我知道在散点图中,正的rho通常与上升的趋势线相关,而负的则与下降的趋势线相关。
然而,我得到了一个正的rho(rho=0.02,p=0.91)和一个趋势线向下的散点图,如下图所示。
我使用的代码如下,数据集可以在下面找到 此处
cor.test(Finale_from_trials_online$Mean_lat_LG, Finale_from_trials_online$Mean_Lat_cue_1, method = "spearman", exact = FALSE)
plot(Finale_from_trials$Mean_Lat_cue_1, Finale_from_trials$Mean_lat_LG, main="LG and cue 1",
xlab="Mean latency 1", ylab="Mean latency LG", pch=19)
abline(lm(Finale_from_trials$Mean_lat_LG~Finale_from_trials$Mean_Lat_cue_1), col="red") # regression line (y~x)
我在代码中做错了什么吗?问题是关于 lm
在 abline
论点,因为Spearman只是检查单调相关,而我绘制的是线性趋势线?
还是说,既然p值这么大,结果也不显著,就只能这样了?
有谁知道为什么p值大了会造成这种情况?
Spearman's r是用数值的等级来计算的。这就是为什么图中左侧y值大的离群值会被比图中手边y值稍低的数值多的数值所抵消。但正如你所指出的,r值太小了,根据你的假设检验,你不能说Spearman的r值是否真的与0不同。
相反,你所包含的线性模型对这些异常值很敏感。事实上,一个双变量线性模型的β值与皮尔逊r值的符号总是相同的,因为两种情况下的符号都来自于协方差。如果你做 cor.test()
与 method = "pearson"
你会发现它是负的。然而,由于Spearman's r不是基于协方差,这些符号可以不同。