R中环境披露与行业二元虚拟变量相关性分析及cor()输出NA问题解决

之前把12个变量一起放进cor()计算全量相关矩阵，输出满屏NA是必然结果：

• 你手里的11个行业变量是严格互斥的——每个样本只能归属1个行业，任意两个行业变量不可能同时取1，这组变量本身存在完全线性依赖，对应的协方差矩阵是奇异的，R计算这类奇异矩阵时，会自动给涉及线性依赖的交叉位置标记NA
• 加上你根本不需要计算11个行业变量两两之间的相关性，全矩阵计算的冗余维度触发了异常；如果计算时没指定缺失值处理规则，只要配对样本里有缺失观测，也会直接返回NA

你的所有变量都是0-1二元虚拟变量，用Pearson法算出来的相关系数本质就是适配两个二元分类变量的Phi系数，完全符合分析要求，不需要更换其他相关计算方法。
直接按下面的流程操作就能得到正确结果：

1. 拆分核心变量和待配对的行业变量：假设数据集名为df，环境披露变量列名为DISCL，先把所有行业变量的列名提取出来

   industry_cols <- setdiff(colnames(df), "DISCL")
   

2. 逐对计算DISCL和每个行业变量的相关值，全程不进入全矩阵计算流程，绕开共线性带来的NA问题：

   # 逐列计算和DISCL的相关
   cor_vals <- sapply(industry_cols, function(col) {
     cor(
       x = df$DISCL,
       y = df[[col]],
       use = "complete.obs", # 自动跳过配对的缺失值
       method = "pearson"
     )
   })
   

3. 整理成规整的结果表直接输出：

   output_table <- data.frame(
     配对行业 = names(cor_vals),
     与环境披露的相关系数 = round(as.numeric(cor_vals), 3)
   )
   # 打印查看结果
   output_table
   

如果某一个行业变量的配对结果还是返回NA，直接检查该列的取值分布：

• 要是该列在全样本里全是0或者全是1，变量自身方差为0，和任何其他变量的相关系数都没有统计意义，直接把这个列从计算列表里删掉就行
• 逐对计算的逻辑完全不受行业变量互斥的影响，不会像全矩阵计算那样因为共线性批量输出NA

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