R进行相关性分析

一、相关性矩阵计算：

[1] 加载数据：
　　data = read.csv(“231-6057_2016-04-05-ZX_WD_2.csv”,header=FALSE)
说明：csv格式的数据，header=FALSE 表示没有标题，即数据从第一行开始。
[2] 计算相关性矩阵（可以自己指定采用的方法，“pearson”, “kendall”, “spearman”）
注：cor(x,y,method = c(“pearson”, “kendall”, “spearman”))
　　cor_matr = cor(data)
　　cor_matr

二 相关系数的显著性水平（Correlation significance levels (p-value)）

使用Hmisc 包，不仅可以计算相关性矩阵，还可以计算对应的显著性水平
[1] 安装包 Hmisc （依赖包也会一并安装，lib代表安装包的路径）
　　install.packages(“Hmisc”,lib=“E:/Program Files/R/R-3.3.0/library/”)
[2] 加载包
　　library(Hmisc)
[3] 计算相关性和显著水平 (as.matrix(data) 表示将data转换成矩阵)
　　rcorr(as.matrix(data))
输出说明：
r ：第一个矩阵为相关性矩阵
n : 处理数据的总记录数（行数）
P : 显著性水平矩阵（越小说明越显著）

三、可视化相关性分析

[1] 使用 symnum() 函数实现可视化 (cor_matr 是我们上文中cor()函数计算出来的相关性矩阵)
symnum(cor_matr)
符号说明：在输出的最后一行，说明了符号的意义，例如 [0.9 , 0.95) 这个区间使用 * 表示。其他符号类似
[2] 使用 corrplo