R 模拟与多个其他向量相关的数据

我试图模拟一个与其他几个向量相关的向量。我找到了模拟一个与另一个向量相关的向量的代码，但不知道如何模拟与多个其他向量相关的向量：

这是我的密码：

library(faux)
p4<-rnorm_pre(data$p1, mu = 0, sd = 10, r = 0.4, empirical = FALSE)

我想添加另一列，称为p4，它是模拟数据的向量，与p1和p3相关

---

非常感谢您的任何建议。

新的向量可以像上面所说的那样创建

数据采用

dput

格式

---

data By“与多个其他参数的相关性”你是指“与多个其他向量的相关性”吗？你能发布样本数据吗？请使用
dput（数据$p1）
的输出编辑问题。或者，如果使用
dput（head（data$p1，20））
@RuiBarradas的输出太大，我已经使用示例数据（如果非常大，则使用完整的数据集）进行了更新。是的，我指的是矢量。谢谢你的回复！我只想模拟一个向量（p4）。其他向量已经存在。创建数据关联矩阵时，它还创建了所有其他p#向量之间的关联。例如，我希望p4与p1的相关性为-0.3，与p3的相关性为0.2。我认为我不理解代码的过程@芮Barradas@Cae.rich函数
rnorm_pre
创建具有给定平均值、标准差和相关性的新向量。这些是人口统计，因为默认情况下，
emerical=FALSE
。数据相关矩阵仅用于查看函数设法与其他向量生成的向量
p4
的实际相关值。@Cae.rich例如，我要求
cor（p1，p4）==-0.2
并获得
-0.21833687
cor（p2，p4）
甚至与作为参数传递给函数的所需值相差很远。明白了！这是有道理的。所以r=c（-0.2,0.2,0.1）分别表示p4和p1、p2和p3之间的期望相关性？是否有一种方法可以确定某些向量的相关性，而不是所有向量的相关性。例如，p1和p3，但没有p2的特定相关性？谢谢你所有的帮助help@Cae.rich如果将data.frame作为子集，则可以指定某些向量的相关性。frame将使用示例进行编辑。
 ID  p1  p2  p3 
 1 0.25 0.30 0.02
 2 0.05 0.67 0.18
 3 0.09 0.31 0.38
 4 0.55 0.87 0.21
 5 0.25 0.64 0.01

library(faux)

data$p4 <- rnorm_pre(
  data[-1],             # remove 1st column ID
  mu = 0, 
  sd = 4, 
  r = c(-0.2, 0.2, 0.1)
)

cor(data[-1])
#           p1         p2          p3          p4
#p1  1.0000000  0.5695821 -0.20120754 -0.21833687
#p2  0.5695821  1.0000000 -0.08533300  0.60506386
#p3 -0.2012075 -0.0853330  1.00000000  0.06803646
#p4 -0.2183369  0.6050639  0.06803646  1.00000000

data$p5 <- rnorm_pre(
  data[c("p1", "p3")],  # only columns p1 and p3
  mu = 0,
  sd = 1,
  r = c(0.5, -0.2)
)

cor(data[c("p1", "p3", "p5")])
#           p1         p3         p5
#p1  1.0000000 -0.2012075  0.5772403
#p3 -0.2012075  1.0000000 -0.0806465
#p5  0.5772403 -0.0806465  1.0000000

data <-
structure(list(ID = 1:5, p1 = c(0.25, 0.05, 0.09, 0.55, 0.25), 
    p2 = c(0.3, 0.67, 0.31, 0.87, 0.64), p3 = c(0.02, 0.18, 0.38, 
    0.21, 0.01)), class = "data.frame", row.names = c(NA, -5L))