返回R语言psych包函数列表

尽管cor函数找到矩阵的相关性，但它不报告概率值。校正试验是的，但一次只针对一对变量。校正试验使用cor找到完整或成对数据的相关性，并报告样本大小和概率值。对于对称矩阵，原始概率报告在对角线下方，相关性调整为对角线上方的多重比较。在x和y不同的情况下，默认值是调整多个测试的概率。两者校正试验和corr.p返回每个相关性的原始和调整的置信区间。

corr.test(x, y = NULL, use = "pairwise",method="pearson",adjust="holm", alpha=.05,ci=TRUE,minlength=5)corr.p(r,n,adjust="holm",alpha=.05,minlength=5,ci=TRUE)

x : 矩阵或数据帧

y : 与x行数相同的第二个矩阵或数据帧

use : use=“pairwise”是默认值，将成对删除案例。use=“complete”将选择刚刚完成的案例。

method : method=“pearson”是默认值。传递给cor的替代品是“斯皮尔曼”和“肯德尔”

adjust : 应该对多次测试进行什么调整？（“霍尔姆”，“霍克伯格”，“霍梅尔”，“邦费罗尼”，“波黑”，“由”，“罗斯福”，“无”）。有关为什么使用“holm”而不是“bonferroni”的详细信息，请参见p.adjust。

alpha : α水平置信区间

r : 相关矩阵

n : 如果使用校正p，观察值的数量可以是矩阵（从校正试验，或一个定标器。如果找到偏相关的显著性，则设置为n-np。（见下文）。

ci : 默认情况下，会找到置信区间。然而，这会导致明显的速度减慢，特别是对于大型问题。因此，对于rs、ts和ps，设置ci=FALSE

minlength : 缩写的最小长度是多少。默认为5。

ct < - corr.test(attitude) #find the correlations and give the probabilitiesct #show the resultscts < - corr.test(attitude[1:3],attitude[4:6]) #reports all values corrected for multiple tests

#corr.test(sat.act[1:3],sat.act[4:6],adjust="none") #don't adjust the probabilities

#take correlations and show the probabilities as well as the confidence intervalsprint(corr.p(cts$r,n=30),short=FALSE)

#don't adjust the probabilitiesprint(corr.test(sat.act[1:3],sat.act[4:6],adjust="none"),short=FALSE)