显着性关联图中 p 值的字体大小答案

【问题标题】：Font size of p-values in a significance corrplot显着性关联图中 p 值的字体大小
【发布时间】：2023-03-08 17:50:01
【问题描述】：

谁能给点建议：

我正在使用 corrplot 来获取变量的 p 值。 number.cex= 不会改变 p 值的字体大小。目前，我有一个带有超大（不可读）p 值的 corrplot，因为我有相对大量的变量（n = 27）。

我无法通过 Rseek 或 Stack Overflow 找到任何相关信息...

以下代码取自here。

有一些看起来过于复杂的代码here 我无法理解。以下是我正在使用的代码：

corrplot(HG_lipid_matrix, p.mat = res1$p, insig = "p-value", 
         sig.level = .05, number.cex = 0.2)

更改 number.cex 的值不会改变 p 值的字体大小。

非常感谢:-)

【问题讨论】：

函数帮助说使用 pch.cex 来做这个。
谢谢 - 试试看 :-)
试过了，不行。 pch.cex 只能在 insig = "pch" 时使用，它只添加一个没有显着系数的叉号。
我使用的代码是： corrplot(HG_lipid_matrix, p.mat = res1$p, insig = "p-value", sig.level = -1) 正如我所说，p-值在那里，但字体太大而无法阅读。
查看source code 的corrplot，它似乎不是调整p 值cex 的参数。您可以在生成绘图后使用 text() 添加您自己的 p 值。

标签： r r-corrplot

【解决方案1】：

这绘制了mtcars 中变量的相关性，但这应该适合你。您可以调整mag.factor 和par(cex = 0.7) 以满足您的需求：

library(corrplot) #read-in corrplot package
M <- cor(mtcars) #obtain matrix of correlation coefficients (r values)
mag.factor <- 2 #fudge factor to increase size of axis (tl.cex) and legend (cl.tex) text relative to p-value text
res1 <- cor.mtest(mtcars, conf.level = .95) #obtain matrix of correlation p-values
cex.before <- par("cex") #saves current cex setting for plotting
par(cex = 0.7)  #set cex for plotting text.  this invisibly affects p-value text.
corrplot(M, p.mat = res1$p, insig = "p-value", sig.level = -1, tl.cex = par("cex") * mag.factor, cl.cex = par("cex") * mag.factor) #makes the plot
par(cex = cex.before) #reset cex to initial setting

这里是从一个类似问题的答案修改而来的：How to change font size of the correlation coefficient in corrplot?

【讨论】：

非常感谢您提供此代码。它似乎工作得很好 - 对此非常感谢。我是 R 的相对新手，如果您有时间使用 # 符号来解释您在上述代码的每个步骤中所做的工作，这将对我有很大帮助！我有一个非常小的问题：使用此代码生成的 p 值之一是 0.03。但是，当我运行基本线性模型并使用 summary() 时，p 值略有不同 - 0.02（当然，仍然很重要）。你知道为什么会这样吗？再次感谢您 - 这是一个真正的救生员！
另外，我需要将 par (cex = 0.7) 更改为 par (cex = 0.5)，因为 p 值的字体大小仍然稍大（我有合理数量的变量 - 27).
另一个小点（请原谅我）：绘图上生成的颜色有时仅等同于显着的 p 值。目前尚不清楚颜色受到什么影响。这是否只是在存在高/低 r 平方值的情况下的 corrplot 代码着色的人工制品？谢谢
@Mike_989，请参阅上面的注释代码。生成的颜色与图右侧的图例所指的相关系数（r，而不是 r 平方）相匹配。颜色不是指 p 值。 r = 1 是完美的正相关。 r = -1 是完全负相关。 P 值是指在给定样本大小的情况下，相关强度可能偶然发生的概率。因此，低 p 值将与更强的相关性相关（更大的绝对 r 值，可能是负数或正数）。
再次感谢您对此提供的所有帮助。我很好奇为什么这个 corrplot 产生的 p 值与我运行基本线性模型时的一些显着相关性和 summary () 调用单个因变量和自变量时相比略有不同。这是一个很大的帮助。成为 Stack Overflow 的忠实粉丝！