用R来检验相关性假设= 0.5
我试图对我的相关性H0进行假设检验：r = .5，H1：R！= .5。 R对测试假设H0：r = 0很好。我在网上查看“cor.test”中的任何参数是否允许我改变假设检验，但它不可用。
cor.test（x，y，alternative = c（“two.sided”，“less”，“greater”），method = c（“pearson”，“kendall”，“spearman”），exact = NULL，conf。级别= 0.95，连续性= FALSE，...）
这是我的代码
> 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
再次，一切工作正常。 我只是不知道如何做出我的假设检验H0：r = .5
谢谢 ！
看看这个空值是否在置信区间内相当于一个假设检验（有时会有一些不同的假设）。 因为0.5显然在上面所示的置信区间之外，这相当于在0.05的双侧α水平拒绝零相关假设，即真相关为0.5。
另一种选择（可让您更好地控制假设）是模拟大量数据集，这些数据集与您的原始数据具有相同的一般属性（平均值，标准偏差）和相关性的空值（请参阅mvrnorm中的mvrnorm函数MASS软件包），然后计算每个模拟数据集的相关性。 比较你的数据与模拟相关性的相关性，你的p值是模拟相关性比观察到的更为极端的比例。