Как создать матрицу корреляции в R (4 примера)

Редакция Кодкампа -

Матрица корреляции — это квадратная таблица, которая показываеткоэффициенты корреляции между переменными в наборе данных.

Он предлагает быстрый способ понять силу линейных отношений, существующих между переменными в наборе данных.

Существует четыре распространенных способа создания корреляционной матрицы в R:

Метод 1: функция cor (для получения простой матрицы коэффициентов корреляции)

cor(df)

Метод 2: Функция rcorr (для получения p-значений коэффициентов корреляции)

library (Hmisc)

rcorr(as.matrix(df))

Метод 3: функция corrplot (для визуализации матрицы корреляции)

library (corrplot)

corrplot(cor(df))

Метод 4: Функция ggcorrplot (для визуализации матрицы корреляции)

library (ggcorrplot)

ggcorrplot(cor(df))

В следующих примерах показано, как использовать каждый метод со следующим фреймом данных в R:

#create data frame
df <- data.frame(assists=c(4, 5, 5, 6, 7, 8, 8, 10),
 rebounds=c(12, 14, 13, 7, 8, 8, 9, 13),
 points=c(22, 24, 26, 26, 29, 32, 20, 14))

#view data frame
df

 assists rebounds points
1 4 12 22
2 5 14 24
3 5 13 26
4 6 7 26
5 7 8 29
6 8 8 32
7 8 9 20
8 10 13 14

Пример 1: функция cor

Мы можем использовать функцию cor() из базы R, чтобы создать матрицу корреляции, которая показывает коэффициенты корреляции между каждой переменной в нашем фрейме данных:

#create correlation matrix
cor(df)

 assists rebounds points
assists 1.0000000 -0.2448608 -0.3295730
rebounds -0.2448608 1.0000000 -0.5220917
points -0.3295730 -0.5220917 1.0000000

Все коэффициенты корреляции по диагонали таблицы равны 1, потому что каждая переменная полностью коррелирует сама с собой.

Все остальные коэффициенты корреляции указывают на корреляцию между различными попарными комбинациями переменных. Например:

  • Коэффициент корреляции между передачами и подборами равен -0,245 .
  • Коэффициент корреляции между передачами и очками равен -0,330 .
  • Коэффициент корреляции между подборами и очками равен -0,522 .

Пример 2: Функция rcorr

Мы можем использовать функцию rcorr() из пакета Hmisc в R, чтобы создать матрицу корреляции, которая показывает коэффициенты корреляции между каждой переменной в нашем фрейме данных:

library (Hmisc)

#create matrix of correlation coefficients and p-values
rcorr(as.matrix(df))

 assists rebounds points
assists 1.00 -0.24 -0.33
rebounds -0.24 1.00 -0.52
points -0.33 -0.52 1.00

n= 8 

P
 assists rebounds points
assists 0.5589 0.4253
rebounds 0.5589 0.1844
points 0.4253 0.1844

Первая матрица показывает коэффициенты корреляции между переменными, а вторая матрица показывает соответствующие p-значения.

Например, коэффициент корреляции между передачами и подборами равен -0,24 , а p-значение для этого коэффициента корреляции равно 0,5589 .

Это говорит нам о том, что корреляция между двумя переменными является отрицательной, но это не является статистически значимой корреляцией, поскольку значение p не менее 0,05.

Пример 3: Функция corpplot

Мы можем использовать функцию corrplot() из пакета corrplot в R, чтобы визуализировать матрицу корреляции:

library (corrplot)

#visualize correlation matrix
corrplot(cor(df))

Цвет и размер кругов в матрице корреляции помогают нам визуализировать корреляции между каждой переменной.

Например, круг, в котором пересекаются переменные передач и подборов, маленький и светло-красный, что говорит нам о низкой и отрицательной корреляции.

Пример 4: Функция corpplot

Мы можем использовать функцию ggcorrplot() из пакета ggcorrplot в R для визуализации корреляционной матрицы:

library (ggcorrplot)

#visualize correlation matrix
ggcorrplot(cor(df))

Цвет квадратов в матрице корреляции помогает нам визуализировать корреляции между каждой переменной.

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные задачи в R:

Как рассчитать ранговую корреляцию Спирмена в R
Как рассчитать частичную корреляцию в R
Как рассчитать скользящую корреляцию в R