Konspektis kasutatavad andmed.

cor()

Funktsioonile cor() saame anda sisendiks terve tabeli. Allolevas näites olen sisendi määramisel kasutanud funktsiooni data.frame(). Selle abil saame muuta vektorid ühtseks andmestikuks (nt. võtame teisest tabelist muutujad ja teeme neist uue andmestiku). See lähenemine võimaldab arvutada korrelatsioone mitme muutuja vahel, mis ei paikne andmestikus kõrvuti.
Järk-järgult

tabel_cor <- data.frame(tabel$avatus, tabel$ekstravertsus, tabel$neurootilisus)

Nüüd on töökeskkonnas olemas objekt nimega tabel_cor. Selle objekti sisuks on kolm muutujage andmestik: avatus, ekstravertsus, neurootilisus.
Selle objekti saame anda argumendiks funktsioonile cor():

cor(tabel_cor)
##                     tabel.avatus tabel.ekstravertsus tabel.neurootilisus
## tabel.avatus           1.0000000          0.46325180          0.28952552
## tabel.ekstravertsus    0.4632518          1.00000000          0.00672297
## tabel.neurootilisus    0.2895255          0.00672297          1.00000000

Kõik ühel real
Eelnevad koodiread saame panna ka ühele reale (sellisel juhul ei loo me töökeskkonda uut andmestikku):

cor(data.frame(tabel$avatus, tabel$ekstravertsus, tabel$neurootilisus)) # andsin funktsioonile cor() argumendiks uue andmestiku. data.frame(tabel$avatus, tabel$ekstravertsus, tabel$neurootilisus) - genereerib uue andmestiku, kus on 3 veergu: avatus, ekstravertsus, neurootilisus.
##                     tabel.avatus tabel.ekstravertsus tabel.neurootilisus
## tabel.avatus           1.0000000          0.46325180          0.28952552
## tabel.ekstravertsus    0.4632518          1.00000000          0.00672297
## tabel.neurootilisus    0.2895255          0.00672297          1.00000000

cor.test() ja corr.test()

cor.test(tabel$sotsiaalsus, tabel$ekstravertsus)# saab kasutada kahete muutujat
## 
##  Pearson's product-moment correlation
## 
## data:  tabel$sotsiaalsus and tabel$ekstravertsus
## t = 7.4918, df = 197, p-value = 2.239e-12
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.3550503 0.5724810
## sample estimates:
##      cor 
## 0.470886

Funktsioon corr.test() on psych paketi komplektis. See võimaldab võtta korrelatsiooni mitme muutuja vahel korraga. Selle funktsiooni väljund annab infomratsiooni ka korrelatsioonide olulisuse kohta.

# install.packages("psych")
library("psych") #nüüd saame kasutada paketi funktsioone
## 
## Attaching package: 'psych'
## The following objects are masked from 'package:ggplot2':
## 
##     %+%, alpha
corr.test(tabel[,7:9])
## Call:corr.test(x = tabel[, 7:9])
## Correlation matrix 
##             avatus depressioon traitanx
## avatus        1.00       -0.06    -0.08
## depressioon  -0.06        1.00     0.66
## traitanx     -0.08        0.66     1.00
## Sample Size 
## [1] 200
## Probability values (Entries above the diagonal are adjusted for multiple tests.) 
##             avatus depressioon traitanx
## avatus        0.00        0.48     0.48
## depressioon   0.40        0.00     0.00
## traitanx      0.24        0.00     0.00
## 
##  To see confidence intervals of the correlations, print with the short=FALSE option

Saame anda ka sisendiks uue andmetabeli:

corr.test(data.frame(tabel$ekstravertsus,tabel$sotsiaalsus, tabel$avatus)) #teebe korrelatsioonitabeli
## Call:corr.test(x = data.frame(tabel$ekstravertsus, tabel$sotsiaalsus, 
##     tabel$avatus))
## Correlation matrix 
##                     tabel.ekstravertsus tabel.sotsiaalsus tabel.avatus
## tabel.ekstravertsus                1.00              0.47         0.46
## tabel.sotsiaalsus                  0.47              1.00         0.42
## tabel.avatus                       0.46              0.42         1.00
## Sample Size 
##                     tabel.ekstravertsus tabel.sotsiaalsus tabel.avatus
## tabel.ekstravertsus                 200               199          200
## tabel.sotsiaalsus                   199               199          199
## tabel.avatus                        200               199          200
## Probability values (Entries above the diagonal are adjusted for multiple tests.) 
##                     tabel.ekstravertsus tabel.sotsiaalsus tabel.avatus
## tabel.ekstravertsus                   0                 0            0
## tabel.sotsiaalsus                     0                 0            0
## tabel.avatus                          0                 0            0
## 
##  To see confidence intervals of the correlations, print with the short=FALSE option

Joonis

Üks lihtne viis, kuidas illustreerida seost kahe muutuja vahel:

plot(x = tabel$sotsiaalsus, y = tabel$ekstravertsus)
reg1 <- lm(tabel$ekstravertsus~tabel$sotsiaalsus)#arvutab regressioonisirge
abline(reg1)#lisme regressioonisirge eelnevale joonisele

Teeme joonise ilusamaks:

plot(x = tabel$sotsiaalsus, y = tabel$ekstravertsus, main ="Korrelatsioon", ylab = "ekstravertsus", xlab ="sotsiaalsus")
abline(reg1, col = "blue", lwd = 2)#lisme regressioonisirge eelnevale joonisele