能给我讲一讲R语言中cor函数的用法吗，以及具体的实现步骤呢？

Python037

能给我讲一讲R语言中cor函数的用法吗，以及具体的实现步骤呢？,第1张

cor.test(X,Y,method="")

method可以为"spearman","pearson" and "kendall",分别对应三种相关系数的计算和检验。

1 perrson相关系数

>n <- 10

>x <- rnorm(n)

>y <- rnorm(n)

>cor(x,y)

[1] -0.4132864

>cor.test(x,y)

Pearson's product-moment correlation

data: x and y

t = -1.2837, df = 8, p-value = 0.2352

alternative hypothesis: true correlation is not equal to 0

95 percent confidence interval:

-0.8275666 0.2924366

sample estimates:

cor

-0.4132864

上面给出了相关系数的可信度区间和P-value

2 spearman相关系数和

kendall相关系数

同上，只要把method改成spearman和kendall

官方给的解释是

其实这几个参数是用于控制 NA 值的，那具体在实际运用中都有哪些效果呢？

就是说矩阵中如果某一列向量有NA值，那么该参数的作用是凡是同具有NA值的那一列向量计算相关性，得到的相关性都是NA

那么凡是与a计算的相关性都为NA

这一个参数要求数据中不能含有NA，否则报错，只有不含有NA才能正常计算

这个参数的作用是将具有NA值的那一行数据删除，用剩下的数据计算两两间相关性；如果每一行数据都有NA则会报错

如果每一行数据都有NA，则会报错：

这个参数的作用和complete.obs类似，只不过如果每一列向量都有NA，则计算相关性的矩阵并不会报错，而会给出NA

而如果每一行数据都有NA，则会相关性会给出NA：

这个参数有些复杂，要配合 Pearson 相关系数来计算。它的作用是如果某一列向量中有NA，那么计算该向量与其他向量相关性时，去除具有NA的那一行：

我们看到，由于a向量具有NA，b和c没有NA，所以在计算a，b之间相关性和a，c之间相关性的时候，采取的是去除有NA的那一行，用剩下的数据计算（如dm和dn）；而在计算b，c相关性的时候则是采用用全部数据进行计算的方式（如dr）