R語言中cor函數(shù)，只能計(jì)算相關(guān)系數(shù)，如果想要計(jì)算顯著性，需要兩兩用cor.test進(jìn)行，如果是多列數(shù)據(jù)，操作比較麻煩。這里介紹兩個(gè)包，非常方便的進(jìn)行多列數(shù)據(jù)的相關(guān)系數(shù)及其顯著性的檢驗(yàn)，并且給出可視化。

1. 模擬數(shù)據(jù)

這里模擬出10列數(shù)據(jù)，轉(zhuǎn)化為數(shù)據(jù)庫(kù)，是100行10列的數(shù)據(jù)，目的是為了計(jì)算這10列的相關(guān)系數(shù)及其顯著性，雖然隨機(jī)數(shù)沒有顯著性可言，但是作為一個(gè)演示，還是很可以說明問題的。

> set.seed(123)
> dd = as.data.frame(matrix(rnorm(1000),100,10))
> head(dd)
          V1          V2         V3         V4          V5          V6          V7         V8         V9        V10
1 -0.56047565 -0.71040656  2.1988103 -0.7152422 -0.07355602 -0.60189285  1.07401226 -0.7282191  0.3562833 -1.0141142
2 -0.23017749  0.25688371  1.3124130 -0.7526890 -1.16865142 -0.99369859 -0.02734697 -1.5404424 -0.6580102 -0.7913139
3  1.55870831 -0.24669188 -0.2651451 -0.9385387 -0.63474826  1.02678506 -0.03333034 -0.6930946  0.8552022  0.2995937
4  0.07050839 -0.34754260  0.5431941 -1.0525133 -0.02884155  0.75106130 -1.51606762  0.1188494  1.1529362  1.6390519
5  0.12928774 -0.95161857 -0.4143399 -0.4371595  0.67069597 -1.50916654  0.79038534 -1.3647095  0.2762746  1.0846170
6  1.71506499 -0.04502772 -0.4762469  0.3311792 -1.65054654 -0.09514745 -0.21073418  0.5899827  0.1441047 -0.6245675

2. 計(jì)算相關(guān)系數(shù)及顯著性

首先要載入Hmisc這個(gè)包，因?yàn)槲覀円眠@個(gè)包里面的rcorr函數(shù)，如果沒有這個(gè)包，那就運(yùn)行命令install.packages("Hmisc")安裝即可。

?  

題外話，這種藍(lán)色的代碼高亮，真是太好看了，我進(jìn)而想到王者榮耀的皮膚那么多人購(gòu)買真的是有很多人在乎顏值的，進(jìn)而推測(cè)出我鉆石五星段位的持久性與我沒有氪金有很強(qiáng)的關(guān)聯(lián)性，因?yàn)槌溴X的快樂只能N連勝的喜悅才可以體會(huì)。順便說一句，當(dāng)你N連跪之后就把游戲卸了洗洗睡吧，我今天都把騰訊的企業(yè)微信給投訴了，是截圖投訴的，然后領(lǐng)導(dǎo)告訴我“知道為什么騰訊把你公眾號(hào)封一個(gè)月吧？打游戲不氪金還瞎比比。。。”

?  

> # 計(jì)算相關(guān)系數(shù)及顯著性
> library(Hmisc)#加載包
> res2 <- rcorr(as.matrix(dd))
> res2
      V1    V2    V3    V4    V5    V6    V7    V8    V9   V10
V1   1.00 -0.05 -0.13 -0.04 -0.19 -0.06 -0.03  0.18 -0.02  0.01
V2  -0.05  1.00  0.03  0.04 -0.13  0.11  0.08 -0.03 -0.05 -0.09
V3  -0.13  0.03  1.00 -0.04 -0.02  0.02  0.01 -0.12 -0.05 -0.01
V4  -0.04  0.04 -0.04  1.00 -0.02 -0.09 -0.06  0.17 -0.17  0.25
V5  -0.19 -0.13 -0.02 -0.02  1.00  0.21 -0.01 -0.14 -0.04 -0.02
V6  -0.06  0.11  0.02 -0.09  0.21  1.00 -0.06  0.09  0.07 -0.03
V7  -0.03  0.08  0.01 -0.06 -0.01 -0.06  1.00  0.00 -0.13 -0.02
V8   0.18 -0.03 -0.12  0.17 -0.14  0.09  0.00  1.00  0.00  0.02
V9  -0.02 -0.05 -0.05 -0.17 -0.04  0.07 -0.13  0.00  1.00 -0.02
V10  0.01 -0.09 -0.01  0.25 -0.02 -0.03 -0.02  0.02 -0.02  1.00

n= 100


P
   V1     V2     V3     V4     V5     V6     V7     V8     V9     V10
V1         0.6246 0.2002 0.6632 0.0547 0.5767 0.7343 0.0706 0.8234 0.9135
V2  0.6246        0.7626 0.6650 0.1952 0.2567 0.4398 0.7435 0.6543 0.3653
V3  0.2002 0.7626        0.6576 0.8061 0.8573 0.9317 0.2544 0.5985 0.8866
V4  0.6632 0.6650 0.6576        0.8492 0.3737 0.5284 0.0950 0.1008 0.0139
V5  0.0547 0.1952 0.8061 0.8492        0.0392 0.9488 0.1628 0.6958 0.8741
V6  0.5767 0.2567 0.8573 0.3737 0.0392        0.5225 0.3515 0.4622 0.8046
V7  0.7343 0.4398 0.9317 0.5284 0.9488 0.5225        0.9979 0.2012 0.8398
V8  0.0706 0.7435 0.2544 0.0950 0.1628 0.3515 0.9979        0.9936 0.8107
V9  0.8234 0.6543 0.5985 0.1008 0.6958 0.4622 0.2012 0.9936        0.8225
V10 0.9135 0.3653 0.8866 0.0139 0.8741 0.8046 0.8398 0.8107 0.8225

3. 顯著性的可視化

上面有相關(guān)系數(shù)，有對(duì)應(yīng)的顯著性，但是R語言做完統(tǒng)計(jì)如果沒有可視化，就像吃完飯沒有喝湯，總感覺少了什么，那就可視化吧！

> library(PerformanceAnalytics)#加載包
> chart.Correlation(dd, histogram=TRUE, pch=19)

 

4. 完整代碼

set.seed(123)
dd = as.data.frame(matrix(rnorm(1000),100,10))

head(dd)

# 計(jì)算相關(guān)系數(shù)及顯著性
library(Hmisc)#加載包
res2 <- rcorr(as.matrix(dd))
res2

# 可視化
library(PerformanceAnalytics)#加載包
chart.Correlation(dd, histogram=TRUE, pch=19)