In dem Video ist ein riesiger Fehler. den cor.mtest-Befehl darf man nicht (wie hier in dem Video) auf die Korrelationstabelle anwenden, sondern natürlich auf die Wertetabelle. Sonst berechnet man ja die P-Werte zwischen den Korrelationskoeffizienten. Es muss hier heißen: cor.mtest(korrelation) und NICHT cor.mtest(korrelationm). Ich hab dem Video vertraut und muss jetzt super viel Arbeit doppelt machen.
Dein Kommentar hat mich gerettet. Ich sitze seit einer Woche an der Auswertung einer Studie und habe die ganze Zeit vermeindlich keine Ergebnisse vorweisen können weil nichts signifikant war. Ich hab angenommen dass meine Stichprobe einfach zu klein ist und ich deshalb keine guten Signifikanzwerte erhalten kann. Durch deinen Tipp hab ich nochmal alles gecheckt und siehe da: Super viele relevante Muster und interessante SIGNIFIKANTE Zusammenhänge. Dickes DANKE an dich, du hast mir echt das Projekt gerettet. @StatistikamPC_BjoernWalther bitte füg dem Video einen Verweis auf diesen Fehler hinzu. Ich bin offensichtlich nicht der einzige der hier ziemlich fehlgeleitet wurde. Ansonsten ist das Video nämlich Top, die Grafische Darstellung ist super zum Präsentieren und sehr intuitiv :)
Danke für das tolle Video! Ich hätte eine Frage, vielleicht kann sie ja jemand beantworten: Wie bekommt man die Fragezeichen, die entstehen, wenn es NAs gibt, "weg"?
Hey, echt super erklärt danke dir! Aber etwas kann ich überhaupt nicht nachvollziehen. Woher kommen die p-Werte von „korrelationp“? Ich hab das selbe gemacht aber demnach sind einige meiner Ergebnisse nicht signifikant. Zuvor beim cor.test war mein p-Wert immer unter 0.05 und somit signifikant. Wie kann das sein? Hoffe du kannst mir da weiterhelfen 🙏🏼 Lg
Hallo, das ist in der Tat etwas komisch und ich habe etwas darüber gegrübelt. Die korrelationp-Werte wurden mit cor.mtest() berechnet, welche wiederum auf cor.test() zurückgreift. Allerdings scheint, das eine Adjustierung des p-Wertes vorgenommen wird, ohne, dass man dies abwählen kann. Eine kleine Recherche hat mich auf einen stack-overflow-Artikel gebracht: Die Matrix der zu korrelierenden Variablen ist bei mir ganz unten - wie im Video - "korrelation". Wenn du den Codeschnipsel ausführst, hast du dann die unkorrigierten p-Werte in p.values stehen und kannst sie als Argument "p.mat=p.values" in corrplot() einsetzen. ######## cor.test.p
Hallo Björn, zunächst vielen Dank für deine großartigen Videos! Diese helfen mir regelmäßig sehr weiter. Anhand meines eigenen Datensatzes bin ich auf dasselbe Problem gestoßen. In der Hilfe zu cor.mtest() heißt es "mat: Input matrix of size NxF, with N rows that represent samples and F columns that represent features". D.h., wenn man cor.mtest() den Datensatz und nicht die Korrelationsmatrix mitgibt, sollte es funktionieren. In deinem Video also cor.mtest(korrelation) anstatt cor.mtest(korrelationm). Hoffe das hilft noch etwas. LG
Hey (: vielen Dank für dein Video! Ich bin bei der Bearbeitung meines eigenen Datensatzes auf ein Problem gestoßen. Aufgrund der Vielzahl meiner Variablen (83 Stück) wollte ich eine Korrelationsmatrix erstellen und anschließend aussortieren. Ich habe den R-Befehl: cor(dataframe, method="kendall, use="pairwise.complete.obs") verwendet und für die Berechnung der p-Werte folgenden Befehl cor.mtest(Korrelationamatrix). Die p-Werte warten alle sehr niedrig, weshalb ich noch einmal die berechnete Korrelationsmatrix stichprobenartig für 2 einzelne Variabeln überprüft habe mit dem Befehl cor.test(x,y,method="kendall",use="pairwise.complete.obs"). Die Prüfung hat zwar die gleichen Kendall-tau Werte ergeben, aber nicht die gleichen p-Werte. Hast du eine Idee woran es liegen könnte? LG
Ja, in dem Video ist ein riesiger Fehler. den cor.mtest-Befehl darf man nicht (wie hier in dem Video) auf die Korrelationstabelle anwenden, sondern natürlich auf die Wertetabelle. Sonst berechnet man ja die P-Werte zwischen den Korrelationskoeffizienten. Es muss hier heißen: cor.mtest(korrelation) und NICHT cor.mtest(korrelationm). Ich hab dem Video vertraut und muss jetzt super viel Arbeit doppelt machen.
📘Mein Buch "Statistik mit R - Schnelleinstieg": amzn.to/3OzeLJI [Affiliatelink]
Das war ja mal so genial! Hat mir gerade wirklich für die grafische Darstellung der Daten meiner BA weiter geholfen. Vielen Dank!!!
Einfach Klasse gemacht. Vielen Dank und bitte weiter so.
Gerne, freut mich, wenn es dir helfen konnte. :-)
Es gibt noch ganz viele Themen auf meinem zettel. ;-)
Viele Grüße, Björn.
