R中有没有办法做一个成对加权相关矩阵？答案

【问题标题】：Is there a way in R for doing a pairwise-weighted correlation matrix?R中有没有办法做一个成对加权相关矩阵？
【发布时间】：2021-03-21 14:31:47
【问题描述】：

我进行了一项调查，其中包含大量数字变量（连续变量和虚拟二进制变量）以及 800 多个观察值。当然，大多数变量都缺少数据（以不同的速率）。我需要使用加权相关表，因为有些样本比其他样本代表更多的人口。另外，我想尽量减少未使用的样本，并以这种方式保持最大值。每对变量的观察值。我知道如何做一个成对相关矩阵（例如，cor(data, use="pairwise.complete.obs")）。我也知道如何做一个加权相关矩阵（例如，cov.wt(data %>% select(-weight), wt=data$weight, cor=TRUE)）。但是，我找不到同时使用两者的方法（还）。有没有办法在 R 中做一个成对加权相关矩阵？如果有任何帮助或建议，非常感谢。

【问题讨论】：

标签： r statistics correlation weighted pairwise

【解决方案1】：

好问题这是我怎么做的它不快，但比循环快。

df_correlation 是一个数据框，其中只有我想计算相关性的变量 newdf 是我的原始数据框，带有权重和其他变量

   data_list <- combn(names(df_correlation),2,simplify = FALSE)
    data_list <- map(data_list,~c(.,"BalancingWeights"))

    dimension <- length(names(df_correlation))
    allcorr <- matrix(data =NA,nrow = dimension,ncol = dimension)
    row.names(allcorr)<-names(df_correlation)
    colnames(allcorr) <- names(df_correlation)

myfunction<- function(data,x,y,weight){
  indice <-!(is.na(data[[x]])|is.na(data[[y]]))
 return(wCorr::weightedCorr(data[[x]][indice], 
                             data[[y]][indice], method = c("Pearson"), 
             weights = data[[weight]][indice], ML = FALSE, fast = TRUE))
}

b <- map_dbl(data_list,~myfunction(newdf,.[1],.[2],.[3]))


allcorr[upper.tri(allcorr, diag = FALSE)]<- b

allcorr[lower.tri(allcorr,diag=FALSE)] <- b
view(allcorr)

【讨论】：