Ho un enorme set di dati con sei colonne (chiamiamole A, B, C, D, E, F), circa 450.000 righe. Ho semplicemente cercato di trovare la correlazione tra le colonne A e B:Come calcolare la correlazione di due variabili in un enorme set di dati in R?
cor(A, B)
e ho avuto
[1] NA
di conseguenza. Cosa posso fare per risolvere questo problema?
Prova cor(A,B, use = "pairwise.complete.obs"). Questo ignorerà le NA nelle tue osservazioni.
Per essere statisticamente rigorosi, è necessario anche esaminare il numero di voci mancanti nei dati e verificare se il presupposto mancante a caso è valido.
Modifica 1: Dai un'occhiata a ?cor per visualizzare altre opzioni per il parametro use.
È possibile utilizzare la funzione rcorr nel pacchetto Hmisc.
È molto veloce e include solo osservazioni complete a coppie. L'oggetto restituito contiene una matrice
qualche esempio di codice è disponibile here: