วิธีสร้างเมทริกซ์สหสัมพันธ์ใน r (4 ตัวอย่าง)

เมทริกซ์สหสัมพันธ์ คือตารางสี่เหลี่ยมที่แสดง ค่าสัมประสิทธิ์สหสัมพันธ์ ระหว่างตัวแปรในชุดข้อมูล

โดยให้วิธีที่รวดเร็วในการทำความเข้าใจจุดแข็งของความสัมพันธ์เชิงเส้นที่มีอยู่ระหว่างตัวแปรในชุดข้อมูล

มีสี่วิธีทั่วไปในการสร้างเมทริกซ์สหสัมพันธ์ใน R:

วิธีที่ 1: ฟังก์ชัน cor (เพื่อให้ได้เมทริกซ์อย่างง่ายของสัมประสิทธิ์สหสัมพันธ์)

 cor(df)

วิธีที่ 2: ฟังก์ชัน rcorr (เพื่อรับค่า p ของสัมประสิทธิ์สหสัมพันธ์)

 library (Hmisc)

rcorr( as.matrix (df))

วิธีที่ 3: ฟังก์ชัน Corrplot (เพื่อแสดงภาพเมทริกซ์สหสัมพันธ์)

 library (corplot)

corrplot(cor(df))

วิธีที่ 4: ฟังก์ชัน ggcorrplot (เพื่อแสดงภาพเมทริกซ์สหสัมพันธ์)

 library (ggcorrplot)

ggcorrplot(cor(df))

ตัวอย่างต่อไปนี้แสดงวิธีการใช้แต่ละวิธีกับกรอบข้อมูลต่อไปนี้ใน R:

 #create data frame
df <- data. frame (assists=c(4, 5, 5, 6, 7, 8, 8, 10),
                 rebounds=c(12, 14, 13, 7, 8, 8, 9, 13),
                 points=c(22, 24, 26, 26, 29, 32, 20, 14))

#view data frame
df

  assists rebound points
1 4 12 22
2 5 14 24
3 5 13 26
4 6 7 26
5 7 8 29
6 8 8 32
7 8 9 20
8 10 13 14

ตัวอย่างที่ 1: ฟังก์ชันคอร์

เราสามารถใช้ฟังก์ชัน R base cor() เพื่อสร้างเมทริกซ์สหสัมพันธ์ที่แสดงค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างแต่ละตัวแปรในกรอบข้อมูลของเรา:

 #create correlation matrix
cor(df)

            assists rebound points
assists 1.0000000 -0.2448608 -0.3295730
rebounds -0.2448608 1.0000000 -0.5220917
points -0.3295730 -0.5220917 1.0000000

ค่าสัมประสิทธิ์สหสัมพันธ์ตามเส้นทแยงมุมของตารางมีค่าเท่ากับ 1 เนื่องจากตัวแปรแต่ละตัวมีความสัมพันธ์อย่างสมบูรณ์กับตัวมันเอง

ค่าสัมประสิทธิ์สหสัมพันธ์อื่นๆ ทั้งหมดบ่งบอกถึงความสัมพันธ์ระหว่างการรวมตัวแปรแบบคู่ต่างๆ ตัวอย่างเช่น:

• ค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างการแอสซิสต์และการรีบาวด์คือ -0.245
• ค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างแอสซิสต์และแต้มคือ -0.330
• ค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างการรีบาวด์และคะแนนคือ -0.522

ตัวอย่างที่ 2: ฟังก์ชัน rcorr

เราสามารถใช้ฟังก์ชัน rcorr() จากแพ็คเกจ Hmisc ใน R เพื่อสร้างเมทริกซ์สหสัมพันธ์ที่แสดงค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างแต่ละตัวแปรในกรอบข้อมูลของเรา:

 library (Hmisc)

#create matrix of correlation coefficients and p-values
rcorr( as.matrix (df))

         assists rebound points
assists 1.00 -0.24 -0.33
rebounds -0.24 1.00 -0.52
points -0.33 -0.52 1.00

n=8 

P
         assists rebound points
assists 0.5589 0.4253
rebounds 0.5589 0.1844
points 0.4253 0.1844

เมทริกซ์แรกแสดงค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างตัวแปร และเมทริกซ์ที่สองแสดงค่า p ที่สอดคล้องกัน

ตัวอย่างเช่น ค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างแอสซิสต์และการรีบาวน์คือ -0.24 และค่า p ของสัมประสิทธิ์สหสัมพันธ์นี้คือ 0.5589

สิ่งนี้บอกเราว่าความสัมพันธ์ระหว่างตัวแปรทั้งสองนั้นเป็นลบ แต่ไม่มีความสัมพันธ์ที่มีนัยสำคัญทางสถิติเนื่องจากค่า p ไม่น้อยกว่า 0.05

ตัวอย่างที่ 3: ฟังก์ชัน Corrplot

เราสามารถใช้ฟังก์ชัน corrplot() จากแพ็คเกจ corrplot ใน R เพื่อให้เห็นภาพเมทริกซ์สหสัมพันธ์:

 library (corplot)

#visualize correlation matrix
corrplot(cor(df))

สีและขนาดของวงกลมในเมทริกซ์สหสัมพันธ์ช่วยให้เราเห็นภาพความสัมพันธ์ระหว่างตัวแปรแต่ละตัว

ตัวอย่างเช่น วงกลมที่ตัวแปรแอสซิสต์และรีบาวด์ตัดกันมีขนาดเล็กและเป็นสีแดงอ่อน ซึ่งบอกเราว่าความสัมพันธ์นั้นอ่อนแอและเป็นลบ

ตัวอย่างที่ 4: ฟังก์ชัน Corrplot

เราสามารถใช้ฟังก์ชัน ggcorrplot() จากแพ็คเกจ ggcorrplot ใน R เพื่อแสดงภาพเมทริกซ์สหสัมพันธ์:

 library (ggcorrplot)

#visualize correlation matrix
ggcorrplot(cor(df))

สีของสี่เหลี่ยมจัตุรัสในเมทริกซ์สหสัมพันธ์ช่วยให้เราเห็นภาพความสัมพันธ์ระหว่างตัวแปรแต่ละตัว

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีดำเนินการงานทั่วไปอื่นๆ ใน R:

วิธีการคำนวณความสัมพันธ์ของอันดับ Spearman ใน R
วิธีการคำนวณความสัมพันธ์บางส่วนใน R
วิธีการคำนวณความสัมพันธ์แบบเลื่อนใน R