cor.test（）的矩阵版本

5 回答

• 13

  psych 包中的 corr.test 旨在执行此操作：

  library("psych")
  data(sat.act)
  corr.test(sat.act)
  

  如评论中所述，要在整个矩阵上复制基础 cor.test() 函数的p值，则需要关闭p值的调整以进行多次比较（默认为使用Holm的调整方法）：

  corr.test(sat.act, adjust = "none")
  

  [但在解释这些结果时要小心！]

  回复于 2024-05-19T13:03:27+08:00
• 5

  如果您严格遵循 cor.test 矩阵格式的pvalues，这是一个从Vincent无耻地窃取的解决方案（LINK）：

  cor.test.p <- function(x){
      FUN <- function(x, y) cor.test(x, y)[["p.value"]]
      z <- outer(
        colnames(x), 
        colnames(x), 
        Vectorize(function(i,j) FUN(x[,i], x[,j]))
      )
      dimnames(z) <- list(colnames(x), colnames(x))
      z
  }
  
  cor.test.p(mtcars)
  

  注意：Tommy也提供了更快的解决方案，但不太容易实现 . 哦，没有循环:)

  Edit 我的 qdapTools 包中有一个函数 v_outer ，这个任务非常简单：

  library(qdapTools)
  (out <- v_outer(mtcars, function(x, y) cor.test(x, y)[["p.value"]]))
  print(out, digits=4)  # for more digits
  

  回复于 2024-05-19T13:03:27+08:00
• 37

  可能最简单的方法是使用Hmisc中的 rcorr() . 它只需要一个矩阵，所以如果你的数据在data.frame中，请使用 rcorr(as.matrix(x)) . 它将返回一个列表，其中包括：1）r成对的矩阵，2）成对n的矩阵，3）r的p值矩阵 . 它会自动忽略丢失的数据 .

  理想情况下，此类函数也应采用data.frames，并输出置信区间符合'New Statistics' .

  回复于 2024-05-19T13:03:27+08:00
• 3

  已接受的解决方案（心理包中的corr.test函数）有效，但对于大型矩阵来说速度极慢 . 我正在使用与药物敏感性矩阵相关的基因表达矩阵（~20,000到~1,000）（~1,000~500）我不得不停止它，因为它需要永远 .

  我从mental包中获取了一些代码并直接使用了cor（）函数，并得到了更好的结果：

  # find (pairwise complete) correlation matrix between two matrices x and y
  # compare to corr.test(x, y, adjust = "none")
  n <- t(!is.na(x)) %*% (!is.na(y)) # same as count.pairwise(x,y) from psych package
  r <- cor(x, y, use = "pairwise.complete.obs") # MUCH MUCH faster than corr.test()
  cor2pvalue = function(r, n) {
    t <- (r*sqrt(n-2))/sqrt(1-r^2)
    p <- 2*(1 - pt(abs(t),(n-2)))
    se <- sqrt((1-r*r)/(n-2))
    out <- list(r, n, t, p, se)
    names(out) <- c("r", "n", "t", "p", "se")
    return(out)
  }
  # get a list with matrices of correlation, pvalues, standard error, etc.
  result = cor2pvalue(r,n)
  

  即使有两个100 x 200矩阵，差异也是惊人的 . 一秒或两秒对45秒 .

  > system.time(test_func(x,y))
     user  system elapsed 
    0.308   2.452   0.130 
  > system.time(corr.test(x,y, adjust = "none"))
     user  system elapsed 
   45.004   3.276  45.814
  

  回复于 2024-05-19T13:03:27+08:00
• -1

  “已接受的解决方案（心理包中的功能）可以正常工作，但对于大型矩阵来说速度非常慢 . ”

  如果你使用 ci=FALSE ，那么速度要快得多 . 默认情况下，会找到置信区间 . 但是，这会导致速度略有下降 . 所以，对于 rs ， ts 和 ps ，设置 ci=FALSE .

  回复于 2024-05-19T13:03:27+08:00