1. Grâce à ce formulaire vous pouvez proposer une astuce ou un script sur R.
  2. Votre script doit pouvoir être lancé en l'état. Veuillez penser à :
    • inclure le chargement des "library" nécessaires
    • construire un petit jeu de données si besoin est.
    • commenter les lignes de codes pour en faciliter la compréhension.
  3. Le titre de votre script ou astuce doit être clair et explicite.
  4. Pensez à mettre votre code entre les balises [R] et [/R]; Pour cela, vous pouvez utiliser le bouton

Vous pouvez utiliser vos comptes Facebook, twitter ou google pour vous identifer (google est compatible yahoo, openID...)
L'ideal étant de vous connecter si vous avez un compte utilisateur, ou faire une demande de compte utilisateur si vous n'en avez pas encore.
Créer un compte va vous permettre de pouvoir éditer vos codes et de mettre en avant votre site internet.
Sinon vous pouvez soumettre anonymement en remplissant les champs ci-après.







Choisissez les catégories correspondantes à votre Code:

  • algorithmique
  • Analyse de survie
  • base indispensable
  • bayésien
  • configuration de R
  • exportation de données
  • fonctions utiles
  • graphique
  • importation de données
  • inférence
  • manipulation de données
  • message d'erreur
  • modélisation
  • Non classé
  • optimisation
  • planification
  • programmer avec R
  • regression linéaire
  • Test
  • tidyverse
  • Transformation de données


Comment tester la significativité du coefficient de corrélation associé à deux variables ? cor.test

0
dans Test

Le coefficient de corrélation, mesuré par la fonction cor(), permet de savoir à quel point deux variables quantitatives sont corrélées. Il existe 3 méthodes pour tester la significativité de ce coefficient : la méthode de « Pearson », de « Kendall », et de « Spearman ».

 

Pour réaliser ce test il est nécessaire d’avoir un échantillonnage aléatoire et qu’il n’y ait pas de données manquantes. Si les deux variables suivent une loi Normale et que leur relation est supposée linéaire on utilise la méthode de « Pearson ». Si la relation entre les deux variables est supposée monotone on utilise la méthode de « Kendall » ou de « Spearman ».


Nous utilisons les fonctions suivantes :

Soit x la première variable et y la deuxième variable.

 

Pour la méthode de « Pearson », cor.test(x,y,method=  »pearson »)

Pour la méthode de « Kendall », cor.test(x,y,method=  »kendall »)

Pour la méthode de « Spearman », cor.test(x,y,method=  »spearm »)                                     

               

Exemple :

 
x <- c(44.4, 45.9, 41.9, 53.3, 44.7, 44.1, 50.7, 45.2, 60.1)
y <- c( 2.63.12.55.03.64.05.22.83.8)
 
cor.test(x, y, method = "kendall")
#        Kendall's rank correlation tau
 
#data:  x and y
#T = 26, p-value = 0.1194
#alternative hypothesis: true tau is not equal to 0
#sample estimates:
#      tau
#0.4444444
# tau est le coefficient de corrélation de Kendall
 
 
 
cor.test(x, y, method = "spearm")
#        Spearman's rank correlation rho
 
#data:  x and y
#S = 48, p-value = 0.0968
#alternative hypothesis: true rho is not equal to 0
#sample estimates:
#rho
#0.6
# rho est le coefficient de corrélation de Spearman
 
 
cor.test(x, y, method = "pearson")
#        Pearson's product-moment correlation
 
#data:  x and y
#t = 1.8411, df = 7, p-value = 0.1082
#alternative hypothesis: true correlation is not equal to 0
#95 percent confidence interval:
# -0.1497426  0.8955795
#sample estimates:
#      cor
#0.5711816
# cor est le coefficient de corrélation de Pearson
 
 

Proposé par Helene F.

Ce script vous à rendu service? remerciez l'auteur en votant ici:
- ça ne sert à rien -- c\'est interessant - (score de +4 sur 4 votes)
Loading ... Loading ...

Poster un commentaire


Votre email ne seras jamais communiqué champs requis désigné par une *

*
*


neuf − 9 =

Formation logiciel R