R计算因子变量相关性时cor函数报'x' must be numeric错误求助

报错原因 #

cor()是R基础包中用于计算相关性的函数，仅支持数值型输入。你当前数据集的所有变量都是因子类型，没有转换为数值直接传入函数，就会触发'x' must be numeric的报错。

解决方案1：变量为有序分类时，计算Kendall秩相关 #

如果你的因子存在明确的等级顺序（比如age的child < youngadult < adult、IMD的Q1到Q5是从低到高的分位），可以先将因子转换为对应的秩次数值，再计算Kendall相关：

# 批量将所有因子转换为数值
data_num <- as.data.frame(lapply(data, function(col) as.integer(col)))
# 计算Kendall相关矩阵
cor_res <- cor(data_num, use = "complete.obs", method = "kendall")
print(cor_res)

解决方案2：变量为无序分类时，计算Cramer's V关联度 #

如果你的因子没有等级顺序（比如gender的f/m、mutation的a/b/c/d/e），Kendall相关不适用，应该使用针对无序分类变量的Cramer's V指标衡量关联强度：

# 先安装依赖包（仅第一次运行需要）
install.packages("rcompanion")
library(rcompanion)

# 批量生成所有变量两两的Cramer's V矩阵
vars <- colnames(data)
cramer_mat <- matrix(1, nrow = length(vars), ncol = length(vars), dimnames = list(vars, vars))
for (i in seq_along(vars)) {
  for (j in seq_along(vars)) {
    if (i < j) {
      cv <- cramerV(data[[vars[i]]], data[[vars[j]]], verbose = FALSE)
      cramer_mat[i, j] <- cramer_mat[j, i] <- cv
    }
  }
}
print(cramer_mat)

内容的提问来源于stack exchange，提问作者skpak