如何判断两个变量是否存在相关性？附R语言cor.test分析实例

要判断两个连续变量之间是否存在相关性，在R语言里最实用的工具就是cor.test()函数，它默认会执行Pearson积矩相关性检验，能直接给出帮你下结论的关键统计信息。

具体操作代码 #

假设你的数据集是loandata，要检验的自变量是Age、因变量是Losses.in.Thousands，运行以下代码即可：

cor.test(loandata$Age, loandata$Losses.in.Thousands)

输出结果解读 #

运行后你会得到类似这样的输出：

Pearson积矩相关性
数据：loandata$Age 和 loandata$Losses.in.Thousands
t = -61.09, df = 15288, p值 < 2.2e-16
备择假设：真实相关性不等于0
95%置信区间：-0.4556139 -0.4301315
样本估计值：cor -0.4429...

咱们拆解下这些结果：

• p值：这里p值远小于常用的显著性水平0.05，说明我们可以果断拒绝“真实相关性为0”的原假设，也就是说Age和Losses.in.Thousands这两个变量确实存在显著的相关性。
• 相关系数（cor）：样本估计的相关系数约为-0.4429，负号代表两个变量呈负相关——随着Age增大，Losses.in.Thousands会随之减小；绝对值在0.4-0.6区间，属于中等强度的相关关系。
• 95%置信区间：区间范围是(-0.4556, -0.4301)，意味着我们有95%的把握认为真实的相关系数落在这个区间内，全部为负的结果也再次验证了负相关的结论。

内容的提问来源于stack exchange，提问作者Bala