相关性分析和作图

目录

相关的类型

1. Pearson、Spearman和Kendall相关

2. 偏相关

相关性的显著性检验

cor.test()

corr.test()更好

相关性方法选择

正态分布Pearson

秩相关Spearman

相关性热图

corrplot包corrplot函数

数据处理：计算相关性系数和P值

绘图：

添加下三角：上下三角不一致

ggcorrplot包ggcorrplot函数

数据

作图

计算矩阵后使用pheatmap作图

数据准备

作图

补充P值***替换

方法一：笨方法逐个替换

方法二：循环

---

相关的类型

1. Pearson、Spearman和Kendall相关

Pearson 积差相关系数衡量了两个定量变量之间的线性相关程度。（连续）

Spearman等级相关系数则衡量分级定序变量之间的相关程度。（分类）

Kendall’s Tau 相关系数也是一种非参数的等级相关度量。

cor() 函数可以计算这三种相关系数，而 cov() 函数可用来计算协方差。两个函数的参数有

很多，其中与相关系数的计算有关的参数可以简化为：

cor(x, y = NULL, use = "everything",
    method = c("pearson", "kendall", "spearman"))

states<-state.x77[,1:6]
cov(states)#协方差
cor <- cor(states)#相关性

1.计量资料 计量资料(measurement data)又称定量资料(quantitative data)或数值变量(numericalvariable)资料。为观测每个观察单位某项指标的大小而获得的资料。其变量值是定量的，表现为数值大小，一般有度量衡单位。根据其观测值取值是否连续，又可分为连续型(continuous)或离散型(discrete)两类。前者可在实数范围内任意取值，如身高、体重、血压等；后者只取整数值，如某医院每年的病死人数等。

2.计数资料 计数资料(cnumeration data)又称定性资料(qualitative data)或无序分类变量(unorderedcategorical variable)资料，亦称名义变量(nominal variable)资料。为将观察单位按某种属性或类别分组计数，分组汇总各组观察单位数后而得到的资料。其变量值是定性的，表现为互不相容的属性或类别，如试验结果的阳性阴性、家族史的有无等。分两种情形：

(1)二分类：如检查某小学学生大便中的蛔虫卵，以每个学生为观察单位，结果可报告为蛔虫卵阴性与阳性两类；如观察某药治疗某病患者的疗效，以每个患者为观察单位，结果可归纳为治愈与未愈两类。两类间相互对立，互不相容。

(2)多分类：如观察某人群的血型分布，以人为观察单位，结果可分为A型、B型、AB型与O型，为互不相容的四个类别。

3.等级资料 等级资料(ranked data)又称半定量资料(semi-quantitative data)或有序分类变量(ordinalcategorical variable)资料。为将观察单位按某种属性的不同程度分成等级后分组计数，分类汇总各组观察单位数后而得到的资料。其变量值具有半定量性质，表现为等级大小或属性程度。如观察某人群某血清反应，以人为观察单位，根据反应强度，结果可分一、±、+、++、+++、++++六级；又如观察用某药治疗某病患者的疗效，以每名患者为观察单位，结果可分为治愈、显效、好转、无效四级等。

2. 偏相关

偏相关 是指在控制一个或多个定量变量时，另外两个定量变量之间的相互关系。你可以使用

ggm 包中的 pcor() 函数计算偏相关系数。

library(ggm)
pcor(c(1,5,2,3,6),cov(states))
[1] 0.3462724

在控制了收入、文盲率和高中毕业率的影响时，人口和谋杀率之间的相关系数为

0.346 。

pcor(c(1,5,2,3,6),cov(states))##控制了变量

相关性的显著性检验

cor.test()

可以使用cor.test()函数对单个的Pearson、Spearman和Kendall相 系数进行检验。简化后的使用格式为：

cor.test(x, y,
         alternative = c("two.sided", "less", "greater"),#指定进行双侧检验或单侧检验
         method = c("pearson", "kendall", "spearman"),#计算的相关类型
         exact = NULL, conf.level = 0.95, continuity = FALSE, ...)

当研究的假设为总体的相关系数小于 0 时，请使用alternative= "less" 。在研究的假设为总体的相关系数大于 0 时，应使用