R 语言经典实例（原书第 2 版）

244

｜

第

9

章

假设我们有两个向量 x 和 y，它们都取自正态总体。我们可能会满足于它们的相关性大于 0.75：

cor(x, y)

#> [1] 0.751

但这种想法是很天真的。如果我们运行 cor.test，它会报告相对较大的

p

值 0.09：

cor.test(x, y)

#>

#> Pearson's product-moment correlation

#>

#> data: x and y

#> t = 2, df = 4, p-value = 0.09

#> alternative hypothesis: true correlation is not equal to 0

#> 95 percent confidence interval:

#> -0.155 0.971

#> sample estimates:

#> cor

#> 0.751

p

值高于传统定义的阈值 0.05，因此我们得出结论，相关性不太可能是显著的。

你还可以使用置信区间检验相关系数。在此示例中，置信区间为 (

-

0.155,0.971)。区间内

包含零，因此相关系数有可能为零，在这种情况下就没有相关性。同样，你不太可能确

信所报告的相关系数是显著的。

函数 cor.test 的输出中还包括函数 cor 能输出的相关系数的点估计（在底部，标记

为“样本估计”(sample estimates)），这为你节省了运行 cor 的额外步骤。

默认情况下，cor.test 计算 Pearson 相关分析，它假设潜在的总体是正态分布的。

Spearman ...