握力とジャンプのデータを想定したサンプルデータで、相関分析を行います。
grip |
jump |
30.1 |
56.7 |
27.5 |
48.3 |
32.8 |
57.1 |
中略 |
中略 |
32.2 |
58.6 |
24.4 |
53.6 |
30.7 |
55.1 |
コードと結果は以下の通りです。
> cor_test(data1, grip, jump, method = "pearson")
# A tibble: 1 × 8
var1 var2 cor statistic p conf.low conf.high method
<chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
1 grip jump 0.65 3.60 0.00205 0.287 0.847 Pearson
コードは、最初に解析対象であるdata1を指定します。grip列とjump列の相関を観たいので、gripとjumpを , で区切って記述します。相関分析では、順番はどちらが先でも結果は変わらないので、gripとjumpが逆でも構いません。method=で”pearson”を指定するとpearsonの積率相関係数を計算します。
結果です。相関係数はcorとして出力されます。今回は0.65ですので中等度の相関がありそうです。そして無相関検定の結果として、pが0.00205と出力されており、有意水準を5%と設定した場合、帰無仮説は棄却されました。ということで、この2つの変数の間には中等度の相関がある、と結論づけることができます。なお、conf.lowとconf.highは95%信頼区間であり、0.287-0.847ということになり、0を跨いでおらず、無相関検定と一致した結果となっています。
ノンパラメトリックな方法としてスピアマンを指定すると以下のような結果となります。
> cor_test(data1, grip, jump, method = "spearman")
# A tibble: 1 × 6
var1 var2 cor statistic p method
<chr> <chr> <dbl> <dbl> <dbl> <chr>
1 grip jump 0.65 472 0.0027 Spearman
今回用いたデータでは、pearson、spearmanの方法どちらでも相関係数はあまり変わりがない、結果となっています。
コメント