R Корреляционная значимость матрицы

Question

У меня есть большая корреляционная матрица (примерно 50 * 50). Я вычислил матрицу с помощью функции cor (mydata). Теперь я хотел бы иметь равную матрицу значимости. Использование cor.test() У меня может быть один уровень значимости, но есть ли простой способ получить все 1200?

Answer 1

Я думаю, что это должен делать то, что вы хотите, мы используем expand.grid в сочетании с функцией apply:

Поскольку вы не предоставили свои данные, я создал свой собственный набор.

set.seed(123) 
xmat <- matrix(rnorm(50), ncol = 5) 
matrix(apply(expand.grid(1:ncol(xmat), 1:ncol(xmat)), 
     1, 
     function(x) cor.test(xmat[,x[1]], xmat[,x[2]])$`p.value`), 
     ncol = ncol(xmat), byrow = T) 

      [,1]  [,2]  [,3]   [,4]  [,5] 
[1,] 0.00000000 0.08034470 0.24441138 3.293644e-02 0.3234899 
[2,] 0.08034470 0.00000000 0.08716815 4.482848e-01 0.4824117 
[3,] 0.24441138 0.08716815 0.00000000 2.063439e-01 0.9504582 
[4,] 0.03293644 0.44828479 0.20634394 1.063504e-62 0.8378530 
[5,] 0.32348990 0.48241166 0.95045815 8.378530e-01 0.0000000 

Обратите внимание, что если вы не хотите matrix, а вместо этого были удобны с data.frame, мы могли бы использовать combn, который будет включать в себя гораздо меньше итераций и быть более эффективными.

cbind(t(combn(1:ncol(xmat), 2)), 
    combn(1:ncol(xmat), 2, function(x) cor.test(xmat[,x[1]], xmat[,x[2]])$`p.value`) 
) 

     [,1] [,2]  [,3] 
[1,] 1 2 0.08034470 
[2,] 1 3 0.24441138 
[3,] 1 4 0.03293644 
[4,] 1 5 0.32348990 
[5,] 2 3 0.08716815 
[6,] 2 4 0.44828479 
[7,] 2 5 0.48241166 
[8,] 3 4 0.20634394 
[9,] 3 5 0.95045815 
[10,] 4 5 0.83785303 

В качестве альтернативы, можно выполнить ту же самую операцию, но использовать оператор трубы %>%, чтобы сделать его немного более кратким:

library(magrittr) 
combn(1:ncol(xmat), 2) %>% 
    apply(., 2, function(x) cor.test(xmat[,x[1]], xmat[,x[2]])$`p.value`) %>% 
    cbind(t(combn(1:ncol(xmat), 2)), .) 

Answer 2

Вот одно решение:

data <- swiss 
#cor(data) 
n <- ncol(data) 
p.value.vec <- apply(combn(1:ncol(data), 2), 2, function(x)cor.test(data[,x[1]], data[,x[2]])$p.value) 
p.value.matrix = matrix(0, n, n) 
p.value.matrix[upper.tri(p.value.matrix, diag=FALSE)] = p.value.vec 
p.value.matrix[lower.tri(p.value.matrix, diag=FALSE)] = p.value.vec 
p.value.matrix 

      [,1]   [,2]   [,3]   [,4]   [,5]   [,6] 
[1,] 0.000000e+00 1.491720e-02 9.450437e-07 1.028523e-03 1.304590e-06 2.588308e-05 
[2,] 1.491720e-02 0.000000e+00 3.658617e-07 3.585238e-03 5.204434e-03 4.453814e-01 
[3,] 9.450437e-07 9.951515e-08 0.000000e+00 9.951515e-08 6.844724e-01 3.018078e-01 
[4,] 3.658617e-07 1.304590e-06 4.811397e-08 0.000000e+00 4.811397e-08 5.065456e-01 
[5,] 1.028523e-03 5.204434e-03 2.588308e-05 3.018078e-01 0.000000e+00 2.380297e-01 
[6,] 3.585238e-03 6.844724e-01 4.453814e-01 5.065456e-01 2.380297e-01 0.000000e+00