如何在R中仅针对特定观测值对两个变量进行相关性分析

下面提供几种不用创建新数据集，直接针对指定样本计算相关性的实现方式：

方法1：Base R 原生实现 #

直接利用向量逻辑索引，在cor()函数中精准筛选符合条件的样本：

# 假设你的数据集名为df
cor(df$v1[df$age > 15 & df$gender == 1], 
    df$v2[df$age > 15 & df$gender == 1],
    use = "complete.obs")

• use = "complete.obs" 参数用于自动剔除含缺失值的配对样本，避免因缺失值导致计算报错，和Stata默认的缺失值处理逻辑一致。

方法2：dplyr 管道式实现（更直观） #

如果习惯tidyverse风格的代码，用管道操作可以更清晰地表达过滤逻辑，全程无需生成子集：

library(dplyr)

df %>%
  filter(age > 15, gender == 1) %>%  # 筛选16岁及以上女性样本
  select(v1, v2) %>%                 # 提取需要分析的变量
  cor(use = "complete.obs")          # 计算相关性

方法3：输出类似Stata pwcorr的详细结果（含p值、样本量） #

如果需要像Stata的pwcorr一样同时输出相关性系数、p值和有效样本量，可以使用Hmisc包的rcorr()函数：

library(Hmisc)
library(dplyr)

df %>%
  filter(age > 15, gender == 1) %>%
  select(v1, v2) %>%
  as.matrix() %>%  # rcorr要求输入格式为矩阵
  rcorr(type = "pearson")  # 指定相关类型，可选pearson/spearman

运行后会返回包含相关系数矩阵、p值矩阵和样本量的结果列表，信息和Stata的pwcorr输出高度匹配。

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