#Vorlesung Multivariate Analysen #=============================== # #Kapitel 1.3: Korrelationsanalyse #================================ # #Bivariate Korrelation #===================== # #Noten.rda #Bivariate Korrelation cor(Noten) # #Testen einzelner Korrelationen #Menü: Statistik/Deskriptive Statistik/Test auf Signifikanz der Korrelation ... cor.test(Noten$BWL, Noten$Mathe, alternative="two.sided", method="pearson") # #Berechnungen für komplette Matrix #Menü: Statistik/Deskriptive Statistik/Korrelationsmatrix ... library(Hmisc, pos=4) rcorr.adjust(Noten[,c("BWL","Mathe","Methoden","VWL")], type="pearson") # # #Multiple Korrelaiton #==================== # #Berechnung für eine Variable corMat<-cor(Noten) ryx<-corMat[,1][2:4] Rxx<-corMat[,2:4][2:4,] R2yx<-t(ryx)%*%solve(Rxx)%*%ryx R2yx # #Berechnung für alle Variablen RyxInv<-solve(cor(Noten)) R2jnj<-1-1/diag(RyxInv) R2jnj # #Test der Signifikanz n<-dim(Noten)[1] m<-dim(Noten)[2] FWerte<-R2jnj/(1-R2jnj)*(n-m-1)/m 1-pf(FWerte,m,(n-m-1)) # # #Partielle Korrelation #===================== # #Menü: Statistik/Deskriptive Statistik/Korrelationsmatrix... cor(Noten) require(Rcmdr) partial.cor(Noten[,c("Mathe","BWL","VWL","Methoden")], use="complete.obs") # # #Weiteres Beispiel zur partiellen Korrelation #Groesse cor(Groesse) # #Partielle Korrelationen partial.cor(Groesse) # # ###