<\/p>\n
U kunt de functie cor()<\/strong> in R gebruiken om correlatieco\u00ebffici\u00ebnten tussen variabelen te berekenen.<\/span><\/p>\n Dit zijn de meest gebruikelijke manieren om deze functie te gebruiken:<\/span><\/p>\n Methode 1: bereken de Pearson-correlatieco\u00ebffici\u00ebnt tussen twee variabelen<\/strong><\/span><\/p>\n Gebruik de Pearson-correlatieco\u00ebffici\u00ebnt bij het berekenen van de correlatie tussen twee continue variabelen. (bijvoorbeeld lengte en gewicht)<\/span><\/p>\n Methode 2: Bereken de Pearson-correlatieco\u00ebffici\u00ebnt tussen alle numerieke variabelen in het dataframe<\/strong><\/span><\/p>\n Deze methode retourneert een correlatiematrix<\/a> die de Pearson-correlatieco\u00ebffici\u00ebnt bevat tussen elke paarsgewijze combinatie van numerieke variabelen in een dataframe.<\/span><\/p>\n Methode 3: bereken de Spearman-correlatieco\u00ebffici\u00ebnt tussen twee variabelen<\/strong><\/span><\/p>\n Gebruik de correlatieco\u00ebffici\u00ebnt van Spearman bij het berekenen van de correlatie tussen twee gerangschikte variabelen. (bijv. rangschikking van de wiskunde-examenscore van een leerling versus de rangschikking van zijn wetenschapsexamenscore in een klas)<\/span><\/p>\n Methode 4: bereken de Kendall-correlatieco\u00ebffici\u00ebnt tussen twee variabelen<\/strong><\/span><\/p>\n Gebruik de correlatieco\u00ebffici\u00ebnt van Kendall als u de correlatie van Spearman wilt gebruiken, maar de steekproefomvang klein is en er veel verbanden zijn.<\/span><\/p>\n De volgende voorbeelden laten zien hoe je elke methode in de praktijk kunt gebruiken met het volgende dataframe in R dat het aantal uren aan studeren toont, het aantal afgelegde oefenexamens en het eindexamencijfer voor acht verschillende studenten:<\/span><\/p>\n De volgende code laat zien hoe u de functie cor()<\/strong> gebruikt om de Pearson-correlatieco\u00ebffici\u00ebnt tussen de uren-<\/strong> en scorevariabelen<\/strong> te berekenen:<\/span><\/p>\n De Pearson-correlatieco\u00ebffici\u00ebnt tussen uren<\/strong> en score<\/strong> bleek 0,86 te zijn.<\/strong><\/span><\/p>\n Houd er rekening mee dat als er NA-waarden in uw dataframe voorkomen, u het argument use=’complete.obs‘<\/strong> kunt gebruiken om alleen de rijen te gebruiken waar geen NA-waarden zijn:<\/span><\/p>\n De volgende code laat zien hoe u de functie cor()<\/strong> gebruikt om een correlatiematrix te maken die de Pearson-correlatieco\u00ebffici\u00ebnt bevat tussen alle numerieke variabelen in het gegevensframe:<\/span><\/p>\n Zo interpreteert u het resultaat:<\/span><\/p>\n Opmerking<\/strong> : de Pearson-correlatieco\u00ebffici\u00ebnt tussen elke individuele variabele en zichzelf is altijd 1, daarom is elke waarde langs de diagonaal van de correlatiematrix 1.<\/span><\/p>\n De volgende code laat zien hoe u de functie cor()<\/strong> gebruikt om de Spearman-correlatieco\u00ebffici\u00ebnt tussen de variabelen hours<\/strong> en prac_exams<\/b> te berekenen:<\/span><\/p>\n De Spearman-correlatieco\u00ebffici\u00ebnt tussen uren<\/strong> en praktijkexamens<\/b> blijkt -0,125 te zijn.<\/strong><\/span><\/p>\n De volgende code laat zien hoe u de functie cor()<\/strong> gebruikt om de Kendall-correlatieco\u00ebffici\u00ebnt tussen de variabelen hours<\/strong> en prac_exams<\/b> te berekenen:<\/span><\/p>\n De Kendall’s correlatieco\u00ebffici\u00ebnt tussen uren<\/strong> en praktijkexamens<\/b> blijkt -0,123 te zijn.<\/strong><\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in R kunt uitvoeren:<\/span><\/p>\n Hoe de glijdende correlatie in R te berekenen<\/a> U kunt de functie cor() in R gebruiken om correlatieco\u00ebffici\u00ebnten tussen variabelen te berekenen. Dit zijn de meest gebruikelijke manieren om deze functie te gebruiken: Methode 1: bereken de Pearson-correlatieco\u00ebffici\u00ebnt tussen twee variabelen cor(df$x, df$y) Gebruik de Pearson-correlatieco\u00ebffici\u00ebnt bij het berekenen van de correlatie tussen twee continue variabelen. (bijvoorbeeld lengte en gewicht) Methode 2: Bereken […]<\/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":[],"class_list":["post-3974","post","type-post","status-publish","format-standard","hentry","category-gids"],"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 Voorbeeld 1: Bereken de Pearson-correlatieco\u00ebffici\u00ebnt tussen twee variabelen<\/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 Voorbeeld 2: Bereken de Pearson-correlatieco\u00ebffici\u00ebnt tussen alle numerieke variabelen<\/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
Voorbeeld 3: Bereken de Spearman-correlatieco\u00ebffici\u00ebnt tussen twee variabelen<\/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 Voorbeeld 4: Bereken de Kendall-correlatieco\u00ebffici\u00ebnt tussen twee variabelen<\/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 Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe autocorrelatie in R te berekenen<\/a>
Hoe de gedeeltelijke correlatie in R te berekenen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"