本来还整理了每个参数的帮助文档中文解释,但是太长,就分类之后,整理为图表,excel不便放上来,就放了这些表的截图)

  6. 关于R中的mode()和class()的区别

    本文原创,转载请注明出处,本人Q1273314690(交流学习) 说明:本文曾经在15年11月在CSDN发过,但是由于CSDN不支持为知笔记的发布为博客的API功能,所以,自今天起,转移到博客园(幸好 ...

  7. R中的name命名系列函数总结

    本文原创,转载请注明出处,本人Q1273314690 R中关于给行列赋名称的函数有 dimnames,names,rowname,colname,row.names 这五个函数,初学的时候往往分不清楚 ...

  8. 总结——R中查看属性的函数

    本文原创,转载注明出处,本人Q1273314690 R中知道一个变量的主要内容和结构,对我们编写代码是很重要的,也可以帮我们避免很多错误. 但是,R中有好几个关于属性查看的函数,我们往往不知道什么时候 ...

  9. R中创建not-yet-evaluated对象

    create not-yet-evaluated object在R中创建 not-yet-evaluated(就是some code we will evaluated later!!)对象;然后执行 ...

随机推荐

  1. ORA-06519: 检测到活动的自治事务处理，已经回退

    写了一个函数,由于在定义时加入了 create or replace function F_计算结果(In_参数 varchar2) return number is --使用自治事务PRAGMA A ...

  2. Servlet 发送电子邮件

    使用 Servlet 发送一封电子邮件是很简单的,但首先您必须在您的计算机上安装 JavaMail API 和 Java Activation Framework)JAF). 您可以从 Java 网站 ...

  3. Spring MVC Hibernate验证器

    下面的示例演示如何使用Spring Web MVC框架在表单中使用错误处理和验证器. 首先使用Eclipse IDE,并按照以下步骤使用Spring Web Framework开发基于动态表单的Web ...

  4. Spring MVC Xml视图解析器

    XmlViewResolver用于在xml文件中定义的视图bean来解析视图名称.以下示例演示如何在Spring Web MVC框架使用XmlViewResolver. XmlViewResolver ...

  5. android自定义View_3——Optimizing the View

    前言:现在你已经有了一个自定义的view了,并且支持手势和过度动画等属性,现在你要确认这个view 有够快的速度,为了使其在UI上不会显得迟钝或是卡停,你要保证view动画,能每秒最好有60帧. 一: ...

  6. python3 - property的使用

    传统的绑定属性值,会把属性暴露出去,而且无法检查参数是否合法,如下: class Test(object): def  __int__(self,age): self.age = age 为了检查参数 ...

  7. eclipse + pydev 创建django项目

    前提条件机器装好python,并装好django插件.(http://blog.csdn.net/lilongjiu/article/details/51405340) 1. 下载eclise Ver ...

  8. Linux下用户管理、目录结构

    linux的文件系统是采用层级式的树状目录结构,在此结构中的最上层是根目录“/”,然后在此目录下再创建其他的目录. 目录介绍: / root,存放root用户的相关文件 home,存放普通用户的相关文 ...

  9. iOS 数组的去重(普通的无序的去重和排序好的去重)

    本文转载至 http://blog.csdn.net/zhaopenghhhhhh/article/details/24972645 有时需要将NSArray中去除重复的元素,而存在NSArray中的 ...

  10. UI通过UISlider编写游戏第六感

    #import "RootViewController.h" @interface RootViewController (){    UILabel *scoreLabel; } ...