重剑无锋！15种相关分析算法，总有一款适合你！

科技前沿 • 2025-04-10 15:32 • 阅读 37

大家好，我是讯享网，很高兴认识大家。

相关系数（Correlation coefficient）可用于评估两个变量之间的线性关系，它的值在-1到1之间，-1或1代表完美的负相关和正相关，0表示不存在线性关系。

计算相关系数的方法种类繁多，各有自己的定义以及适用情况

面对相同的数据，如果采用不同的相关分析，会得出不同的相关系数，如下图：

讯享网

图片来源： [1]

第二种常见的相关分析方法应该是Spearman相关（Spearman's correlation），是一种非参数检验，受到的限制相对较少，可用于非正态分布的变量。

其实，掌握上述两种方法应该可以解决90%+以上的相关分析问题！

但是，小编接下来将会介绍15种相关分析算法的实操代码，助你在“相关分析”这个领域，可以“一览众山小”

马上进入操作部分

首先，安装R包{correlation}:

接下来使用R自带的数据集“iris”作为实战演练的例子，想要使用Pearson相关计算“iris”的各个变量之间的相关系数，并且计算它们的95%置信区间，以及p值。
那该怎么办？
代码简单的有点恐怖

输出结果非常的简洁明了！

correlation()在默认情况下，将“iris”中的非连续变量“Species”剔除，只将其他四个连续变量分别进行两两的相关分析，使用的方法为Pearson相关，p值的计算使用了Holm(1979)方法进行多重校正。

此外，也可以采用不同的呈现结果的方法：

这非常实用

除默认的Pearson相关外，correlation()共含有以下相关分析：

Pearson's correlation （默认）
Spearman's rank correlation
Kendall's rank correlation
Biweight midcorrelation
Distance correlation
Percentage bend correlation
Shepherd's Pi correlation
Blomqvist' coefficient
Hoeffding's D
Gamma correlation
Gaussian rank correlation
Point-Biserial and biserial correlation
Polychoric correlation
Tetrachoric correlation
Auto （根据数据自动选择）

与上述相关方法相对应的R中代码字符如下，只需要选取对应的代码既可以进行想要的相关分析

"pearson"
"spearman"
"kendall"
"biweight"
"distance"
"percentage"
"shepherd"
"blomqvist"
"hoeffding"
"gamma"
"gaussian"
"biserial"
"polychoric"
"tetrachoric"
"auto"

如果想要更加详细的了解上述的相关分析方法，可以?correlation查看帮助文档，见下图：

以使用spearman相关为例，只要将代码改为 method = "spearman" 即可使用：

好啦，今天的内容就到这里，感兴趣的小伙伴可以参考以下文献深入学习[1][2]。

如果有帮助，记得分享给需要的人

参考文献

[1]. Makowski et al., (2020). Methods and Algorithms for Correlation Analysis in R.
[2]. https://easystats.github.io/correlation/index.html
人工智能大气环境气象水文土壤地下水视频教程汇总https://mp.weixin..com/s?__biz=MzUzMTczMDMwMw==&mid=&idx=4&sn=0d68a31fcdac77b47f1aec2c04e65f78&chksm=fabc9918cdcb100e706da62a720dca2fc4a4aac001bad3e01d066dfa6bd&token=&lang=zh_CN#rd

重剑无锋！15种相关分析算法，总有一款适合你！

相关推荐