如何基于含缺失值的效应量计算成对相关性及显著性水平？

完全可以完成你需要的计算。R语言支持成对删除缺失值（即仅保留每对变量均无缺失的样本进行相关性分析），同时能输出相关性系数和对应的显著性水平。

方法1：基础R函数（分步实现） #

无需额外安装包，用基础R函数即可完成计算：

# 计算成对删除缺失值的相关系数矩阵
cor_matrix <- cor(mydata, use = "pairwise.complete.obs", method = "pearson")

# 批量计算每对变量的显著性p值
p_matrix <- matrix(NA, nrow = ncol(mydata), ncol = ncol(mydata))
rownames(p_matrix) <- colnames(mydata)
colnames(p_matrix) <- colnames(mydata)

# 遍历所有变量对计算显著性
for (i in 1:(ncol(mydata)-1)) {
  for (j in (i+1):ncol(mydata)) {
    test_result <- cor.test(mydata[,i], mydata[,j], use = "pairwise.complete.obs")
    p_matrix[i,j] <- test_result$p.value
    p_matrix[j,i] <- test_result$p.value
  }
}
diag(p_matrix) <- NA  # 自身相关的p值无意义，设为NA

# 查看结果
print("相关系数矩阵：")
print(cor_matrix)
print("显著性p值矩阵：")
print(p_matrix)

方法2：使用psych包（高效便捷） #

psych包的corr.test()函数可一次性输出相关系数、p值和每对变量的有效样本量，更适合批量分析：

# 安装并加载包
install.packages("psych")
library(psych)

# 执行成对相关性分析（自动成对删除缺失值）
corr_result <- corr.test(mydata, use = "pairwise", method = "pearson")

# 提取核心结果
corr_result$r   # 相关系数矩阵
corr_result$p   # 显著性p值矩阵
corr_result$n   # 每对变量的有效样本数

关键参数说明 #

• use = "pairwise.complete.obs"（基础R）/ use = "pairwise"（psych包）：指定成对删除缺失值，每对变量仅用双方都无缺失的样本计算，不同变量对的有效样本量可能不同。
• method = "pearson"：适配你的连续型效应量数据；若数据不符合正态分布，可改为method = "spearman"（秩相关）。

注意事项 #

• 由于每列缺失值超50%，部分变量对的有效样本量可能极少，此时显著性检验的统计效力偏低，解读结果需谨慎。
• 若某对变量无共同的非缺失数据（有效样本数<2），相关系数和p值会显示为NA，属于正常现象。

内容的提问来源于stack exchange，提问作者SOF_helps