R에서 점-이중 상관 관계를 계산하는 방법

점-이차 상관은 이진 변수 x와 연속 변수 y 사이의 관계를 측정하는 데 사용됩니다.

Pearson 상관 계수 와 유사하게 점-이중 상관 계수는 -1과 1 사이의 값을 갖습니다. 여기서:

• -1은 두 변수 사이의 완벽한 음의 상관관계를 나타냅니다.
• 0은 두 변수 사이에 상관관계가 없음을 나타냅니다.
• 1은 두 변수 사이의 완벽한 양의 상관 관계를 나타냅니다.

이 튜토리얼에서는 R에서 두 변수 간의 점-이중 상관 관계를 계산하는 방법을 설명합니다.

예: R의 점-이중 상관 관계

이진 변수 x와 연속 변수 y가 있다고 가정합니다.

 x <- c(0, 1, 1, 0, 0, 0, 1, 0, 1, 1, 0)

y <- c(12, 14, 17, 17, 11, 22, 23, 11, 19, 8, 12)

내장된 R 함수 cor.test()를 사용하여 두 변수 간의 점-이중 상관 관계를 계산할 수 있습니다.

 #calculate point-biserial correlation
cor.test(x, y)

	Pearson's product-moment correlation

data: x and y
t = 0.67064, df = 9, p-value = 0.5193

alternative hypothesis: true correlation is not equal to 0

95 percent confidence interval:
 -0.4391885 0.7233704

sample estimates:
      horn 
0.2181635 

결과에서 우리는 다음을 관찰할 수 있습니다.

• 점-이중 상관 계수는 0.218 입니다.
• 해당 p-값은 0.5193 입니다.

상관계수는 양수이므로 변수 x가 “1”의 값을 가질 때, 변수 y는 변수 x가 “0”의 값을 가질 때보다 더 높은 값을 취하는 경향이 있음을 나타낸다.

그러나 이 상관관계의 p-값은 0.05 이상이므로 통계적으로 유의한 상관관계는 없습니다.

결과는 실제 상관 계수에 대한 95% 신뢰 구간도 제공하며 이는 다음과 같습니다.

95% CI = (-0.439, 0.723)

이 신뢰 구간에는 0이 포함되어 있으므로 상관 계수가 통계적으로 유의하지 않다는 추가 증거를 제공합니다.

참고 : cor.test() 함수에 대한 전체 문서는 여기에서 찾을 수 있습니다.

추가 리소스

다음 튜토리얼에서는 R에서 다른 상관 계수를 계산하는 방법을 설명합니다.

R에서 부분 상관 관계를 계산하는 방법
R에서 슬라이딩 상관관계를 계산하는 방법
R에서 Spearman 순위 상관 관계를 계산하는 방법
R에서 다항성 상관관계를 계산하는 방법