数据框含缺失值时如何计算偏相关？R技术求助

方法1：处理缺失值后使用ggm::pcor() #

ggm::pcor()依赖协方差矩阵计算，默认var()函数遇到缺失值会返回NA，可通过以下两种方式解决：

方式A：保留完整案例（列表删除） #

先移除所有含缺失值的行，再计算协方差矩阵与偏相关：

# 移除含缺失值的样本
clean_data <- na.omit(studentLecturerPersonalityOnlyTraits)
# 计算协方差矩阵
cov_matrix <- var(clean_data)
# 计算偏相关：控制开放性、宜人性、尽责性，求外向性与神经质的偏相关
pc_result <- pcor(c("studentExtraversion", "studentNeuroticism", 
                    "studentOpenness", "studentAgreeableness", "studentConscientiousness"), 
                  cov_matrix)
pc_result

方式B：成对完整案例计算协方差矩阵 #

若不想丢失过多样本，用cov()的use = "pairwise.complete.obs"参数生成支持缺失值处理的协方差矩阵：

# 生成支持成对缺失值处理的协方差矩阵
cov_pairwise <- cov(studentLecturerPersonalityOnlyTraits, use = "pairwise.complete.obs")
# 计算偏相关
pc_result <- pcor(c("studentExtraversion", "studentNeuroticism", 
                    "studentOpenness", "studentAgreeableness", "studentConscientiousness"), 
                  cov_pairwise)
pc_result

方法2：使用ppcor包的pcor()函数（推荐） #

ppcor包的pcor()原生支持缺失值处理，无需手动处理协方差矩阵，用法和cor()类似：

1. 安装并加载包：

install.packages("ppcor")
library(ppcor)

2. 直接计算偏相关：

# 计算偏相关，指定缺失值处理方式
pc_result <- pcor(studentLecturerPersonalityOnlyTraits, 
                  method = "pearson", 
                  use = "pairwise.complete.obs")
# 提取外向性与神经质的偏相关系数
pc_result$estimate["studentExtraversion", "studentNeuroticism"]

内容的提问来源于stack exchange，提问作者user21767262