皮尔森相关分析是最常用的一种适用于连续性变量的相关分析方法，在所有的具有统计分析功能的软件中都能处理。在
R中处理不仅简便，利用rmarkdown还能以word的形式呈现结果。底层函数能够同时计算变量矩阵中变量间的相关系数（cor），但假设检验只能一对一对的进行（cor.test），而借助包psych中的core.test函数则能同时报告相关系数及相应的p-value。
- 加载用到的包
library(tidyverse)
library(psych)
- 数据导入
options(digits = 3)
df <- read.csv("input/corr.csv") %>% .[, c(3:9)]
results <- corr.test(df)
- 相关系数
knitr::kable(results$r, caption = "表1 相关系数 Correlation matrix")
- p-value
knitr::kable(results$p, caption = "表2 相关系数的p值 Probability values (Entries above the diagonal are adjusted for multiple tests.)")
网友评论