Puedes utilizar la función cor() para producir correlaciones y la función cov( ) para producir covarianzas.
Un formato simplificado es cor(x, use=, method= ) donde
Opción
Descripción
x
Matriz o marco de datos
utiliza
Especifica el tratamiento de los datos que faltan. Las opciones son todas.obs (supone que no faltan datos - los datos que faltan producirán un error), completas.obs (eliminación por listas) y por pares.completas.obs (eliminación por pares).
método
Especifica el tipo de correlación. Las opciones son Pearson, Spearman o Kendall.
# Correlations/covariances among numeric variables in# data frame mtcars. Use listwise deletion of missing data.
cor(mtcars, use="complete.obs", method="kendall")
cov(mtcars, use="complete.obs")Con la tecnología de
Por desgracia, ni cor( ) ni cov( ) producen pruebas de significación, aunque puedes utilizar la función cor.test( ) para probar un único coeficiente de correlación.
La función rcorr( ) del paquete Hmisc produce correlaciones/covarianzas y niveles de significación para las correlaciones de Pearson y Spearman. Sin embargo, la entrada debe ser una matriz y se utiliza la eliminación por pares.
# Correlations with significance levels
library(Hmisc)
rcorr(x, type="pearson")# type can be pearson or spearman#mtcars is a data frame
rcorr(as.matrix(mtcars))Con la tecnología de
Puedes utilizar el formato cor(X, Y) o rcorr(X, Y) para generar correlaciones entre las columnas de X y las columnas de Y. Esto es similar a los comandos VAR y WITH de SAS PROC CORR.
# Correlation matrix from mtcars# with mpg, cyl, and disp as rows# and hp, drat, and wt as columns
x <- mtcars[1:3]
y <- mtcars[4:6]
cor(x, y)Con la tecnología de
Otros tipos de correlaciones
# polychoric correlation# x is a contingency table of counts
library(polycor)
polychor(x)# heterogeneous correlations in one matrix# pearson (numeric-numeric),# polyserial (numeric-ordinal),# and polychoric (ordinal-ordinal)# x is a data frame with ordered factors# and numeric variables
library(polycor)
hetcor(x)# partial correlations
library(ggm)
data(mydata)
pcor(c("a","b","x","y","z"), var(mydata))# partial corr between a and b controlling for x, y, zCon la tecnología de
Puedes utilizar la función cor( ) para producir correlaciones y la función cov( ) para producir covarianzas.
Un formato simplificado es cor(x, use=, method= ) donde
Por desgracia, ni cor ( ) ni cov( ) producen pruebas de significación, aunque puedes utilizar la función cor.test( ) para probar un único coeficiente de correlación.
La función rcorr( ) del paquete Hmisc produce correlaciones/covarianzas y niveles de significación para las correlaciones de Pearson y Spearman. Sin embargo, la entrada debe ser una matriz y se utiliza la eliminación por pares.
Puedes utilizar el formato cor(X, Y) o rcorr(X, Y) para generar correlaciones entre las columnas de X y las columnas de Y. Esto es similar a los comandos VAR y WITH de SAS PROC CORR.
Otros tipos de correlaciones
Visualizar Correlaciones
Utiliza corrgram( )para trazar correlogramas .
Utiliza pares()o splom( )para crear matrices de dispersión.
Practicar
Prueba este curso interactivo sobre Aprendizaje Supervisado en R: Regresión