时间戳

首页 > 解决方案 > R - 运行 Spearman 相关的 p 值不一致

r - R - 运行 Spearman 相关的 p 值不一致

问题描述

我的问题是当我出于某种奇怪的原因计算运行相关性时，对于相同的估计/相关值，我没有得到相同的 p 值。

我的目标是计算同一 data.frame 中两个向量的运行 Spearman 相关性（下例中的 subject1 和 subject2）。此外，我的窗口（向量的长度）和步幅（每个窗口之间的跳跃/步长）是恒定的。因此，当查看下面的公式时（来自wiki），我应该得到相同的临界 t，因此对于相同的 Spearman 相关性，相同的 p 值。这是因为n状态相同（窗口大小相同）并且r相同。但是，我的最终 p 值不同。

在此处输入图像描述

#Needed pkgs    
require(tidyverse)
require(pspearman)
require(gtools)

#Sample data
set.seed(528)
subject1 <- rnorm(40, mean = 85, sd = 5)

set.seed(528)
subject2 <- c(
  lag(subject1[1:21]) - 10, 
  rnorm(n = 6, mean = 85, sd = 5), 
  lag(subject1[length(subject1):28]) - 10)

df <- data.frame(subject1 = subject1, 
                 subject2 = subject2) %>% 
  rowid_to_column(var = "Time") 

df[is.na(df)] <- subject1[1] - 10

rm(subject1, subject2)

#Function for Spearman
psSpearman <- function(x, y) 
{
  out <- pspearman::spearman.test(x, y,
                                  alternative = "two.sided", 
                                  approximation = "t-distribution") %>% 
    broom::tidy()
  return(data.frame(estimate = out$estimate,
                    statistic = out$statistic,
                    p.value = out$p.value )
}

#Running correlation along the subjects
dfRunningCor <- running(df$subject1, df$subject2, 
                        fun = psSpearman,
                        width = 20,
                        allow.fewer = FALSE, 
                        by = 1,
                        pad = FALSE, 
                        align = "right") %>% 
  t() %>% 
  as.data.frame() 

#Arranging the Results into easy to handle data.frame 
Results <- do.call(rbind.data.frame, dfRunningCor) %>% 
  t() %>%
  as.data.frame() %>%
  rownames_to_column(var = "Win") %>% 
  gather(CorValue, Value, -Win) %>% 
  separate(Win, c("fromIndex", "toIndex")) %>%
  mutate(fromIndex = as.numeric(substring(fromIndex, 2)),
         toIndex = as.numeric(toIndex, 2)) %>%
  spread(CorValue, Value) %>% 
  arrange(fromIndex) %>% 
  select(fromIndex, toIndex, estimate, statistic, p.value)

我的问题是，当我绘制Results带有估计值（Spearman rho; estimate）、窗口编号（fromIndex）并且我为 p 值着色时，我应该在同一区域获得相同颜色的“隧道”/“路径” - 我没有吨。例如，在下图中，红色圆圈中相同高度的点应该具有相同的颜色 - 但不是。 在此处输入图像描述

图表代码：

Results %>% 
  ggplot(aes(fromIndex, estimate, color = p.value)) + 
  geom_line()

到目前为止，我发现这可能是由于： 1. 像这样的函数Hmisc::rcorr()在小样本或许多关系中往往不会给出相同的 p.value。这就是为什么我使用pspearman::spearman.test我在这里读到的内容来解决这个问题的原因。2. 样本量小 - 我尝试使用更大的样本量。我仍然遇到同样的问题。3. 我尝试四舍五入我的 p 值 - 我仍然遇到同样的问题。

谢谢您的帮助！

编辑。

可能是ggplot的“伪”着色吗？难道ggplot只是在下一点之前插入“最后一个”颜色吗？这就是为什么我从第 5 点到第 6 点得到“浅蓝色”，而从第 7 点到第 8 点得到“深蓝色”？

在此处输入图像描述

标签： rggplot2graphcorrelationhmisc

解决方案

p.value您为变量获得的结果与该estimate值一致。您可以按如下方式检查：

Results$orderestimate <- order(-abs(Results$estimate))
Results$orderp.value <- order(abs(Results$p.value))
identical(Results$orderestimate ,Results$orderp.value)

我认为您不应该p.value在图表中包含颜色，这是不必要的视觉干扰，而且很难解释。

如果我是你，我只会显示p.value并且可能包括一个点来指示estimate变量的符号。

p <- Results %>% 
  ggplot(aes(fromIndex,  p.value)) + 
  geom_line()

# If you want to display the sign of the estimate
Results$estimate.sign <- as.factor(sign(Results$estimate))
p+geom_point( aes(color = estimate.sign ))

推荐阅读