Geniale Darstellung und Erklärung. Danke aus Norwegen!
In dem Video ist ein riesiger Fehler. den cor.mtest-Befehl darf man nicht (wie hier in dem Video) auf die Korrelationstabelle anwenden, sondern natürlich auf die Wertetabelle. Sonst berechnet man ja die P-Werte zwischen den Korrelationskoeffizienten. Es muss hier heißen: cor.mtest(korrelation) und NICHT cor.mtest(korrelationm). Ich hab dem Video vertraut und muss jetzt super viel Arbeit doppelt machen.
Danke für den Hinweis! Ich habe es gerade gerechnet wie im Video und habe mich über die p-Werte gewundert. Das hat mich echt gerettet!
Dein Kommentar hat mich gerettet. Ich sitze seit einer Woche an der Auswertung einer Studie und habe die ganze Zeit vermeindlich keine Ergebnisse vorweisen können weil nichts signifikant war. Ich hab angenommen dass meine Stichprobe einfach zu klein ist und ich deshalb keine guten Signifikanzwerte erhalten kann. Durch deinen Tipp hab ich nochmal alles gecheckt und siehe da: Super viele relevante Muster und interessante SIGNIFIKANTE Zusammenhänge. Dickes DANKE an dich, du hast mir echt das Projekt gerettet. @StatistikamPC_BjoernWalther bitte füg dem Video einen Verweis auf diesen Fehler hinzu. Ich bin offensichtlich nicht der einzige der hier ziemlich fehlgeleitet wurde. Ansonsten ist das Video nämlich Top, die Grafische Darstellung ist super zum Präsentieren und sehr intuitiv :)
Danke für das tolle Video!
Ich hätte eine Frage, vielleicht kann sie ja jemand beantworten: Wie bekommt man die Fragezeichen, die entstehen, wenn es NAs gibt, "weg"?
das Problem habe ich auch grade. Hast du eine Lösung gefunden?
Hey, echt super erklärt danke dir! Aber etwas kann ich überhaupt nicht nachvollziehen. Woher kommen die p-Werte von „korrelationp“? Ich hab das selbe gemacht aber demnach sind einige meiner Ergebnisse nicht signifikant. Zuvor beim cor.test war mein p-Wert immer unter 0.05 und somit signifikant. Wie kann das sein? Hoffe du kannst mir da weiterhelfen 🙏🏼
Lg
Hallo, das ist in der Tat etwas komisch und ich habe etwas darüber gegrübelt. Die korrelationp-Werte wurden mit cor.mtest() berechnet, welche wiederum auf cor.test() zurückgreift. Allerdings scheint, das eine Adjustierung des p-Wertes vorgenommen wird, ohne, dass man dies abwählen kann.
Eine kleine Recherche hat mich auf einen stack-overflow-Artikel gebracht:
Die Matrix der zu korrelierenden Variablen ist bei mir ganz unten - wie im Video - "korrelation". Wenn du den Codeschnipsel ausführst, hast du dann die unkorrigierten p-Werte in p.values stehen und kannst sie als Argument "p.mat=p.values" in corrplot() einsetzen.
########
cor.test.p
Den Link zum Artikel vergessen: stackoverflow.com/questions/13112238/a-matrix-version-of-cor-test
Hallo Björn, zunächst vielen Dank für deine großartigen Videos! Diese helfen mir regelmäßig sehr weiter. Anhand meines eigenen Datensatzes bin ich auf dasselbe Problem gestoßen. In der Hilfe zu cor.mtest() heißt es "mat: Input matrix of size NxF, with N rows that represent samples and F columns that represent features". D.h., wenn man cor.mtest() den Datensatz und nicht die Korrelationsmatrix mitgibt, sollte es funktionieren. In deinem Video also cor.mtest(korrelation) anstatt cor.mtest(korrelationm). Hoffe das hilft noch etwas. LG
Hey (: vielen Dank für dein Video!
Ich bin bei der Bearbeitung meines eigenen Datensatzes auf ein Problem gestoßen. Aufgrund der Vielzahl meiner Variablen (83 Stück) wollte ich eine Korrelationsmatrix erstellen und anschließend aussortieren. Ich habe den R-Befehl: cor(dataframe, method="kendall, use="pairwise.complete.obs") verwendet und für die Berechnung der p-Werte folgenden Befehl cor.mtest(Korrelationamatrix). Die p-Werte warten alle sehr niedrig, weshalb ich noch einmal die berechnete Korrelationsmatrix stichprobenartig für 2 einzelne Variabeln überprüft habe mit dem Befehl cor.test(x,y,method="kendall",use="pairwise.complete.obs"). Die Prüfung hat zwar die gleichen Kendall-tau Werte ergeben, aber nicht die gleichen p-Werte. Hast du eine Idee woran es liegen könnte? LG
Ja, in dem Video ist ein riesiger Fehler. den cor.mtest-Befehl darf man nicht (wie hier in dem Video) auf die Korrelationstabelle anwenden, sondern natürlich auf die Wertetabelle. Sonst berechnet man ja die P-Werte zwischen den Korrelationskoeffizienten. Es muss hier heißen: cor.mtest(korrelation) und NICHT cor.mtest(korrelationm). Ich hab dem Video vertraut und muss jetzt super viel Arbeit doppelt machen.