cor.test与rcorr的P值差异原因及结果采信问询

这是相关性分析里非常典型的问题，核心差异完全来自多重比较校正，我给你拆解清楚：

一、两者P值差异的本质 #

• cor.test()：无校正的单个检验
  每次调用cor.test()只针对一对变量做检验，输出的是原始P值——它默认假设你只做这一次检验，没有考虑“你同时在跑多组相关”带来的假阳性风险。比如你连续跑了9次检验，每次假阳性率是5%，9次下来整体误判的概率会远高于5%。
• rcorr()（Hmisc包）：默认带多重比较校正
  当你用rcorr()计算整个相关矩阵时，它会自动对所有检验的P值做Bonferroni校正（默认方法），目的是控制「家族误差率（FWER）」——简单说就是帮你减少因为多次检验而把随机巧合当成真相关的概率。校正后的P值会比原始值大很多，所以很多在cor.test()里显著的结果，到rcorr()里就变成了ns（不显著）。

二、该采信哪一组结果？ #

完全看你的分析目的：

1. 如果是单独验证某一对变量的相关性：
   直接用cor.test()的原始P值就好，因为不需要考虑多重比较的问题。
2. 如果是批量计算多组变量的相关矩阵：
   必须采信rcorr()校正后的结果（或者自己手动做其他多重校正，比如FDR校正）。否则你很容易得出一堆假阳性的“显著相关”结论。

三、结合你的结果具体解释 #

从你的输出能明显看到：

• cor.test()里所有配对的原始P值都远小于0.05，所以全部标记为显著；
• rcorr()经过校正后，antag_pid、log.negaff_MSSD、log.posaff_MSSD这几个配对的校正后P值超过了0.05，所以标记为ns。
  这完全符合多重校正的预期——校正后严格控制了假阳性风险。

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