使用 R 的非零零假设的相关显着性答案

【问题标题】：Correlation significance for non-zero null hypothesis using R使用 R 的非零零假设的相关显着性
【发布时间】：2011-12-28 03:30:54
【问题描述】：

我正在测试两个变量之间的相关性：

set.seed(123)
x <- rnorm(20)
y <- x + x * 1:20
cor.test(x, y, method = c("spearman"))

给出：

Spearman's rank correlation rho

data:  x and y 
S = 54, p-value = 6.442e-06
alternative hypothesis: true rho is not equal to 0 
sample estimates:
   rho 
0.9594

p 值正在检验相关性为零的原假设。是否有一个 R 函数可以让我测试不同的零假设——比如相关性小于或等于 0.3？

【问题讨论】：

在我看来，这对于排名相关程序来说会很困难。您可能想在堆栈交换上提出问题（没有特定于 R 的标签）...
我认为@BenBolker 的意思是 stats.stackexchange.com，所以你知道。
我现在缺少脑细胞，但你不会从实际计算两个数据集的相关系数开始，然后用空检验或贝叶斯估计您的计算质量？
也许你在这里找到答案：stats.stackexchange.com/q/14220/3094

标签： r correlation

【解决方案1】：

您可以使用 bootstrap 计算 rho 的置信区间：

1) 制作函数来提取 cor.test 的估计值（记得放置索引，以便引导可以对数据进行采样）：

rho <- function(x, y, indices){
  rho <- cor.test(x[indices], y[indices],  method = c("spearman"))
  return(rho$estimate)
}

2) 使用boot 包来引导您的估计：

library(boot)    
boot.rho <- boot(x ,y=y, rho, R=1000)

3) 取置信区间：

boot.ci(boot.rho)

【讨论】：

【解决方案2】：

问题中没有说，但是如果您可以接受 Pearson 假设（二元正态），您可以只查看置信区间的上限。任何像您这样大于该值的零假设都会在 p

> cor.test(x, y, method = c("pearson"))$conf
[1] 0.7757901 0.9629837

【讨论】：

是的，我曾为皮尔逊系数考虑过这一点，但不幸的是，我的真实数据中有几个异常值，因此我认为 rho 会更合适。我不知道是否有办法为 rho 生成置信区间。
您可以使用 bootstrap 为 rho 生成置信区间，请参阅其他答案。