如何从R'的相关分析中计算P值和标准差；s cor（）

我有一个包含54个样本的每个条件（x和y）。 我用以下方法计算了相关性：

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

>dat cor（dat$x，dat$y）
[1] 0.2870823

在上面R的cor（）函数中，是否有一种生成相关性SE的原生方法 T检验的p值

---

正如本文（第14.6页）所解释的，我认为您要查找的只是

cor.test（）

函数，它将返回您要查找的所有内容，除了标准的相关错误。但是，正如您所看到的，这个公式非常简单，如果您使用

cor.test

，您就有了计算它所需的所有输入

使用示例中的数据（以便您自己将其与第14.6页的结果进行比较）：

如果需要，还可以创建如下函数，以包含相关系数的标准误差

为方便起见，以下是方程式：

r=相关估计值，n-2=自由度，这两个参数在上述输出中都很容易获得。因此，一个简单的函数可以是：

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

此处，“mydf”的定义如下：

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))

---

mydf您不能简单地从返回值中获取测试统计信息吗？当然，测试统计是估算值/se，因此您可以计算se，而不只是将估算值除以tstat：

在上述答案中使用
mydf
：

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

       cor 
-0.8492663 
        t 
-5.086732 

也许你在寻找
？cor.test
。这个等式需要引用，不是（1-r^2）/sqrt（自由度）吗？或
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))

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

       cor 
-0.8492663 
        t 
-5.086732