R语言秩相关分析

医学和生信笔记

发布于 2026-05-26 17:13:59

790

文章被收录于专栏：医学和生信笔记医学和生信笔记

R语言秩相关分析

秩相关（rank-correlation）或称等级相关，是用双变量等级数据作直线相关分析，这类方法对原变量分布不作要求，属于非参数统计方法。适用于下列资料：

1. 不服从双变量正态分布而不宜作积差相关分析，这点从原始数据的基本统计描述或直观的散点图中可以看出；
2. 总体分布型未知，例如限于仪器测量精度个别样品的具体数值无法读出而出现“超限值”时（如X<0.001）；
3. 原始数据是用等级表示。

孙振球《医学统计学》第4版例9-8。

某省调查了1995年到1999年当地居民18类死因的构成以及每种死因导致的潜在工作损失年数WYPLL的构成。以死因构成为X，WYPLL构成为Y，作等级相关分析。

data9_8 <- foreign::read.spss("datasets/例09-08.sav", to.data.frame = T,
                              reencode = "gbk")
## re-encoding from gbk
str(data9_8)
## 'data.frame':    18 obs. of  3 variables:
##  $ number: num  1 2 3 4 5 6 7 8 9 10 ...
##  $ x     : num  0.03 0.14 0.2 0.43 0.44 0.45 0.47 0.65 0.95 0.96 ...
##  $ y     : num  0.05 0.34 0.93 0.69 0.38 0.79 1.19 4.74 2.31 5.95 ...
##  - attr(*, "variable.labels")= Named chr [1:3] "编号" "死因构成" "WYPLL构成"
##   ..- attr(*, "names")= chr [1:3] "number" "x" "y"

计算相关系数：

# 方法选择spearman相关
cor(data9_8$x,data9_8$y, method = "spearman")
## [1] 0.9050568

计算P值：

cor.test(data9_8$x,data9_8$y, method = "spearman")
## 
##  Spearman's rank correlation rho
## 
## data:  data9_8$x and data9_8$y
## S = 92, p-value < 2.2e-16
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
##       rho 
## 0.9050568

P<0.001。

如何对相关系数进行校正？直接使用continuity即可（看帮助文档）：

cor.test(data9_8$x,data9_8$y, method = "spearman",continuity=T)
## 
##  Spearman's rank correlation rho
## 
## data:  data9_8$x and data9_8$y
## S = 92, p-value < 2.2e-16
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
##       rho 
## 0.9050568

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2026-05-19，如有侵权请联系 cloudcommunity@tencent.com 删除

变量