Cómo calcular la correlación entre múltiples variables en R

Actualizado el 7 de mayo de 2021, por Luis Benites.

Una forma de cuantificar la relación entre dos variables es utilizar el coeficiente de correlación de Pearson , que es una medida de la asociación lineal entre dos variables . Siempre toma un valor entre -1 y 1 donde:

• -1 indica una correlación lineal perfectamente negativa entre dos variables
• 0 indica que no hay correlación lineal entre dos variables
• 1 indica una correlación lineal perfectamente positiva entre dos variables

Este tutorial explica cómo calcular la correlación entre múltiples variables en R, usando el siguiente marco de datos como ejemplo:

#create marco de datos
df <- data.frame (a <- c (2, 3, 3, 5, 6, 9, 14, 15, 19, 21, 22, 23),
                 b <- c (23, 24, 24, 23, 17, 28, 38, 34, 35, 39, 41, 43),
                 c <- c (13, 14, 14, 14, 15, 17, 18, 19, 22, 20, 24, 26),
                 d <- c (6, 6, 7, 8, 8, 8, 7, 6, 5, 3, 3, 2))

Ejemplo 1: correlación entre dos variables

El siguiente código muestra cómo calcular la correlación entre dos variables en el marco de datos:

cor (df $ a, df $ b)

[1] 0,9279869

Ejemplo 2: correlación entre múltiples variables

El siguiente código muestra cómo calcular la correlación entre tres variables en el marco de datos:

cor (df [, c (' a ', ' b ', ' c ')])

          a B C
a 1.0000000 0.9279869 0.9604329
b 0,9279869 1,0000000 0,8942139
c 0,9604329 0,8942139 1,000000000

La forma de interpretar la salida es la siguiente:

• La correlación entre una y b es 0,9279869.
• La correlación entre una y c es 0,9604329.
• La correlación entre b y c es 0,8942139.

Ejemplo 3: correlación entre todas las variables

El siguiente código muestra cómo calcular la correlación entre todas las variables en un marco de datos:

cor (df)

           a B C D
a 1.0000000 0.9279869 0.9604329 -0.7915488
b 0,9279869 1,0000000 0,8942139 -0,7917973
c 0.9604329 0.8942139 1.0000000 -0.8063549
d -0.7915488 -0.7917973 -0.8063549 1.0000000

Ejemplo 4: Correlación entre solo variables numéricas

El siguiente código muestra cómo calcular la correlación entre solo las variables numéricas en un marco de datos:

cor (df [, no listados ( lapply (df, es. numérico ))])

           a B C D
a 1.0000000 0.9279869 0.9604329 -0.7915488
b 0,9279869 1,0000000 0,8942139 -0,7917973
c 0.9604329 0.8942139 1.0000000 -0.8063549
d -0.7915488 -0.7917973 -0.8063549 1.0000000

Ejemplo 5: visualizar correlaciones

El siguiente código muestra cómo crear una gráfica de pares, un tipo de gráfica que le permite visualizar la relación entre cada combinación de variables por pares:

#cargar paquete psicológico
biblioteca (psiquiatra)

#crear pares trazar 
pares. paneles (df)

Recursos adicionales

Cómo calcular la correlación parcial en R
Cómo calcular la correlación punto-biserial en R
Cómo calcular la correlación de rodadura en R

• https://r-project.org
• https://www.python.org/
• https://www.stata.com/