如何找出数据框中与X1和X2均高度相关的变量？

方法一：使用基础R计算相关矩阵 #

先计算数据框的完整相关矩阵，提取各列与X1、X2的相关系数后筛选符合条件的列：

# 计算皮尔逊相关矩阵（可替换为spearman/kendall）
cor_matrix <- cor(sample_df, method = "pearson")

# 提取各列与X1、X2的相关系数，转成数据框并保留列名
cor_df <- as.data.frame(cor_matrix[, c("X1", "X2")])
cor_df$col_name <- rownames(cor_df)

# 排除X1、X2本身
cor_df <- cor_df[!cor_df$col_name %in% c("X1", "X2"), ]

# 设置相关性阈值（绝对值，可根据需求调整）
threshold <- 0.5
# 筛选同时与X1、X2相关性绝对值超过阈值的列
high_corr_cols <- cor_df[abs(cor_df$X1) > threshold & abs(cor_df$X2) > threshold, ]

# 按相关性绝对值之和排序，展示结果
high_corr_cols$total_abs_corr <- abs(high_corr_cols$X1) + abs(high_corr_cols$X2)
high_corr_cols <- high_corr_cols[order(-high_corr_cols$total_abs_corr), ]
print(high_corr_cols)

方法二：基于lares包扩展实现 #

利用lares分别获取与X1、X2高相关的列列表，再取交集：

library(lares)

# 获取与X1相关性前20的列（数量可按需调整，避免漏选）
corr_x1 <- corr_var(sample_df, X1, top = 20)$variable
# 获取与X2相关性前20的列
corr_x2 <- corr_var(sample_df, X2, top = 20)$variable

# 取交集得到同时与两列高度相关的列
common_high_corr <- intersect(corr_x1, corr_x2)

# 查看这些列与X1、X2的具体相关性数值
cor_subset <- cor(sample_df[, c("X1", "X2", common_high_corr)])
print(cor_subset)

注意事项 #

• 相关性阈值可根据业务需求灵活调整，比如严格场景设为0.7，宽松场景设为0.3。
• 若处理分类变量或非正态分布数据，可修改cor()函数的method参数为"spearman"或"kendall"。

内容的提问来源于stack exchange，提问作者wooden05