*disclaimer
633015
相関係数の検定
cor.test(x, y)
出力結果の例
Pearson's product-moment correlation
data: NNS.Index.df$NoS and NNS.Index.df$Token
t = 23.697, df = 379, p-value < 2.2e-16
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
0.7287991 0.8102583
sample estimates:
cor
0.7726906
- 相関係数は一番最後のところ
cor 0.7726906
- 相関係数はおよそ 0.8 で強い相関。
- 上の方にあるのが、検定の結果で、
t = 23.697, df = 379, p-value < 2.2e-16
- p値は、e-16とあるので、ゼロが16個もある値
0.00000000000000022
- 「相関はない」（という帰無仮説）という確率はこんなに小さい。事実上あり得ない。相関はないなんて考えられない。ということ。
- r(自由度) = 相関係数, p値
- * この場合、自由度は、サンプルサイズ -2
AとBの関係を調べるために、ピアソンの相関係数を計算したところ、 AとBには、有意な正の強い相関が認められた（r(379) = .77, p < .001）。
- 何も指定しないと、ピアソンの相関係数 データが正規分布していることが前提
- データが正規分布してないときは スピアマンの順位相関
- method = "spearman" をオプションで指定
cor.test(x, y, method = "spearman")
https://sugiura-ken.org/wiki/