小编Mar*_*der的帖子

我有两个变量,我想找到它们之间的相关性.问题是我似乎得到了不同的结果,这取决于我使用的方法.

我所知道的一种方法是在scale()函数中运行带有独立变量和因变量的lm()函数.

所以下面的变量看起来像:

lm(scale(mainDataframe$relativeFemHappy) ~ scale(mainDataframe$allRights))

我所知道的其他方法是简单地使用cor()函数或lm.beta()函数.

所以这就像:

cor(mainDataframe$relativeFemHappy, mainDataframe$allRights, use="pairwise.complete.obs")

和

library(lm.beta)
lm.beta(lm(mainDataframe$relativeFemHappy ~ mainDataframe$allRights))

问题是我得到的结果是不同的:

> lm(scale(mainDataframe$relativeFemHappy) ~ scale(mainDataframe$allRights))

Call:
lm(formula = scale(mainDataframe$relativeFemHappy) ~ scale(mainDataframe$allRights))

Coefficients:
                   (Intercept)  scale(mainDataframe$allRights)  
                     -0.002478                       -0.272812  

> lm.beta(lm(mainDataframe$relativeFemHappy ~ mainDataframe$allRights))
mainDataframe$allRights 
             -0.2550056 
> cor(mainDataframe$relativeFemHappy, mainDataframe$allRights, use="pairwise.complete.obs")
[1] -0.2550056

因此,使用lm()和scale()的第一种方法,我得到的系数为0.2728,而lm.beta()和cor()方法给出的系数为-0.225

我很想知道造成这种情况的原因.谢谢.

    mainDataframe.allRights mainDataframe.relativeFemHappy
1                 1.3333333                   0.0653854461
2                        NA                  -0.0943358596
3                 1.0000000                  -0.3559994842
4                 2.0000000                   0.0542260426
5                 1.3333333                  -0.1125838731
6                        NA                   0.0647522523
7                 1.6666667                  -0.1119041715
8                 1.0000000                   0.0564865005
9                 1.3333333                   0.2199685735
10                1.3333333                   0.3016471599
11                0.6666667 …