R语言cor()函数不同调用方式下相关性结果不一致的原因

核心差异来自cor()函数中use="complete.obs"参数在不同输入类型下的行为不同：

• 当输入是数据框/矩阵时：use="complete.obs"执行列表删除（listwise deletion）——会删掉数据框中任意一个变量存在缺失值的行，仅用所有变量都无缺失的完整行，计算所有变量对的相关性。
• 当输入是两个单独向量时：use="complete.obs"执行成对删除（pairwise deletion）——仅删除这两个向量中至少一个存在缺失值的行，只要这两个变量的值完整，就会被纳入计算，完全不考虑其他变量的缺失情况。

结合你的案例具体解释：

• 调用cor(df[vars_num1], use="complete.obs")时，会过滤掉所有包含缺失值的行（比如某行serBilir有缺失，哪怕years和age都完整，也会被剔除），用剩余的"全变量完整"行计算相关性，样本量更小。
• 调用cor(df$years, df$age, use="complete.obs")时，只要years和age的值完整，不管其他变量是否缺失，这些行都会被保留，样本量更大，因此相关性结果不同。

你可以用以下代码验证这个结论：

# 检查years和age本身的缺失情况
sum(is.na(df$years))
sum(is.na(df$age))

# 查看列表删除后的样本量（全变量无缺失的行数）
nrow(na.omit(df[vars_num1]))

# 查看成对删除后的样本量（仅years和age无缺失的行数）
nrow(na.omit(data.frame(years=df$years, age=df$age)))

而你的自定义函数my_corr本质上仅基于years和age的完整观测计算，因此结果和cor(df$years, df$age, use="complete.obs")完全一致。

内容的提问来源于stack exchange，提问作者Hunter