處理相關性計算的缺失值

Question

我有大量缺失值的巨大矩陣。我想獲得變量之間的關聯。

是解決

cor(na.omit(matrix)) 

比低於更好？

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

我已經選擇了只有超過20％缺失值的變量。

2.哪種方法最合理？

Answer 1

我會爲第二個選項投票。聽起來你有相當數量的缺失數據，所以你會尋找一個合理的多重填補策略來填補空間。請參閱Harrell的文章「迴歸建模策略」，獲取關於「如何正確執行此操作」的豐富指導。

Answer 2

我認爲第二個選項更有意義，

你可能會考慮使用rcorr功能在Hmisc包。

它速度很快，只包含兩兩完整的觀測值。 返回的對象包含一個矩陣

相關得分的
2. 與用於每個相關值對於每個相關的p值的
3. 的觀測數

這意味着你可以忽略基於少量觀察（無論該閾值適合於您）的相關值還是基於p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

對於未來的讀者Pairwise-complete correlation considered dangerous可能是有價值的，認爲cor(matrix, use = "pairwise.complete.obs")被認爲是危險的，並建議替代品，如use = "complete.obs")。