Korelācijas koeficientu matrice ar p-vērtībām

Analizējot datus ļoti bieži ir situācija, kad nepieciešams aprēķināt korelācijas koeficientus starp vairākām datu kolonnām savos datos. Visvieglāk to programmā R ir izdarīt ar funkciju cor(), kurā liek visas vajadzīgās kolonnas vai datu masīvu.

data(iris)
cor(iris[,1:4])

##              Sepal.Length Sepal.Width Petal.Length Petal.Width
## Sepal.Length    1.0000000  -0.1175698    0.8717538   0.8179411
## Sepal.Width    -0.1175698   1.0000000   -0.4284401  -0.3661259
## Petal.Length    0.8717538  -0.4284401    1.0000000   0.9628654
## Petal.Width     0.8179411  -0.3661259    0.9628654   1.0000000

Problēma ar funkciju cor() ir tāda, ka tā aprēķina tikai korelācijas koeficientus, bet nenorāda būtiskumu. Ja ir vēlme noskaidrot būtiskumu, tad jāskatās speciālajās tabulās, vai arī jāizmanto funkcija cor.test(), kurā vienlaicīgi var salīdzināt tikai divus mainīgos.

Risinājums šai problēmai ir meklējams paketē ltm, kas satur funkciju rcor.test(). Šī funkcija ne tikai aprēķina korelācijas koeficientus starp vairākām kolonnām datu masīvā (matricas augšējā daļa), bet vienlaicīgi arī parāda atbilstošās p-vērtības (matricas apakšējā daļa), kas uzreiz ļauj novērtēt korelācijas koeficientu būtiskumu.

library(ltm)
rcor.test(iris[,1:4])

## 
##              Sepal.Length Sepal.Width Petal.Length Petal.Width
## Sepal.Length  *****       -0.118       0.872        0.818     
## Sepal.Width   0.152        *****      -0.428       -0.366     
## Petal.Length <0.001       <0.001       *****        0.963     
## Petal.Width  <0.001       <0.001      <0.001        *****     
## 
## upper diagonal part contains correlation coefficient estimates 
## lower diagonal part contains corresponding p-values