确定R中的相关性有多好

我正在处理一组数据，我得到了一定的相关性（使用皮尔逊相关系数）。是否有一个R函数或包可以通过排列测试确定相关性的好坏？还是有其他方法可以做到这一点

示例数据：

数据A

  structure(list(A = c(4.7671948292, 5.057230067, 5.3789958351, 
  6.1564088085, 4.8594252454, 5.8761895664, 4.4854758124, 4.7528916483, 
  4.4210848845, 3.9850111524), B = c(4.5852526479, 4.9673151031, 
  5.1601803995, 6.3082498288, 4.5796519129, 5.665788171, 4.2886052774, 
  4.4678455852, 4.4444468354, 3.8911975809)), .Names = c("A", 
  "B"), row.names = c("901_at", "902_at", "903_at", 
   "904_at", "905_at", "906_at", "907_at", "908_at", 
   "909_at", "910_s_at"), class = "data.frame")

数据B

      structure(list(A = c(5.5552465406, 5.8527484565, 8.3272537274, 
      6.4436035152, 5.597121724, 7.7741738479, 4.9931115346, 5.3852788212, 
      6.0292060458, 4.8351702985),B = c(5.6748698406, 6.8504588796, 
      9.4375062219, 7.6984745916, 5.7246927142, 9.0156741296, 4.8601744963, 
     5.4403609238, 6.842929093, 5.474543968)), .Names = c("A", "B"
     ), row.names = c("901_at", "902_at", "903_at", "904_at", 
    "905_at", "906_at", "907_at", "908_at", "909_at", 
    "910_s_at"), class = "data.frame")

相关性计算如下：

   cor1<-cor(data A, data B)

---

cor1以下是我知道的一些功能强大的软件包：-

编辑：-解释得更好一点

CART（分类和回归树）rpart包（您可以根据需要的结果在二进制和非二进制数据集上构建决策树，在您的情况下，它是非二进制的）

BNeT（贝叶斯网络）：-交易包（它基于定义因果关系的贝叶斯定理。）

朴素贝叶斯分类器：-e1071软件包，了解一些关于朴素贝叶斯分类器的基本知识

在R中仍然有许多相关函数。
我发现这个函数非常有效，我想我应该在这里分享它

R包含三个函数，用于通过置换测试皮尔逊相关系数

同样的链接是

查看“硬币”包装。“好”是什么意思？“验证”是什么意思？相关性是经过计算的，这就是样本中的相关性。你可能是说…相关性与0或其他数字不同吗？人口的真实相关性的相关范围是什么？这种相关性是否与其他已知值足够接近，以至于相信他们来自同一人群？皮尔逊相关性是评估这些数据的合适方法吗？…我可以继续。请澄清“好”是什么，以及您要测试/验证的具体内容。@John：通过排列来测试皮尔逊相关系数。但测试什么？测试是什么？