R 系统发育相关检验
我需要在两个变量之间进行相关测试(返回r、t和p.value),这两个变量解释了个体之间的系统发育相关结构。在R中有什么简单的方法可以做到这一点吗?来自R 系统发育相关检验,r,correlation,phylogeny,R,Correlation,Phylogeny,我需要在两个变量之间进行相关测试(返回r、t和p.value),这两个变量解释了个体之间的系统发育相关结构。在R中有什么简单的方法可以做到这一点吗?来自ape软件包,特别是?ape::pic(“系统发育独立对比”): 库(ape) 猫(((人类:0.21,庞戈:0.21):0.28,”, “猕猴:0.49:0.13,小动物:0.62:0.38,加拉戈:1.00);”, file=“ex.tre”,sep=“\n”) 灵长类动物确实,图片是一个很好的选择。我还尝试了使用“nlme”包中的gls函数
ape
软件包,特别是?ape::pic
(“系统发育独立对比”):
库(ape)
猫(((人类:0.21,庞戈:0.21):0.28,”,
“猕猴:0.49:0.13,小动物:0.62:0.38,加拉戈:1.00);”,
file=“ex.tre”,sep=“\n”)
灵长类动物确实,图片是一个很好的选择。我还尝试了使用“nlme”包中的gls函数的pgls模型。但我不确定这些模型返回的统计数据(斜率t值和p.value)是否等同于相关测试,是否独立于系数估计?PIC是最简单的。如果你有更具体的想法,你可以把它们包括在你的原始问题中……另一个解决方案如下:
library(ape)
cat("((((Homo:0.21,Pongo:0.21):0.28,",
"Macaca:0.49):0.13,Ateles:0.62):0.38,Galago:1.00);",
file = "ex.tre", sep = "\n")
tree.primates <- read.tree("ex.tre")
X <- c(4.09434, 3.61092, 2.37024, 2.02815, -1.46968)
Y <- c(4.74493, 3.33220, 3.36730, 2.89037, 2.30259)
names(X) <- names(Y) <- c("Homo", "Pongo", "Macaca", "Ateles", "Galago")
pic.X <- pic(X, tree.primates)
pic.Y <- pic(Y, tree.primates)
cor.test(pic.X, pic.Y)
# Pearson's product-moment correlation
#
# data: pic.X and pic.Y
# t = -0.85623, df = 2, p-value = 0.4821
# alternative hypothesis: true correlation is not equal to 0
# 95 percent confidence interval:
# -0.9874751 0.8823934
# sample estimates:
# cor
# -0.5179156