如何為某些變量而不是所有變量制作相關矩陣

Question

我有一個包含 70 個變量的數據集。 變量的名稱如 bio1 到 bio70。 我只需要檢查一個變量（例如 bio2）與其他 70 個變量的相關性。 我使用了以下代碼

## Generate scatterplot matrix
splom(MyData, panel = panel.smoothScatter, raster= TRUE, na=TRUE)
# Generate Correlations
cor(MyData, use = "pairwise.complete.obs")
corrplot.mixed(cor(MyData, use="pairwise.complete.obs"), lower.col = "black")

但是這些代碼為我創建了一個 70 x 70 的矩陣，我不需要它。 我怎樣才能改變這些代碼來給出一個變量（例如 bio2）與其他變量的相關矩陣？ 謝謝

Answer 1

您沒有提供數據集，所以我將使用tidyverse和correlation包向您展示 R 的iris數據集。 首先加載庫：

#### Load Libraries ####
library(correlation)
library(tidyverse)

然后從那里您可以使用以下代碼運行相關矩陣：

#### Correlation Matrix Default ####
iris %>% 
  correlation()

# Correlation Matrix (pearson-method)

Parameter1   |   Parameter2 |     r |         95% CI | t(148) |         p
-------------------------------------------------------------------------
Sepal.Length |  Sepal.Width | -0.12 | [-0.27,  0.04] |  -1.44 | 0.152    
Sepal.Length | Petal.Length |  0.87 | [ 0.83,  0.91] |  21.65 | < .001***
Sepal.Length |  Petal.Width |  0.82 | [ 0.76,  0.86] |  17.30 | < .001***
Sepal.Width  | Petal.Length | -0.43 | [-0.55, -0.29] |  -5.77 | < .001***
Sepal.Width  |  Petal.Width | -0.37 | [-0.50, -0.22] |  -4.79 | < .001***
Petal.Length |  Petal.Width |  0.96 | [ 0.95,  0.97] |  43.39 | < .001***

p-value adjustment method: Holm (1979)
Observations: 150

如果你只想 select 萼片變量，你可以改用這段代碼：

#### Only Use Sepal Variables ####
iris %>% 
  select(Sepal.Length,
         Sepal.Width) %>% 
  correlation()

現在給你這個有限的矩陣：

# Correlation Matrix (pearson-method)

Parameter1   |  Parameter2 |     r |        95% CI | t(148) |     p
-------------------------------------------------------------------
Sepal.Length | Sepal.Width | -0.12 | [-0.27, 0.04] |  -1.44 | 0.152

p-value adjustment method: Holm (1979)
Observations: 150

另一種方法是取消選擇您不需要的變量：

#### Alternative ####
iris %>% 
  select(-Petal.Length,
         -Petal.Width) %>% 
  correlation()

編輯

似乎您還想要相關性 plot。我更喜歡使用ggcorrplot ，因為它看起來更好並且更易於使用。 這是一個簡單的例子，只從矩陣中取消選擇一個變量：

#### Using ggcorrplot ####
library(ggcorrplot)
corr <- iris %>% 
  select(-Petal.Length) %>% 
  correlation()
corr
ggcorrplot(corr = corr,
           type = "lower",
           lab = T)

給你這個：