R을 사용하여 상관 관계의 가설을 테스트합니다. .05

Question

내 상관 관계 H0에 대한 가설 검정을하려고합니다. r = .5, H1 : R! = .5. R은 가설 H0 : r = 0을 테스트하는 데는 잘 작동합니다. 온라인에서 "cor.test"의 매개 변수로 가설 검정을 변경할 수 있는지 확인했지만 사용할 수는 없습니다.

cor.test (X, Y, 대안 = C를 ("two.sided", "이하", 방식 = C를 ("피어슨", "켄달") "큰", "스피어"), 정확한 = NULL, conf.level = 0.95, 연속성 = FALSE는 ...)

여기에 내 코드

> avgTemp 
[1] 21 24 32 47 50 59 68 74 62 50 41 30 
> usage 
[1] 185.79 214.47 288.03 424.84 454.68 539.03 621.55 675.06 562.03 452.93 
[11] 369.95 273.98 
> cor.test (avgTemp,usage) 

     Pearson's product-moment correlation 

data: avgTemp and usage 
t = 272.255, df = 10, p-value < 2.2e-16 
alternative hypothesis: true correlation is not equal to 0 
95 percent confidence interval: 
0.9997509 0.9999817 
sample estimates: 
     cor 
0.9999326 

다시 말하지만, 모든 것이 작동 괜찮습니다. 나는 단지 내 가설 테스트를하는 법을 모른다. H0 : r = .5

고마워!

Answer 1

null 값이 신뢰 구간 내에 있는지 확인하는 것은 가설 테스트 (때때로 약간 다른 가정이있는 경우)와 같습니다. 0.5는 분명히 위에 표시된 신뢰 구간 밖에 있으므로 양측 알파 수준 0.05에서 실제 상관 관계가 0.5라는 귀무 가설을 거부하는 것과 동일합니다.

또 다른 옵션 (가정을보다 잘 제어 할 수 있음)은 원래 데이터와 동일한 일반 속성 (평균, 표준 편차)과 상관 관계에 대한 null 값을 가진 많은 수의 데이터 세트를 시뮬레이션하는 것입니다 MASS 패키지의 mvrnorm 기능), 시뮬레이션 된 각 데이터 세트에 대한 상관 관계를 계산하십시오. 데이터의 상관 관계와 시뮬레이션 된 상관 관계를 비교하면 p 값은 관측 된 상관 관계보다 더 극단적 인 시뮬레이션 상관 관계의 비율입니다.