R에서 상관 계수의 p 값을 찾는 방법

피어슨 상관 계수는 두 변수 사이의 선형 연관성을 측정하는 데 사용할 수 있습니다.

이 상관 계수는 항상 -1 과 1 사이의 값을 갖습니다. 여기서:

• -1 : 두 변수 사이의 완벽한 음의 선형 상관관계.
• 0 : 두 변수 사이에 선형 상관관계가 없습니다.
• 1: 두 변수 사이의 완벽한 양의 선형 상관관계.

상관 계수가 통계적으로 유의한지 여부를 확인하려면 해당하는 t-점수와 p-값을 계산하면 됩니다.

상관계수(r)의 t-점수를 계산하는 공식은 다음과 같습니다.

t = r√ n-2 / √ 1-r ²

p-값은 자유도가 n-2인 t-분포에 해당하는 양측 p-값으로 계산됩니다.

R에서 Pearson 상관 계수의 p-값을 계산하려면 cor.test() 함수를 사용할 수 있습니다.

 horn. test (x,y)

다음 예에서는 이 기능을 실제로 사용하는 방법을 보여줍니다.

예: R의 상관 계수에 대한 P 값을 계산합니다.

다음 코드는 cor.test() 함수를 사용하여 R의 두 변수 간 상관 계수의 p-값을 계산하는 방법을 보여줍니다.

 #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

결과에서 우리는 다음을 볼 수 있습니다:

• 피어슨 상관계수는 -0.5344408 입니다.
• 해당 p-값은 0.1115 입니다.

상관 계수가 음수이므로 이는 두 변수 사이에 음의 선형 관계가 있음을 나타냅니다.

그러나 상관계수의 p-값이 0.05 이상이므로 통계적으로 유의한 상관관계는 없습니다.

cor.test(x, y)$p.value를 입력하여 상관 계수에 대한 p-값만 추출할 수도 있습니다.

 #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

상관 계수의 p-값은 0.1114995 입니다.

이는 이전 출력의 p-값과 일치합니다.

추가 리소스

다음 튜토리얼에서는 R에서 다른 일반적인 작업을 수행하는 방법을 설명합니다.

R에서 부분 상관 관계를 계산하는 방법
R에서 Spearman의 상관관계를 계산하는 방법
R에서 슬라이딩 상관관계를 계산하는 방법