<\/p>\n
De correlatieco\u00ebffici\u00ebnt van Pearson<\/a> kan worden gebruikt om de lineaire associatie tussen twee variabelen te meten.<\/span><\/p>\n Deze correlatieco\u00ebffici\u00ebnt heeft altijd een waarde tussen -1<\/strong> en 1<\/strong> waarbij:<\/span><\/p>\n Om te bepalen of een correlatieco\u00ebffici\u00ebnt statistisch significant is, kun je de bijbehorende t-score en p-waarde berekenen.<\/span><\/p>\n De formule voor het berekenen van de t-score van een correlatieco\u00ebffici\u00ebnt (r) is:<\/span><\/p>\n t = r\u221a n-2<\/span> \/ \u221a 1-r 2<\/sup><\/span><\/span><\/p>\n De p-waarde wordt berekend als de overeenkomstige tweezijdige p-waarde voor de t-verdeling met n-2 vrijheidsgraden.<\/span><\/p>\n Om de p-waarde van een Pearson-correlatieco\u00ebffici\u00ebnt in R te berekenen, kunt u de functie cor.test()<\/strong> gebruiken.<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze functie in de praktijk kunt gebruiken.<\/span><\/p>\n De volgende code laat zien hoe u de functie cor.test()<\/strong> gebruikt om de p-waarde van de correlatieco\u00ebffici\u00ebnt tussen twee variabelen in R te berekenen:<\/span><\/p>\n Uit het resultaat kunnen we zien:<\/span><\/p>\n Omdat de correlatieco\u00ebffici\u00ebnt negatief is, geeft dit aan dat er een negatief lineair verband bestaat tussen de twee variabelen.<\/span><\/p>\n Omdat de p-waarde van de correlatieco\u00ebffici\u00ebnt echter niet kleiner is dan 0,05, is de correlatie niet statistisch significant.<\/span><\/p>\n Merk op dat we ook cor.test(x, y)$p.value<\/strong> kunnen typen om alleen de p-waarde voor de correlatieco\u00ebffici\u00ebnt te extraheren:<\/span><\/p>\n De p-waarde voor de correlatieco\u00ebffici\u00ebnt is 0,1114995<\/strong> .<\/span><\/p>\n Dit komt overeen met de p-waarde van de vorige uitvoer.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in R kunt uitvoeren:<\/span><\/p>\n Hoe de gedeeltelijke correlatie in R te berekenen<\/a> De correlatieco\u00ebffici\u00ebnt van Pearson kan worden gebruikt om de lineaire associatie tussen twee variabelen te meten. Deze correlatieco\u00ebffici\u00ebnt heeft altijd een waarde tussen -1 en 1 waarbij: -1 : Perfect negatieve lineaire correlatie tussen twee variabelen. 0 : Geen lineaire correlatie tussen twee variabelen. 1: Perfect positieve lineaire correlatie tussen twee variabelen. Om te bepalen […]<\/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-4289","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n\n
horn. test<\/span> (x,y)\n<\/strong><\/pre>\n Voorbeeld: Bereken de P-waarde voor de correlatieco\u00ebffici\u00ebnt 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 Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe de Spearman-correlatie in R te berekenen<\/a>
Hoe de glijdende correlatie in R te berekenen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"