<\/p>\n
Sie k\u00f6nnen die Funktion cor()<\/strong> in R verwenden, um Korrelationskoeffizienten zwischen Variablen zu berechnen.<\/span><\/p>\n Hier sind die h\u00e4ufigsten M\u00f6glichkeiten, diese Funktion zu verwenden:<\/span><\/p>\n Methode 1: Berechnen Sie den Pearson-Korrelationskoeffizienten zwischen zwei Variablen<\/strong><\/span><\/p>\n Verwenden Sie den Pearson-Korrelationskoeffizienten, wenn Sie die Korrelation zwischen zwei kontinuierlichen Variablen berechnen. (z. B. Gr\u00f6\u00dfe und Gewicht)<\/span><\/p>\n Methode 2: Berechnen Sie den Pearson-Korrelationskoeffizienten zwischen allen numerischen Variablen im Datenrahmen<\/strong><\/span><\/p>\n Diese Methode gibt eine Korrelationsmatrix<\/a> zur\u00fcck, die den Pearson-Korrelationskoeffizienten zwischen jeder paarweisen Kombination numerischer Variablen in einem Datenrahmen enth\u00e4lt.<\/span><\/p>\n Methode 3: Berechnen Sie den Spearman-Korrelationskoeffizienten zwischen zwei Variablen<\/strong><\/span><\/p>\n Verwenden Sie den Korrelationskoeffizienten nach Spearman, wenn Sie die Korrelation zwischen zwei Rangvariablen berechnen. (z. B. Rangfolge der Mathematikpr\u00fcfungsergebnisse eines Sch\u00fclers im Vergleich zur Rangfolge seiner naturwissenschaftlichen Pr\u00fcfungsergebnisse in einer Klasse)<\/span><\/p>\n Methode 4: Berechnen Sie den Kendall-Korrelationskoeffizienten zwischen zwei Variablen<\/strong><\/span><\/p>\n Verwenden Sie den Kendall-Korrelationskoeffizienten, wenn Sie die Spearman-Korrelation verwenden m\u00f6chten, die Stichprobengr\u00f6\u00dfe jedoch klein ist und viele Bindungen bestehen.<\/span><\/p>\n Die folgenden Beispiele zeigen, wie jede Methode in der Praxis mit dem folgenden Datenrahmen in R verwendet wird, der die Anzahl der Lernstunden, die Anzahl der abgelegten \u00dcbungspr\u00fcfungen und die Abschlusspr\u00fcfungsnote f\u00fcr acht verschiedene Studenten anzeigt:<\/span><\/p>\n Der folgende Code zeigt, wie Sie mit der Funktion cor()<\/strong> den Pearson-Korrelationskoeffizienten zwischen den Stunden-<\/strong> und Score<\/strong> -Variablen berechnen:<\/span><\/p>\n Der Pearson-Korrelationskoeffizient zwischen Stunden<\/strong> und Punktzahl<\/strong> betrug 0,86.<\/strong><\/span><\/p>\n Beachten Sie, dass Sie, wenn Ihr Datenrahmen NA-Werte enth\u00e4lt, das Argument use=’complete.obs‘<\/strong> verwenden k\u00f6nnen, um nur die Zeilen zu verwenden, in denen keine NA-Werte vorhanden sind:<\/span><\/p>\n Der folgende Code zeigt, wie Sie mit der Funktion cor()<\/strong> eine Korrelationsmatrix erstellen, die den Pearson-Korrelationskoeffizienten zwischen allen numerischen Variablen im Datenrahmen enth\u00e4lt:<\/span><\/p>\n So interpretieren Sie das Ergebnis:<\/span><\/p>\n Hinweis<\/strong> : Der Pearson-Korrelationskoeffizient zwischen jeder einzelnen Variablen und sich selbst betr\u00e4gt immer 1, weshalb jeder Wert entlang der Diagonale der Korrelationsmatrix 1 ist.<\/span><\/p>\n Der folgende Code zeigt, wie Sie mit der Funktion cor()<\/strong> den Spearman-Korrelationskoeffizienten zwischen den Stunden-<\/strong> und prac_exams<\/b> -Variablen berechnen:<\/span><\/p>\n Der Spearman-Korrelationskoeffizient zwischen Stunden<\/strong> und prac_exams<\/b> betr\u00e4gt -0,125.