不同矩阵 R 之间的相关性
correlation between different matrices R
我正在尝试在 R
中的两个不同矩阵（操作分类单位与环境参数）之间建立相关性（与 p 值）
第一个table是这个
生物1 生物2
T1 1.540184 3.080025
T2 1.354927 5.012977
T3 1.449712 4.715981
T4 1.146659 2.442083
X1 1.705184 3.881878
X2 1.182721 3.014836
X3 1.536956 2.636719
X4 1.808025 4.434525
A1 1.132737 2.135737
A2 1.506048 3.114281
A3 1.285308 4.363828
A4 3.008994 7.290423
和第二个table
OTU1 OTU2 OTU3 OTU4 OTU5 OTU6 OTU7 OTU8
T1 109 80 175 14 71 46 61 39
T2 102 48 26 8 23 5 35 10
T3 26 19 61 3 68 13 10 29
T4 143 56 9 11 16 13 49 24
X1 70 36 20 15 39 9 26 12
X2 39 33 12 32 15 2 11 3
X3 43 17 2 14 8 2 7 2
X4 160 60 8 26 25 7 9 15
A1 90 73 41 15 22 23 33 7
A2 344 109 18 28 22 13 93 16
A3 65 16 15 9 5 10 18 6
A4 141 140 6 86 18 3 43 4
我已经尝试过 cor() 和 corr.test() 但它只能关联第一个 table
的值
有什么建议吗？
非常感谢
F
我不清楚您期望的结果是什么。但是，如果您想执行简单的相关性测试，则必须使用矢量格式的矩阵。您可以尝试类似的操作：
cor(c(as.matrix(your_matrix1)), c(as.matrix(your_matrix2)))
或
cor.test(c(as.matrix(your_matrix1)), c(as.matrix(your_matrix2)))
看看其中一个选项是否符合您的期望。
然而，对我来说，通过典型相关分析探索您的数据集更有意义。使用 base R 你可以使用：
cancor(matrix1, matrix2)
您还可以使用一些具有一组工具的软件包来解释结果（例如 library(CCA)）
我正在尝试在 R
中的两个不同矩阵（操作分类单位与环境参数）之间建立相关性（与 p 值）第一个table是这个
生物1 生物2 T1 1.540184 3.080025 T2 1.354927 5.012977 T3 1.449712 4.715981 T4 1.146659 2.442083 X1 1.705184 3.881878 X2 1.182721 3.014836 X3 1.536956 2.636719 X4 1.808025 4.434525 A1 1.132737 2.135737 A2 1.506048 3.114281 A3 1.285308 4.363828 A4 3.008994 7.290423
和第二个table
OTU1 OTU2 OTU3 OTU4 OTU5 OTU6 OTU7 OTU8 T1 109 80 175 14 71 46 61 39 T2 102 48 26 8 23 5 35 10 T3 26 19 61 3 68 13 10 29 T4 143 56 9 11 16 13 49 24 X1 70 36 20 15 39 9 26 12 X2 39 33 12 32 15 2 11 3 X3 43 17 2 14 8 2 7 2 X4 160 60 8 26 25 7 9 15 A1 90 73 41 15 22 23 33 7 A2 344 109 18 28 22 13 93 16 A3 65 16 15 9 5 10 18 6 A4 141 140 6 86 18 3 43 4
我已经尝试过 cor() 和 corr.test() 但它只能关联第一个 table
的值有什么建议吗？
非常感谢
F
我不清楚您期望的结果是什么。但是，如果您想执行简单的相关性测试，则必须使用矢量格式的矩阵。您可以尝试类似的操作：
cor(c(as.matrix(your_matrix1)), c(as.matrix(your_matrix2)))
或
cor.test(c(as.matrix(your_matrix1)), c(as.matrix(your_matrix2)))
看看其中一个选项是否符合您的期望。
然而，对我来说，通过典型相关分析探索您的数据集更有意义。使用 base R 你可以使用：
cancor(matrix1, matrix2)
您还可以使用一些具有一组工具的软件包来解释结果（例如 library(CCA)）