如何在r中找到相关系数的p值

皮尔逊相关系数可用于衡量两个变量之间的线性关联。

该相关系数始终取-1和1之间的值，其中：

• -1 ：两个变量之间完全负线性相关。
• 0 ：两个变量之间没有线性相关。
• 1：两个变量之间完全正线性相关。

要确定相关系数是否具有统计显着性，您可以计算相应的 t 分数和 p 值。

相关系数 (r) 的 t 分数计算公式为：

t = r√ n-2 / √ 1-r ²

p 值计算为具有 n-2 自由度的 t 分布的相应双尾 p 值。

要计算 R 中 Pearson 相关系数的 p 值，您可以使用cor.test()函数。

 horn. test (x,y)

下面的例子展示了如何在实际中使用这个功能。

示例：计算 R 中相关系数的 P 值

以下代码演示了如何使用cor.test()函数计算 R 中两个变量之间的相关系数的 p 值：

 #create two variables
x <- c(70, 78, 90, 87, 84, 86, 91, 74, 83, 85)
y <- c(90, 94, 79, 86, 84, 83, 88, 92, 76, 75)

#calculate correlation coefficient and corresponding p-value
horn. test (x,y)

	Pearson's product-moment correlation

data: x and y
t = -1.7885, df = 8, p-value = 0.1115
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 -0.8709830 0.1434593
sample estimates:
       horn 
-0.5344408

从结果我们可以看出：

• 皮尔逊相关系数为-0.5344408 。
• 相应的 p 值为0.1115 。

由于相关系数为负，这表明两个变量之间存在负线性关系。

然而，由于相关系数的 p 值不小于 0.05，因此相关性在统计上不显着。

请注意，我们还可以输入cor.test(x, y)$p.value来仅提取相关系数的 p 值：

 #create two variables
x <- c(70, 78, 90, 87, 84, 86, 91, 74, 83, 85)
y <- c(90, 94, 79, 86, 84, 83, 88, 92, 76, 75)

#calculate p-value for correlation between x and y
horn. test (x, y)$p.value

[1] 0.1114995

相关系数的 p 值为0.1114995 。

这与先前输出的 p 值相匹配。

其他资源

以下教程解释了如何在 R 中执行其他常见任务：

如何在 R 中计算偏相关
如何在 R 中计算 Spearman 相关性
如何计算R中的滑动相关性