用原始表型獲得相關(guān)性系數(shù)的矩陣數(shù)據(jù)的話，則可以使用psych包的corr.test函數(shù)。
導(dǎo)入數(shù)據(jù)，注意不要表頭不要在里面，不然不能識(shí)別，而且不能兩列沒(méi)有一個(gè)相關(guān)的數(shù)據(jù)。
library(psych)
cor<-corr.test(states, use = "complete", method = "pearson", adjust = "none")
cor_r<-cor$r
cor_p<-cor$p
接下來(lái)可視化使用corrplot包
注意，這里比其他教程多一個(gè)調(diào)教顏色的步驟，應(yīng)為發(fā)現(xiàn)默認(rèn)的顏色解釋紅色→藍(lán)色（-1→1），不符合正常的圖注習(xí)慣。
這里使用RColorBrewer包中的RdYlBu顏色集中，去除最后一個(gè)紫色。
image.png
mycolors<-brewer.pal(10,"RdYlBu")[10:1]
先畫(huà)一半，這一半是FPC排序的，不是按照你輸入的原始順序，這里做一個(gè)按照主成分分析的排序，能夠讓你更加方便解釋數(shù)據(jù)。最后兩個(gè)參數(shù)的意思是將顯著性低于0.001的打×，顯著性不夠，其相關(guān)性不做考慮。
corrplot(cor_r, method = "pie", type = "lower", order= "FPC", tl.pos = "tp", tl.col = "black", cl.pos = "r", mar = c(1,1,1,1),col=mycolors,p.mat= cor_p,sig.level= 0.001)
再畫(huà)一半，這里是純數(shù)字的相關(guān)性系數(shù)，比較簡(jiǎn)潔好看。其他參數(shù)一致。
corrplot(cor_r, method = "number", type = "upper", order= "FPC",add = TRUE, diag = FALSE, tl.pos = "n", cl.pos = "n",mar = c(1,1,1,1),col=mycolors,addCoefasPercent = TRUE,p.mat= cor_p,sig.level= 0.001)
image.png
