pbcor和ggcorrmat相关性在R中给出不同的置信区间

如何解决pbcor和ggcorrmat相关性在R中给出不同的置信区间

我正在使用多个变量，我想在其中运行稳固的相关性，然后提取95％的置信区间。我可以使用pbcor包中的WRS2来做到这一点。

但是，当我想绘制这些值时，我使用ggcorrmat包中的ggstratsplot。在检查两个输出之间的置信区间时，我发现它们不匹配。

这是我的数据集的一个示例：

Individual  vara    varB
1   2.9380842   0.09896456
2   2.9380842   -1.38772037
3   -0.6879859  -2.41310243
4   -0.6879859  0.55722346
5   -2.3129564  -1.34140699
6   -2.3129564  -1.75604301
7   -0.4937431  0.78381085
8   -0.4937431  0.38320385
9   -0.8558126  0.82125672
10  -0.8558126  0.06346062
11  -0.9211026  -1.67170174

使用此样本数据集的相应代码/输出：

WRS2::pbcor(data$vara,data$varB,ci=TRUE,nboot=1000,beta=0.1) 
> robust correlation coefficient: 0.275
> test statistic: 0.8582
> p-value:0.41307
> bootstrap CI: [-0.3564; 0.7792]

ggstatsplot::ggcorrmat(data,cor.vars = c(OFT1,PC1),output = "dataframe",matrix.type = "lower",type = "robust",beta = 0.1,sig.level = 0.05,conf.level = 0.95,nboot = 1000)

>robust correlation: 0.275
>test statistic: 0.858
>p-value: 0.413
>CI: [-0.389,0.751]

为什么置信区间不同，但是相关值相同？

解决方法

您是正确的，WRS2和ggstatsplot之间的配置项有所不同，因为ggstatsplot在内部不使用自举（速度较慢且计算成本较高）来计算CI。

Input <- ("
          Individual  varA    varB
1   2.9380842   0.09896456
2   2.9380842   -1.38772037
3   -0.6879859  -2.41310243
4   -0.6879859  0.55722346
5   -2.3129564  -1.34140699
6   -2.3129564  -1.75604301
7   -0.4937431  0.78381085
8   -0.4937431  0.38320385
9   -0.8558126  0.82125672
10  -0.8558126  0.06346062
11  -0.9211026  -1.67170174
          ")

# creating a dataframe
df <- read.table(textConnection(Input),header = TRUE)

set.seed(123)
WRS2::pbcor(df$varA,df$varB,ci = TRUE,nboot = 1000,beta = 0.1)
#> Call:
#> WRS2::pbcor(x = df$varA,y = df$varB,beta = 0.1,#>     nboot = 1000)
#> 
#> Robust correlation coefficient: 0.275
#> Test statistic: 0.8582
#> p-value: 0.41307 
#> 
#> Bootstrap CI: [-0.4476; 0.8223]

set.seed(123)
ggstatsplot::ggcorrmat(
  data = dplyr::select(df,-Individual),type = "robust",output = "dataframe",beta = 0.1
)

#> # A tibble: 1 x 10
#>   parameter1 parameter2     r ci_low ci_high     t    df     p method       nobs
#>   <chr>      <chr>      <dbl>  <dbl>   <dbl> <dbl> <dbl> <dbl> <chr>       <int>
#> 1 varA       varB       0.275 -0.389   0.751 0.809     9 0.439 Percentage~    11

它会尽可能返回效果大小的非中心置信区间。

如果您感到好奇，则用于计算CI的相关代码如下： https://github.com/easystats/correlation/blob/ddd105da55c8b5a81e4ce97b8938f5f00e6e968b/R/cor_to_ci.R#L70-L85