R variable Korrelation

Question

Für diesen Datensatz ist der Wert von Baseline: t3 ist die Tumorgröße, und ich möchte auf die Beziehung zwischen Tumorgröße Änderung und PCR-Wert einer Person zu sehen (PCR = 0 bedeutet, es gibt noch aktive Krebszellen, und PCR = 1 bedeutet, dass Krebszellen weg sind).

Grundsätzlich möchte ich sehen, ob es eine Korrelation zwischen Tumorgrößenänderung und PCR-Wert gibt.

Vielen Dank für Ihre Hilfe!

SUBJECTID Baseline t1 t2 t3 PCR 

1001  88   78 30 14 0 
1002  29   26 66 16 0 
1003  50   64 54 46 0 
1004  91   90 99 43 0 
1005  98   109 60 42 0 
1007  100   100  54 0 
1008  45   49 47 32 0 
1009  75   66 57 7 0 
1010  60   52 20 3 1 
1011  68   68 56 47 1 
1012  78   84 56 57 0 
1013  71   70 8 5 0 
1015  79   50 11 3 1 
1016  73   60 57 36 0 
1017  54   27 16  0 
1018  50   37 33 26 0 
1019  115   68 33 67 0 
1021  63   55 0 0 1 
1022  98   91 76 75 0 
1024  76   76  0 0 
1025  47   45 42 42 
1026  32   25 14 0 1 
1027  40   37 65  0 
1028  60   110 110 0 0 

Answer 1

Scheint wie ein T-Test würde ausreichen. Erforderlich, um mehrere zusätzliche Dateneinträge wegen Ihrer zerlumpten Daten zu machen:

dput(dfrm) 
structure(list(SUBJECTID = c(1001L, 1002L, 1003L, 1004L, 1005L, 
1007L, 1008L, 1009L, 1010L, 1011L, 1012L, 1013L, 1015L, 1016L, 
1017L, 1018L, 1019L, 1021L, 1022L, 1024L, 1025L, 1026L, 1027L, 
1028L), Baseline = c(88L, 29L, 50L, 91L, 98L, 100L, 45L, 75L, 
60L, 68L, 78L, 71L, 79L, 73L, 54L, 50L, 115L, 63L, 98L, 76L, 
47L, 32L, 40L, 60L), t1 = c(78L, 26L, 64L, 90L, 109L, 100L, 49L, 
66L, 52L, 68L, 84L, 70L, 50L, 60L, 27L, 37L, 68L, 55L, 91L, 76L, 
45L, 25L, 37L, 110L), t2 = c(30L, 66L, 54L, 99L, 60L, NA, 47L, 
57L, 20L, 56L, 56L, 8L, 11L, 57L, 16L, 33L, 33L, 0L, 76L, 76L, 
42L, 14L, 65L, 110L), t3 = c(14L, 16L, 46L, 43L, 42L, 54L, 32L, 
7L, 3L, 47L, 57L, 5L, 3L, 36L, NA, 26L, 67L, 0L, 75L, 0L, 42L, 
0L, NA, 0L), PCR = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 
0L, 0L, 1L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 1L, 0L, 0L)), .Names = c("SUBJECTID", 
"Baseline", "t1", "t2", "t3", "PCR"), class = "data.frame", row.names = c(NA, 
-24L)) 


> t.test(dfrm$t3[dfrm$PCR==0], dfrm$t3[dfrm$PCR==1]) 

    Welch Two Sample t-test 

data: dfrm$t3[dfrm$PCR == 0] and dfrm$t3[dfrm$PCR == 1] 
t = 2.0916, df = 7.3971, p-value = 0.07267 
alternative hypothesis: true difference in means is not equal to 0 
95 percent confidence interval: 
-2.658325 47.575972 
sample estimates: 
mean of x mean of y 
33.05882 10.60000 

Es ist nicht wirklich eine „Korrelation“, sondern eine Zwei-Gruppen-Vergleich der mittleren Größen in den beiden Gruppen, die durch PCR.