Comment calculer la valeur P et l’erreur standard à partir de l’analyse de corrélation de R's cor ()

J'ai données qui contiennent 54 échantillons pour chaque condition (x et y).
J'ai calculé la corrélation de la manière suivante:

> dat <- read.table("http://dpaste.com/1064360/plain/",header=TRUE)
> cor(dat$x,dat$y)
[1] 0.2870823

Est-il un natif de façon à produire SE de corrélation dans la R de cor() les fonctions ci-dessus
et la p-valeur du test T?

Comme expliqué dans ce web (page 14.6)

source d'informationauteur neversaint

  1. 22

    Je pense que ce que vous cherchez est tout simplement le cor.test() fonction, qui sera de retour tout ce que vous cherchez à l'exception de l'erreur standard de la corrélation. Cependant, comme vous pouvez le voir, la recette est très simple, et si vous utilisez cor.testvous avez tous les éléments nécessaires pour le calculer.

    En utilisant les données de l'exemple (de sorte que vous pouvez comparer vous-même avec les résultats sur la page de 14,6):

    > cor.test(mydf$X, mydf$Y)

    Pearson's product-moment correlation

data:  mydf$X and mydf$Y
t = -5.0867, df = 10, p-value = 0.0004731
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 -0.9568189 -0.5371871
sample estimates:
       cor 
-0.8492663

    Si vous voulez, vous pouvez également créer une fonction comme celui-ci à inclure l'erreur type du coefficient de corrélation.

    Pour des raisons de commodité, voici l'équation:

    Comment calculer la valeur P et l’erreur standard à partir de l’analyse de corrélation de R's cor ()

    r = estimation de la corrélation et de la n - 2 = degrés de liberté, qui sont tous deux facilement accessibles dans la sortie ci-dessus. Ainsi, une fonction simple pourrait être:

    cor.test.plus <- function(x) {
  list(x, 
       Standard.Error = unname(sqrt((1 - x$estimate^2)/x$parameter)))
}

    Et de l'utiliser comme suit:

    cor.test.plus(cor.test(mydf$X, mydf$Y))

    Ici, "mydf" est défini comme suit:

    mydf <- structure(list(Neighborhood = c("Fair Oaks", "Strandwood", "Walnut Acres",
  "Discov. Bay", "Belshaw", "Kennedy", "Cassell", "Miner", "Sedgewick", 
  "Sakamoto", "Toyon", "Lietz"), X = c(50L, 11L, 2L, 19L, 26L, 
  73L, 81L, 51L, 11L, 2L, 19L, 25L), Y = c(22.1, 35.9, 57.9, 22.2, 
  42.4, 5.8, 3.6, 21.4, 55.2, 33.3, 32.4, 38.4)), .Names = c("Neighborhood", 
  "X", "Y"), class = "data.frame", row.names = c(NA, -12L))
  2. 3

    Ne pouvez-vous pas simplement prendre la statistique de test à partir de la valeur de retour? Bien sûr, la statistique de test est l'estimation/se de sorte que vous pouvez calc se de juste divisant l'estimation par la tstat:

    À l'aide de mydf dans la réponse ci-dessus:

    r = cor.test(mydf$X, mydf$Y)
tstat = r$statistic
estimate = r$estimate
estimate; tstat

       cor 
-0.8492663 
        t 
-5.086732