<\/p>\n
Sie k\u00f6nnen die folgenden Methoden verwenden, um Korrelationskoeffizienten in R zu berechnen, wenn eine oder mehrere Variablen fehlende Werte aufweisen:<\/span><\/p>\n Methode 1: Berechnen Sie den Korrelationskoeffizienten mit vorhandenen fehlenden Werten<\/strong><\/span><\/p>\n Methode 2: Berechnen Sie die Korrelationsmatrix mit vorhandenen fehlenden Werten<\/strong><\/span><\/p>\n Die folgenden Beispiele zeigen, wie die einzelnen Methoden in der Praxis angewendet werden.<\/span><\/span><\/p>\n Angenommen, wir versuchen, die Funktion cor()<\/strong> zu verwenden, um den Pearson-Korrelationskoeffizienten zwischen zwei Variablen zu berechnen, wenn fehlende Werte vorhanden sind:<\/span><\/span><\/p>\n Die Funktion cor()<\/strong> gibt NA<\/strong> zur\u00fcck, da wir nicht angegeben haben, wie mit fehlenden Werten umgegangen werden soll.<\/span><\/p>\n Um dieses Problem zu vermeiden, k\u00f6nnen wir das Argument use=’complete.obs‘<\/strong> verwenden, damit R wei\u00df, dass es nur paarweise Beobachtungen verwenden soll, bei denen beide Werte vorhanden sind:<\/span><\/p>\n Der Korrelationskoeffizient zwischen den beiden Variablen betr\u00e4gt -0,488749<\/strong> .<\/span><\/span><\/p>\n Beachten Sie, dass die Funktion cor()<\/strong> bei der Berechnung des Korrelationskoeffizienten nur beide paarweisen Kombinationen verwendet hat, bei denen Werte vorhanden waren.<\/span><\/p>\n Angenommen, wir versuchen, mit der Funktion cor()<\/strong> eine Korrelationsmatrix<\/a> f\u00fcr einen Datenrahmen mit drei Variablen zu erstellen, wenn fehlende Werte vorhanden sind:<\/span><\/p>\n Die Funktion cor()<\/strong> gibt an mehreren Stellen NA<\/strong> zur\u00fcck, da wir nicht angegeben haben, wie mit fehlenden Werten umgegangen werden soll.<\/span><\/p>\n Um dieses Problem zu vermeiden, k\u00f6nnen wir das Argument use=’pairwise.complete.obs‘<\/strong> verwenden, damit R wei\u00df, dass es nur paarweise Beobachtungen verwenden soll, bei denen beide Werte vorhanden sind:<\/span><\/p>\n Die Korrelationskoeffizienten f\u00fcr jede paarweise Kombination von Variablen in der Datenbank werden jetzt angezeigt.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere h\u00e4ufige Aufgaben in R ausf\u00fchren:<\/span><\/p>\n So ermitteln Sie den P-Wert des Korrelationskoeffizienten in R<\/a> Sie k\u00f6nnen die folgenden Methoden verwenden, um Korrelationskoeffizienten in R zu berechnen, wenn eine oder mehrere Variablen fehlende Werte aufweisen: Methode 1: Berechnen Sie den Korrelationskoeffizienten mit vorhandenen fehlenden Werten cor(x, y, use=‘ complete.obs ‚) Methode 2: Berechnen Sie die Korrelationsmatrix mit vorhandenen fehlenden Werten cor(df, use=‘ pairwise.complete.obs ‚) Die folgenden Beispiele zeigen, wie die […]<\/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(x, y, use=' complete.obs<\/span> ')<\/strong><\/span><\/pre>\n cor(df, use=' pairwise.complete.obs<\/span> ')<\/strong><\/span><\/pre>\n Beispiel 1: Berechnen Sie den Korrelationskoeffizienten mit vorhandenen fehlenden Werten<\/strong><\/span><\/h2>\n
#create two variables\n<\/span>x <- c(70, 78, 90, 87, 84, NA, 91, 74, 83, 85)\ny <- c(90, NA, 79, 86, 84, 83, 88, 92, 76, 75)\n\n#attempt to calculate correlation coefficient between x and y\n<\/span>cor(x, y)\n\n[1] NA<\/strong><\/span><\/pre>\n #create two variables\n<\/span>x <- c(70, 78, 90, 87, 84, NA, 91, 74, 83, 85)\ny <- c(90, NA, 79, 86, 84, 83, 88, 92, 76, 75)\n\n#calculate correlation coefficient between x and y\n<\/span>cor(x, y, use=' complete.obs<\/span> ')\n\n[1] -0.4888749\n<\/strong><\/span><\/pre>\n Beispiel 2: Berechnen Sie die Korrelationsmatrix mit vorhandenen fehlenden Werten<\/strong><\/span><\/h2>\n
#create data frame with some missing values\n<\/span>df <- data. frame<\/span> (x=c(70, 78, 90, 87, 84, NA, 91, 74, 83, 85),\n y=c(90, NA, 79, 86, 84, 83, 88, 92, 76, 75),\n z=c(57, 57, 58, 59, 60, 78, 81, 83, NA, 90))\n\n#attempt to create correlation matrix for variables in data frame\n<\/span>cor(df)\n\n X Y Z\nx 1 NA NA\ny NA 1 NA\nz NA NA 1\n<\/strong><\/span><\/pre>\n #create data frame with some missing values\n<\/span>df <- data. frame<\/span> (x=c(70, 78, 90, 87, 84, NA, 91, 74, 83, 85),\n y=c(90, NA, 79, 86, 84, 83, 88, 92, 76, 75),\n z=c(57, 57, 58, 59, 60, 78, 81, 83, NA, 90))\n\n#create correlation matrix for variables using only pairwise complete observations\ncor(df, use=' pairwise.complete.obs<\/span> ')\n\n X Y Z\nx 1.0000000 -0.4888749 0.1311651\ny -0.4888749 1.0000000 -0.1562371\nz 0.1311651 -0.1562371 1.0000000\n<\/span><\/span><\/strong><\/span><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So berechnen Sie die Spearman-Korrelation in R<\/a>
So berechnen Sie die gleitende Korrelation in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"