用R检验相关假设= .5

Question

我试图为我的相关性H0: r= .5，H1: r != .5做一个假设检验。R可以很好地检验假设H0: r= 0。我在网上查看了"cor.test“中的任何参数是否允许我更改假设检验，但它是不可用的。

cor.test(x，y，alternative = c("two.sided"，“减”，“更大”)，方法= c("pearson"，"kendall"，"spearman")，确切= NULL，conf.level = 0.95，连续性= FALSE，.)

这是我的密码

> 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 

再说一遍，一切都很好。我只是不知道如何使我的假设检验H0: r=.5

谢谢！

Answer 1

查看空值是否在置信区间内，相当于对假设的检验(有时有一些不同的假设)。因为0.5显然超出了上面所示的置信区间，这相当于否定了零假设，即在双边α水平为0.05的情况下，真正的相关性为0.5。

另一个选项(让您更好地控制假设)是模拟大量数据集，这些数据集具有与原始数据相同的一般属性(均值、标准差)和相关的空值(请参阅海量包中的mvrnorm函数)，然后计算每个模拟数据集的相关性。将数据与模拟关联之间的相关性进行比较，p值是比观察到的相关性更极端的模拟关联的比例。