<\/p>\n
Il coefficiente di correlazione di Pearson<\/a> pu\u00f2 essere utilizzato per misurare l’associazione lineare tra due variabili.<\/span><\/p>\n Questo coefficiente di correlazione assume sempre un valore compreso tra -1<\/strong> e 1<\/strong> dove:<\/span><\/p>\n Per determinare se un coefficiente di correlazione \u00e8 statisticamente significativo, \u00e8 possibile calcolare il punteggio t e il valore p corrispondenti.<\/span><\/p>\n La formula per calcolare il t-score di un coefficiente di correlazione (r) \u00e8:<\/span><\/p>\n t = r\u221a n-2<\/span> \/ \u221a 1-r 2<\/sup><\/span><\/span><\/p>\n Il valore p viene calcolato come il corrispondente valore p a due code per la distribuzione t con n-2 gradi di libert\u00e0.<\/span><\/p>\n Per calcolare il valore p di un coefficiente di correlazione di Pearson in R, \u00e8 possibile utilizzare la funzione cor.test()<\/strong> .<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa funzione nella pratica.<\/span><\/p>\n Il codice seguente mostra come utilizzare la funzione cor.test()<\/strong> per calcolare il valore p del coefficiente di correlazione tra due variabili in R:<\/span><\/p>\n Dal risultato possiamo vedere:<\/span><\/p>\n Poich\u00e9 il coefficiente di correlazione \u00e8 negativo, ci\u00f2 indica che esiste una relazione lineare negativa tra le due variabili.<\/span><\/p>\n Tuttavia, poich\u00e9 il valore p del coefficiente di correlazione non \u00e8 inferiore a 0,05, la correlazione non \u00e8 statisticamente significativa.<\/span><\/p>\n Nota che possiamo anche digitare cor.test(x, y)$p.value<\/strong> per estrarre solo il valore p per il coefficiente di correlazione:<\/span><\/p>\n Il valore p per il coefficiente di correlazione \u00e8 0,1114995<\/strong> .<\/span><\/p>\n Questo corrisponde al valore p dell’output precedente.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in R:<\/span><\/p>\n Come calcolare la correlazione parziale in R<\/a> Il coefficiente di correlazione di Pearson pu\u00f2 essere utilizzato per misurare l’associazione lineare tra due variabili. Questo coefficiente di correlazione assume sempre un valore compreso tra -1 e 1 dove: -1 : correlazione lineare perfettamente negativa tra due variabili. 0 : Nessuna correlazione lineare tra due variabili. 1: Correlazione lineare perfettamente positiva tra due variabili. […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
horn. test<\/span> (x,y)\n<\/strong><\/pre>\n Esempio: calcolare il valore P per il coefficiente di correlazione in R<\/strong><\/span><\/h2>\n
#create two variables\n<\/span>x <- c(70, 78, 90, 87, 84, 86, 91, 74, 83, 85)\ny <- c(90, 94, 79, 86, 84, 83, 88, 92, 76, 75)\n\n#calculate correlation coefficient and corresponding p-value\n<\/span>horn. test<\/span> (x,y)\n\n\tPearson's product-moment correlation\n\ndata: x and y\nt = -1.7885, df = 8, p-value = 0.1115\nalternative hypothesis: true correlation is not equal to 0\n95 percent confidence interval:\n -0.8709830 0.1434593\nsample estimates:\n horn \n-0.5344408\n<\/strong><\/span><\/pre>\n\n
#create two variables\n<\/span>x <- c(70, 78, 90, 87, 84, 86, 91, 74, 83, 85)\ny <- c(90, 94, 79, 86, 84, 83, 88, 92, 76, 75)\n\n#calculate p-value for correlation between x and y\n<\/span>horn. test<\/span> (x, y)$p.value\n\n[1] 0.1114995\n<\/strong><\/span><\/pre>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come calcolare la correlazione di Spearman in R<\/a>
Come calcolare la correlazione scorrevole in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"