相关性分析-spearman相关性

最近在用R最相关性分析，主要考虑到宏基因组丰度数据和环境因子之间的关系，这里做一下记录

pearson相关系数：适用于连续性变量，且变量服从正态分布的情况，为参数性的相关系数。

spearman相关系数：适用于连续性及分类型变量，为非参数性的相关系数。

由于是数据情况，经过正态性检验，发现不符合正态分布，所以考虑spearman相关系数

使用R包psych

```

library(psych)

rm(list = ls())

envdata <- read.csv("理化性质-无偏差.csv")

rownames(envdata)<-envdata[,1]

envdata<-envdata[,-1]

envdata<-as.matrix(envdata)

sampledata <- read.csv("aro_abun.csv")

rownames(sampledata)<-sampledata[,1]

sampledata<-sampledata[,-1]

sampledata<-as.matrix(sampledata)

result=corr.test(envdata,sampledata,method = "spearman",adjust="fdr")

```

重点是：

result=corr.test(envdata,sampledata,method = "spearman",adjust="fdr")

result中r为相关系数矩阵，p为p-value矩阵，可以画热图