R语言中cor()函数计算相关矩阵时自定义游说支出占比变量返回NaN的原因及修复方案

咱们来拆解你遇到的两个核心问题：cor()函数的警告提示，以及自定义变量相关系数全为NaN的异常。

1. 警告信息的根源 #

你的cor()函数调用写法出现了错误：

cor(join_df, use = "pairwise.complete.obs"[sapply(join_df, is.numeric)])

这里的问题在于：sapply(join_df, is.numeric)会返回一个和数据框列数等长的逻辑向量，用它去索引字符串"pairwise.complete.obs"时，会生成一个长度匹配列数的向量（TRUE对应取字符串第一个字符，FALSE对应NA），但cor()的use参数只接受单个合法字符串（比如"pairwise.complete.obs"、"complete.obs"），这就触发了警告，且函数只会取向量的第一个元素来执行。

你想要实现的是仅对数值型列计算相关矩阵，正确的做法是先筛选出数值型列，再传入cor()：

# base R写法
numeric_cols <- sapply(join_df, is.numeric)
cor_matrix <- cor(join_df[, numeric_cols], use = "pairwise.complete.obs")

# 或者用dplyr更简洁的写法
library(dplyr)
numeric_df <- join_df %>% select(where(is.numeric))
cor_matrix <- cor(numeric_df, use = "pairwise.complete.obs")

2. 自定义变量相关系数全为NaN的排查方向 #

你已经验证过lobby_revt_pct和lobby_gp_pct的计算结果正确，但cor()返回全NaN，大概率是这两个变量存在以下情况：

• 存在大量Inf值：如果revt或gp为0，那么expend/(revt*1000000)会得到Inf（当expend>0时），cor()无法处理无穷值，会返回NaN。可以用以下代码检查：

  sum(is.infinite(join_df$lobby_revt_pct))
  sum(is.infinite(join_df$lobby_gp_pct))
  

• 变量自身方差为0：如果某列所有非NA值完全相同，cor()计算时会因方差为0（分母为0）返回NaN。验证方法：

  var(join_df$lobby_revt_pct, na.rm = TRUE)
  var(join_df$lobby_gp_pct, na.rm = TRUE)
  

• 与其他变量无共同非NA观测：虽然你用了pairwise.complete.obs，但如果自定义变量和所有其他变量的观测对都至少有一个NA，也会返回NaN，可以检查非NA行数确认：

  sum(!is.na(join_df$lobby_revt_pct))
  sum(!is.na(join_df$lobby_gp_pct))
  

修正后的完整代码示例 #

结合上面的修正，规范后的代码可以写成这样：

library(dplyr)

# 合并数据集
join_df <- left_join(compustat, lobby_expenditure, by = c("gvkey", "year"))

# 计算衍生变量（用mutate更规范易读）
join_df <- join_df %>%
  mutate(
    lobby_revt_pct = (expend / (revt * 1e6)) * 100,
    lobby_gp_pct = (expend / (gp * 1e6)) * 100
  )

# 筛选数值型列并计算相关矩阵
numeric_df <- join_df %>% select(where(is.numeric))
cor_matrix <- cor(numeric_df, use = "pairwise.complete.obs")

内容的提问来源于stack exchange，提问作者kadaktu