在R中计算连续变量与因子变量的Pearson相关性问题

方法1：将因子型gender转换为数值型 #

Pearson相关要求变量为数值型，二分类因子可以转换为数值编码，但要注意编码逻辑：

• 默认按因子水平顺序转换：
  先确认因子的水平顺序，再转换为数值：

# 查看gender的因子水平
levels(filtered_dataset$gender)
# 转换为数值（水平1对应1，水平2对应2）
gender_num <- as.numeric(filtered_dataset$gender)
# 计算Pearson相关
cor2 <- cor.test(gender_num, filtered_dataset$self_confidence)
print(cor2)

• 手动指定编码（更可控）：
  比如根据实际类别定义编码（如男=1，女=0）：

filtered_dataset$gender_num <- ifelse(filtered_dataset$gender == "male", 1, 0)
cor2 <- cor.test(filtered_dataset$gender_num, filtered_dataset$self_confidence)
print(cor2)

方法2：用等价统计方法替代（更严谨） #

当分类变量是二分类时，Pearson相关的显著性结果和t检验、简单线性回归完全等价：

• t检验：直接检验不同性别组的自信心均值差异

t_test_result <- t.test(self_confidence ~ gender, data = filtered_dataset)
print(t_test_result)

• 线性回归：回归系数的显著性与Pearson相关一致，R平方即为相关系数的平方

lm_result <- lm(self_confidence ~ gender, data = filtered_dataset)
summary(lm_result)

注意事项 #

• 如果gender是多分类（超过2个水平），Pearson相关不再适用，此时应该用方差分析（ANOVA）检验组间差异，判断是否纳入协变量。
• 转换因子为数值时，务必确认水平顺序或编码逻辑，避免解读错误。

内容的提问来源于stack exchange，提问作者lisa