我有两个数据集，我想看看它们之间是否存在关系。
第一个数据集包含用于宣传健康运动的资金，而第二个数据集包含同一时期内的伤亡人数。我想看看花更多的钱是否意味着更少的伤亡。比较两者的最佳方法是什么？
关于数据集，两者都包含日期和值。
【问题讨论】：
标签： r statistics comparison
假设
set.seed(44)
deaths<- 10:1 + sample.int(3, 10, replace = T)
和
spent<- seq(100, 550, by = 50 )
获取数据后，您要做的第一件事就是查看数据。这可以通过
相对轻松地完成plot(spent, deaths)
产生
所以看起来我们花费的越多，死亡人数就越少。这就说得通了。但是我们如何量化这种说法。使用cor() 将为我们提供spent 和deaths 两个变量之间的相关性。
cor(spent, deaths)
# [1] -0.9809581
所以看起来它们非常强（并且负相关）。另一种简单的方法（与cor() 密切相关）是拟合线性模型。
model<- lm(deaths~spent)
summary() 调用会产生很多关于您刚刚拟合的模型的有用信息，其解释超出了本文的范围，但可以通过快速谷歌搜索轻松找到。
summary(model)
#Call:
#lm(formula = deaths ~ spent)
#Residuals:
# Min 1Q Median 3Q Max
#-0.89697 -0.51515 -0.05758 0.46364 1.01818
#Coefficients:
# Estimate Std. Error t value Pr(>|t|)
#(Intercept) 14.151515 0.539649 26.22 4.80e-09 ***
#spent -0.021697 0.001519 -14.29 5.62e-07 ***
#---
#Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
#Residual standard error: 0.6898 on 8 degrees of freedom
#Multiple R-squared: 0.9623, Adjusted R-squared: 0.9576
#F-statistic: 204.1 on 1 and 8 DF, p-value: 5.622e-07
【讨论】：