r - 处理相关性计算的缺失值

Question

我有很多缺失值的巨大矩阵。我想得到变量之间的相关性。

1.是解决方案

cor(na.omit(matrix))

比下面好吗？

cor(matrix, use = "pairwise.complete.obs")

我已经只选择了缺失值超过 20% 的变量。

2.什么是最有意义的方法？

Answer 1

我会投票给第二个选项。听起来您有大量缺失的数据，因此您将寻找一种合理的多重插补策略来填补这些空白。有关“如何正确执行此操作”的大量指导，请参见 Harrell 的文本“回归建模策略”。

Answer 2

我认为第二个选项更有意义，

您可以考虑使用 Hmisc 包中的 rcorr 函数。

它非常快，并且只包括成对的完整观察。返回的对象包含一个矩阵

1. 相关分数
2. 每个相关值使用的观察次数
3. 每个相关性的 p 值

这意味着您可以忽略基于少量观察值（无论该阈值对您而言是什么）或基于 p 值的相关值。

library(Hmisc)
x<-matrix(nrow=10,ncol=10,data=runif(100))
x[x>0.5]<-NA
result<-rcorr(x)
result$r[result$n<5]<-0 # ignore less than five observations
result$r

Answer 3

对于未来的读者来说，被认为危险的成对完全相关可能是有价值的，认为这cor(matrix, use = "pairwise.complete.obs")被认为是危险的，并提出了替代方案，例如use = "complete.obs").