R计算相关系数答案

【问题标题】：R calculate the correlation coefficientR计算相关系数
【发布时间】：2021-10-16 09:25:20
【问题描述】：

我有一个包含 3 个变量“年龄”、“信心”和“国家名称”的数据框。我想计算不同国家的年龄和信心之间的相关性。所以我编写了以下命令来计算相关系数。

correlate <- evs%>%group_by(countryname) %>% summarise(c=cor(age,confidence))

但我发现输出“c”中有很多缺失值。我想知道这是否意味着这些国家/地区的 IV 和 DV 之间几乎没有相关性，还是我的命令有问题？

【问题讨论】：

标签： r

【解决方案1】：

相关矩阵中的NA 表示您的观察中有NA 值（即缺失值）。 cor 的默认行为是返回 NA 的相关性“只要其贡献的观察结果之一是 NA”（来自手册）。

这意味着日期中的单个NA 将给出NA 的相关性，即使您在一千个有用的数据集中只有一个NA。

你可以从这里做什么：

您应该调查这些 NA，对其进行计数并确定您的数据集是否包含足够的可用数据。找出哪些变量受 NA 影响以及影响程度。
在调用cor 时添加参数use。通过这种方式，您可以指定算法应如何处理缺失值。查看手册（?cor）以了解您有哪些选择。在你的情况下，我只会使用use="complete.obs"。只有 2 个变量，大多数（但不是全部）选项将产生相同的结果。

更多解释：

age <- 18:35
confidence <- (age - 17) / 10 + rnorm(length(age))
cor(age, confidence)
#> [1] 0.3589942

以上是与所有数据的相关性。现在让我们设置一些 NA 并重试：

confidence[c(1, 6, 11, 16)] <- NA
cor(age, confidence) # use argument will implicitely be "everything".
#> [1] NA

这给出了NA，因为一些置信度值为NA。下一条语句仍然给出结果：

cor(age, confidence, use="complete.obs")
#> [1] 0.3130549

^{由reprex package (v2.0.1) 于 2021-10-16 创建}

【讨论】：

非常感谢cmets！真的很具体，很有帮助！我试试！

【解决方案2】：

我知道R中的两种计算方式；

通过内置的 cor() 函数，
使用代码手动计算

使用内置cor()函数计算：

# importing df: 
state_crime <- read.csv("~/Documents/R/state_crime.csv")

# checking colnames: 
colnames(state_crime)  
[1] "state"  "year" "population"
[4] "murder_rate"          

# correlation coefficient between population and murder rate:
cor(state_crime$population, state_crime$murder_rate,
    method = "pearson")

[1] -0.0322388

使用代码手动计算：

# creating columns for "deviation from the mean" for both variables: 

state_crime <- state_crime %>%   
  mutate(dev_mean_murderrate = 
           (state_crime$murder_rate - mean(murder_rate))) %>%
  mutate(dev_mean_population =
           (state_crime$population - mean(population))) %>%   
  data.frame()

# implementing the formula: r=∑(x−mx)(y−my)∑(x−mx)2∑(y−my)2      
sum(state_crime$dev_mean_population * state_crime$dev_mean_murderrate) / 
  sqrt(sum((state_crime$murder_rate - mean(state_crime$murder_rate))**2) * 
         sum((state_crime$population - mean(state_crime$population))**2)
       )

[1] -0.0322388

【讨论】：