<\/p>\n
\u00c8 possibile utilizzare la funzione cor()<\/strong> in R per calcolare i coefficienti di correlazione tra le variabili.<\/span><\/p>\n Ecco i modi pi\u00f9 comuni per utilizzare questa funzionalit\u00e0:<\/span><\/p>\n Metodo 1: calcolare il coefficiente di correlazione di Pearson tra due variabili<\/strong><\/span><\/p>\n Utilizzare il coefficiente di correlazione di Pearson quando si calcola la correlazione tra due variabili continue. (ad esempio altezza e peso)<\/span><\/p>\n Metodo 2: calcolare il coefficiente di correlazione di Pearson tra tutte le variabili numeriche nel frame di dati<\/strong><\/span><\/p>\n Questo metodo restituir\u00e0 una matrice di correlazione<\/a> contenente il coefficiente di correlazione di Pearson tra ciascuna combinazione a coppie di variabili numeriche in un frame di dati.<\/span><\/p>\n Metodo 3: calcolare il coefficiente di correlazione di Spearman tra due variabili<\/strong><\/span><\/p>\n Utilizzare il coefficiente di correlazione di Spearman quando si calcola la correlazione tra due variabili classificate. (ad esempio, la classifica del punteggio dell’esame di matematica di uno studente rispetto alla classifica del punteggio dell’esame di scienze in una classe)<\/span><\/p>\n Metodo 4: calcolare il coefficiente di correlazione Kendall tra due variabili<\/strong><\/span><\/p>\n Utilizzare il coefficiente di correlazione di Kendall quando si desidera utilizzare la correlazione di Spearman ma la dimensione del campione \u00e8 piccola e sono presenti molti legami.<\/span><\/p>\n I seguenti esempi mostrano come utilizzare ciascun metodo nella pratica con il seguente frame di dati in R che mostra il numero di ore trascorse a studiare, il numero di esami pratici sostenuti e il voto dell’esame finale per otto studenti diversi:<\/span><\/p>\n Il codice seguente mostra come utilizzare la funzione cor()<\/strong> per calcolare il coefficiente di correlazione di Pearson tra le ore<\/strong> e le variabili del punteggio<\/strong> :<\/span><\/p>\n Il coefficiente di correlazione di Pearson tra ore<\/strong> e punteggio<\/strong> \u00e8 risultato pari a 0,86.<\/strong><\/span><\/p>\n Tieni presente che se sono presenti valori NA nel frame di dati, puoi utilizzare l’argomento use=’complete.obs’<\/strong> per utilizzare solo le righe in cui non sono presenti valori NA:<\/span><\/p>\n Il codice seguente mostra come utilizzare la funzione cor()<\/strong> per creare una matrice di correlazione contenente il coefficiente di correlazione di Pearson tra tutte le variabili numeriche nel frame di dati:<\/span><\/p>\n Ecco come interpretare il risultato:<\/span><\/p>\n Nota<\/strong> : il coefficiente di correlazione di Pearson tra ogni singola variabile e se stessa \u00e8 sempre 1, motivo per cui ogni valore lungo la diagonale della matrice di correlazione \u00e8 1.<\/span><\/p>\n Il codice seguente mostra come utilizzare la funzione cor()<\/strong> per calcolare il coefficiente di correlazione di Spearman tra le ore<\/strong> e le variabili prac_exams<\/b> :<\/span><\/p>\n Il coefficiente di correlazione di Spearman tra ore<\/strong> e prac_exams<\/b> risulta essere -0,125.<\/strong><\/span><\/p>\n Il codice seguente mostra come utilizzare la funzione cor()<\/strong> per calcolare il coefficiente di correlazione Kendall tra le ore<\/strong> e le variabili prac_exams<\/b> :<\/span><\/p>\n Il coefficiente di correlazione di Kendall tra ore<\/strong> e prac_exams<\/b> risulta essere -0,123.<\/strong><\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in R:<\/span><\/p>\n Come calcolare la correlazione scorrevole in R<\/a> \u00c8 possibile utilizzare la funzione cor() in R per calcolare i coefficienti di correlazione tra le variabili. Ecco i modi pi\u00f9 comuni per utilizzare questa funzionalit\u00e0: Metodo 1: calcolare il coefficiente di correlazione di Pearson tra due variabili cor(df$x, df$y) Utilizzare il coefficiente di correlazione di Pearson quando si calcola la correlazione tra due variabili […]<\/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 Esempio 1: calcolare il coefficiente di correlazione di Pearson tra due variabili<\/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 Esempio 2: calcolare il coefficiente di correlazione di Pearson tra tutte le variabili numeriche<\/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
Esempio 3: calcolare il coefficiente di correlazione di Spearman tra due variabili<\/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 Esempio 4: Calcola il coefficiente di correlazione di Kendall tra due variabili<\/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 Risorse addizionali<\/strong><\/span><\/h2>\n
Come calcolare l’autocorrelazione in R<\/a>
Come calcolare la correlazione parziale in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"