Rcorr() Funktion für Korrelationen

Question

Ich bin den Aufbau einer Korrelation zwischen zwei verschiedenen Matrices mit rcorr() Funktion in R:

res <- rcorr(as.matrix(table1), as.matrix(table2),type="pearson") 

Es scheint zu funktionieren gut, aber ich möchte in Tabelle Korrelationen vermeiden - jeder Vorschlag ?

Answer 1

Verwenden Sie die Basis cor() von R für eindeutige Korrelationen zwischen zwei Sätzen, da Hmisc rcorr() alle möglichen Kombinationen zurückgibt. Beachten Sie unter dem oberen rechten Quadranten von rcorr() (der diagonal symmetrisch links unten wiederholt) das gesamte Ergebnis von cor() (auf zwei Dezimalstellen gerundet).

table1 <- matrix(rnorm(25),5) 
table2 <- matrix(rnorm(25),5) 

res <- rcorr(table1, table2, type="pearson") 
res 
     [,1] [,2] [,3] [,4] [,5] | [,6] [,7] [,8] [,9] [,10] 
# [1,] 1.00 -0.55 0.95 -0.16 0.17 |-0.46 0.15 0.10 0.69 0.16 
# [2,] -0.55 1.00 -0.55 -0.60 -0.79 |-0.45 -0.66 -0.22 -0.30 0.12 
# [3,] 0.95 -0.55 1.00 -0.09 0.30 |-0.35 -0.05 -0.17 0.57 -0.03 
# [4,] -0.16 -0.60 -0.09 1.00 0.91 | 0.92 0.53 -0.21 -0.58 -0.71 
# [5,] 0.17 -0.79 0.30 0.91 1.00 | 0.78 0.41 -0.31 -0.32 -0.68 
# ------------------------------------------------------------------ 
# [6,] -0.46 -0.45 -0.35 0.92 0.78 | 1.00 0.44 -0.14 -0.62 -0.58 
# [7,] 0.15 -0.66 -0.05 0.53 0.41 | 0.44 1.00 0.68 0.13 0.13 
# [8,] 0.10 -0.22 -0.17 -0.21 -0.31 |-0.14 0.68 1.00 0.59 0.80 
# [9,] 0.69 -0.30 0.57 -0.58 -0.32 |-0.62 0.13 0.59 1.00 0.80 
#[10,] 0.16 0.12 -0.03 -0.71 -0.68 |-0.58 0.13 0.80 0.80 1.00 

# pvalues to follow ... 

res <- cor(table1, table2, method="pearson") 
res 

#   [,1]  [,2]  [,3]  [,4]  [,5] 
# [1,] -0.4551474 0.15080994 0.1008215 0.6894955 0.16390813 
# [2,] -0.4468285 -0.66209106 -0.2154960 -0.2954581 0.11662382 
# [3,] -0.3542023 -0.05474287 -0.1720881 0.5669501 -0.02880113 
# [4,] 0.9246330 0.53456574 -0.2084105 -0.5807386 -0.71108552 
# [5,] 0.7788395 0.40551828 -0.3122606 -0.3209273 -0.67912147 

Die einzige Einschränkung ist Bedeutung Teststatistiken einschließlich T-Statistiken und p-Werte mit cor() nicht verfügbar sind. Sie können jedoch mit cor.test() abgerufen werden, die Sie iterativ mit mapply() ausführen können. Im Folgenden wird mit einer Testpaarung demonstriert und für alle anderen Spalten verallgemeinert. Beachten Sie, dass die Schätzung des Tests den Werten in cor() entspricht.

# EXAMPLE OF FIRST COL PAIRING 
res <- cor.test(table1[,1], table2[,1], method="pearson") 
res 

# Pearson's product-moment correlation 

# data: table1[, 1] and table2[, 1] 
# t = -0.88536, df = 3, p-value = 0.4412 
# alternative hypothesis: true correlation is not equal to 0 
# 95 percent confidence interval: 
# -0.9542314 0.7137222 
# sample estimates: 
#  cor 
# -0.4551474 

# OBTAIN ALL MATRIX COL COMBINATIONS 
tblcols <- expand.grid(1:ncol(table1), 1:ncol(table2)) 

# MAPPLY COR.TEST ACROSS ALL COLS 
cfunc <- function(var1, var2) { 
       cor.test(table1[,var1], table2[,var2], method="pearson") 
     } 

res <- mapply(function(a,b) { 
       cfunc(var1 = a, var2 = b) 
     }, tblcols$Var1, tblcols$Var2) 

head(res) 

#    [,1]  [,2]  [,3]  [,4]  
# statistic -0.8853596 -0.8650936 -0.6560274 4.204994 
# parameter 3   3   3   3   
# p.value  0.4411699 0.4506234 0.5586316 0.02455469 
# estimate -0.4551474 -0.4468285 -0.3542023 0.924633 
# null.value 0   0   0   0   
# alternative "two.sided" "two.sided" "two.sided" "two.sided" 
#    [,5]  [,6]  [,7]  [,8]  
# statistic 2.150733 0.2642326 -1.53021 -0.09495982 
# parameter 3   3   3   3   
# p.value  0.1206246 0.8087132 0.2234562 0.930334 
# estimate 0.7788395 0.1508099 -0.6620911 -0.05474287 
# null.value 0   0   0   0   
# alternative "two.sided" "two.sided" "two.sided" "two.sided" 
# ...