R中两个序数变量的相关性答案

【问题标题】：correlation of two ordinal variables in RR中两个序数变量的相关性
【发布时间】：2017-08-20 22:01:11
【问题描述】：

我想测试两个序数变量的 spearman 相关性。

x=c(1,2,3)
y=c(4,3,6)
x=ordered(x)
y=ordered(y)
cor(x,y,methods="spearman")

我总是得到“cor(x, y) 中的错误：'x' 必须是数字”

这样做的正确方法是什么？

【问题讨论】：

标签： r correlation ordinal

【解决方案1】：

两种方法：

使用as.numeric。

x=c(1,2,3)
y=c(4,3,6)
x=ordered(x)
y=ordered(y)
cor(as.numeric(x), as.numeric(y), method="spearman")
[1] 0.5

请注意，这不将 x 和 y 简单地视为连续数字。它把他们当作等级。

as.numeric(y)
[1] 2 1 3

此方法将允许您忽略 NA 值。

x=c(1,2,3, NA)
y=c(4,3,6, 7)
x=ordered(x)
y=ordered(y)
cor(as.numeric(x), as.numeric(y), 
    method="spearman", use="pairwise.complete.obs")
[1] 0.5

您可以使用包pspearman 来处理有序因子。

x=c(1,2,3)
y=c(4,3,6)
x=ordered(x)
y=ordered(y)

library(pspearman)
spearman.test(x,y)


Spearman's rank correlation rho

data:  x and y
S = 2, p-value = 1
alternative hypothesis: true rho is not equal to 0
sample estimates:
rho 
0.5

或者如果你想减少一些输出，你可以使用：

spearman.test(x,y)$estimate
rho 
0.5

【讨论】：

再说一次，我的观点是 x 和 y 都是序数结果，这意味着它们不是连续的......我知道 Spearman 等级相关可以处理序数变量，但现在不知道如何
我的真正问题是 x 和 y 都有一些缺失值，所以理想情况下我想坚持使用可以指定“pairwise.complete.obs”的 cor() 函数。我很欣赏pspearman，但它无法处理丢失数据的情况
@Sheldon 第一个使用cor的版本成功忽略了NA。
是的，这正是我想要的。谢谢！

【解决方案2】：

您遇到了一些问题：

使用有序会创建一个因子，你可以使用rank
你打错了，应该是method=...而不是methods=...

x=c(1,2,3)
y=c(4,3,6)
x=rank(x)
y=rank(y)
cor(x,y,method="spearman")

【讨论】：

使用排序会改变数据。当 y=3 时最初 x=2，但当 y=4 时不是 x=2
另外，您的做法是将 x 和 y 视为连续变量，但事实是它们是序数...
@Sheldon 那么使用排名怎么样？