<\/strong><\/span><\/p>\n Der folgende Code zeigt, wie Sie mit der Funktion cor()<\/strong> den Kendall-Korrelationskoeffizienten zwischen den Stunden-<\/strong> und prac_exams<\/b> -Variablen berechnen:<\/span><\/p>\n Der Kendall-Korrelationskoeffizient zwischen Stunden<\/strong> und prac_exams<\/b> betr\u00e4gt -0,123.<\/strong><\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie Sie andere h\u00e4ufige Aufgaben in R ausf\u00fchren:<\/span><\/p>\n So berechnen Sie die gleitende Korrelation in R<\/a> Sie k\u00f6nnen die Funktion cor() in R verwenden, um Korrelationskoeffizienten zwischen Variablen zu berechnen. Hier sind die h\u00e4ufigsten M\u00f6glichkeiten, diese Funktion zu verwenden: Methode 1: Berechnen Sie den Pearson-Korrelationskoeffizienten zwischen zwei Variablen cor(df$x, df$y) Verwenden Sie den Pearson-Korrelationskoeffizienten, wenn Sie die Korrelation zwischen zwei kontinuierlichen Variablen berechnen. (z. B. Gr\u00f6\u00dfe und Gewicht) Methode 2: Berechnen […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n cor(df$x, df$y)<\/strong><\/pre>\n
cor(df)<\/strong><\/pre>\n
cor(df$x, df$y, method=' spearman<\/span> ')<\/strong><\/pre>\n cor(df$x, df$y, method=' kendall<\/span> ')<\/strong><\/pre>\n #create data frame\n<\/span>df <- data. frame<\/span> (hours=c(1, 1, 3, 2, 4, 3, 5, 6),\n prac_exams=c(4, 3, 3, 2, 3, 2, 1, 4),\n score=c(69, 74, 74, 70, 89, 85, 99, 90))\n\n#view data frame\n<\/span>df\n\n hours prac_exams score\n1 1 4 69\n2 1 3 74\n3 3 3 74\n4 2 2 70\n5 4 3 89\n6 3 2 85\n7 5 1 99\n8 6 4 90\n<\/span><\/span><\/strong><\/pre>\n Beispiel 1: Berechnen Sie den Pearson-Korrelationskoeffizienten zwischen zwei Variablen<\/strong><\/span><\/h2>\n
#calculate Pearson correlation coefficient between hours and score<\/span>\ncor(df$hours, df$score)\n\n[1] 0.8600528\n<\/strong><\/pre>\n #calculate Pearson correlation coefficient and ignore any rows with NA<\/span>\ncor(df$hours, df$score, use=' complete.obs<\/span> ')<\/strong><\/pre>\n Beispiel 2: Berechnen Sie den Pearson-Korrelationskoeffizienten zwischen allen numerischen Variablen<\/strong><\/span><\/h2>\n
#calculate Pearson correlation coefficient between all numeric variables<\/span>\ncor(df)\n\n hours prac_exams score\nhours 1.0000000 -0.1336063 0.8600528\nprac_exams -0.1336063 1.0000000 -0.3951028\nscore 0.8600528 -0.3951028 1.0000000\n<\/strong><\/pre>\n\n
Beispiel 3: Berechnen Sie den Spearman-Korrelationskoeffizienten zwischen zwei Variablen<\/strong><\/span><\/h2>\n
#calculate Spearman correlation coefficient between hours and prac_exams<\/span>\ncor(df$hours, df$prac_exams, method=' spearman<\/span> ')\n\n[1] -0.1250391\n<\/strong><\/pre>\n Beispiel 4: Berechnen Sie den Kendall-Korrelationskoeffizienten zwischen zwei Variablen<\/strong><\/span><\/h2>\n
#calculate Kendall's correlation coefficient between hours and prac_exams<\/span>\ncor(df$hours, df$prac_exams, method=' kendall<\/span> ')\n\n[1] -0.1226791\n<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So berechnen Sie die Autokorrelation in R<\/a>
So berechnen Sie die partielle Korrelation in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"