相关矩阵计算报错：删除NA值后仍无法运行的解决方法

问题背景 #

我在R语言中尝试计算相关矩阵，数据集样例如下：

> head(matrix)
# A tibble: 6 x 16
# Groups:   nquest, nord [6]
  nquest  nord   sex anasc  ireg   eta staciv studio asnonoc2 nace2 nesplav etalav dislav acontrib occnow tpens
   <int> <int> <dbl> <int> <int> <int>  <int> <fct>     <int> <int> <fct>   <fct>  <fct>     <int>  <int> <int>
1    173     1     1  1948    18    72      3 2             2    19 1       2      0            35      2  1800
2   2886     1     1  1949    13    71      1 2             2    16 1       2      0            35      2  1211
3   2886     2     0  1952    13    68      1 3             2    17 1       2      0            42      2  2100
4   5416     1     0  1958     8    62      3 1             1    19 2       1      0            30      2   700
5   7886     1     1  1950     9    70      1 2             2    11 1       2      0            35      2  2000
6  20297     1     1  1960     5    60      1 1             1    19 2       1      0            39      2  1200

其中nquest和nord是家庭及家庭成员的标识编码，我用以下代码移除这两列：

matrix <- final %>%
           select("sex", "anasc", "ireg", "eta","staciv", "studio", "asnonoc2", 
                  "nace2", "nesplav", "etalav", "dislav", "acontrib", "occnow",
                  "tpens")

dplyr提示：

Adding missing grouping variables: `nquest`, `nord`

不过我觉得这两列留着不影响。数据集中存在NA值：

> sum(is.na(matrix))
[1] 109

尝试过的方法及错误 #

• 方法1：直接用cor()处理NA值

cor(matrix, use = "pairwise.complete.obs")

返回错误：

Error in cor(matrix, use = "pairwise.complete.obs") : 
  'x' must be numeric

• 方法2：先删除NA再计算

cor(na.omit(matrix))

返回同样错误：

Error in cor(na.omit(matrix)) : 'x' must be numeric

• 方法3：强制转换为数值型

matrix <- as.numeric(matrix)

返回错误：

Error: 'list' object cannot be coerced to type 'double'

问题原因 #

报错核心是数据集中存在因子（fct类型）列，从数据集输出里能看到studio、nesplav、etalav、dislav都是<fct>类型，而cor()函数只能处理数值型数据，直接传入包含因子的 tibble 就会报错。另外as.numeric(matrix)直接对整个 tibble 操作会失败，因为 tibble 本质是列表，不能直接转成单一数值向量。

解决步骤 #

步骤1：解除分组（可选但推荐） #

原数据final是按nquest和nord分组的，移除分组列后dplyr会自动补充分组变量，先解除分组避免后续干扰：

final <- final %>% ungroup()

之后再选择需要的列：

matrix <- final %>%
           select(sex, anasc, ireg, eta, staciv, studio, asnonoc2, 
                  nace2, nesplav, etalav, dislav, acontrib, occnow, tpens)

步骤2：将因子列转换为数值型 #

可以选择自动识别转换所有因子列，或手动指定列转换：

# 方法1：自动转换所有因子列
matrix <- matrix %>%
  mutate(across(where(is.factor), as.numeric))

# 方法2：手动指定需要转换的列（适合部分因子无需转换的场景）
matrix <- matrix %>%
  mutate(studio = as.numeric(studio),
         nesplav = as.numeric(nesplav),
         etalav = as.numeric(etalav),
         dislav = as.numeric(dislav))

注意：如果因子是有序分类变量，建议先转成有序因子再转数值，比如as.numeric(as.ordered(studio))，避免顺序错乱。

步骤3：计算相关矩阵 #

现在所有列都是数值型，即可用cor()处理NA值：

# 成对删除NA值计算相关系数（保留更多样本）
cor_matrix <- cor(matrix, use = "pairwise.complete.obs")

# 或者删除所有含NA的行后计算（样本量会减少）
cor_matrix <- cor(na.omit(matrix))

验证转换结果 #

用str()查看数据类型，确认所有列都是数值型：

str(matrix)

内容的提问来源于stack exchange，提问作者io_boh