Как включить p-значения <0,05 в q-графах?

Question

Я отвечаю на старый вопрос без ответа (https://stackoverflow.com/questions/31653029/r-thresholding-networks-with-inputted-p-values-in-q-graph). Я пытаюсь оценить отношения между моими переменными. Для этого я использовал корреляционную сетевую карту. Как только я это сделал, я хотел бы реализовать компонент порога значимости. Например, я хочу показывать результаты только с p-значениями < 0.05. Любая идея о том, как я могу реализовать свой код?

набор данных: https://www.dropbox.com/s/xntc3i4eqmlcnsj/d100_partition_all3.csv?dl=0

Мой код:

library(qgraph) 
cor_d100_partition_all3<-cor(d100_partition_all3) 
qgraph(cor_d100_partition_all3, layout="spring", 
    label.cex=0.9, labels=names(d100_partition_all3), 
    label.scale=FALSE, details = TRUE) 

Выход:

Кроме того, у меня есть этот маленький кусочек кода, преобразования значения R2 в p.values:

Код:

cor.mtest <- function(mat, ...) { 
mat <- as.matrix(mat) 
n <- ncol(mat) 
p.mat<- matrix(NA, n, n) 
diag(p.mat) <- 0 
for (i in 1:(n - 1)) { 
    for (j in (i + 1):n) { 
    tmp <- cor.test(mat[, i], mat[, j], ...) 
    p.mat[i, j] <- p.mat[j, i] <- tmp$p.value 
} 
} 
colnames(p.mat) <- rownames(p.mat) <- colnames(mat) 
p.mat 
} 
p.mat <- cor.mtest(d100_partition_all3) 

Cheers

Answer 1

Существует несколько способов только рассказать о значительных корреляциях. Во-первых, вы можете передать дополнительные аргументы функции qgraph(). Более подробную информацию вы можете найти в документации. Вызов функции, приведенный ниже, должен иметь значения, близкие к тому, что необходимо.

qgraph(cor_d100_partition_all3 
     , layout="spring" 
     , label.cex=0.9 
     , labels=names(d100_partition_all3) 
     , label.scale=FALSE 
     , details = TRUE 
     , minimum='sig' # minimum based on statistical significance 
     ,alpha=0.05 # significance criteria 
     ,bonf=F # should Bonferroni correction be used 
     ,sampleSize=6 # number of observations 
) 

Второй вариант заключается в создании модифицированной корреляционной матрицы. Когда корреляции не являются статистически значимыми на основе вашей функции cor.mtest(), значение устанавливается в NA в модифицированной корреляционной матрице. Эта модифицированная матрица нанесена на график. Основной визуальной разницей между первым и вторым решениями является относительная линейная масса.

# initializing modified correlation matrix 
cor_d100_partition_all3_mod <- cor_d100_partition_all3 

# looping through all elements and setting values to NA when p-values is greater than 0.05 
for(i in 1:nrow(cor_d100_partition_all3)){ 
    for(j in 1:nrow(cor_d100_partition_all3)){ 
    if(p.mat[i,j] > 0.05){ 
     cor_d100_partition_all3_mod[i,j] <- NA 
    } 
    } 
} 

# plotting result 
qgraph(cor_d100_partition_all3_mod 
     ,layout="spring" 
     ,label.cex=0.7 
     ,labels=names(d100_partition_all3) 
     ,label.scale=FALSE 
     ,details = F 
     )