Skip to main content

Corrélations croisées et partielles

library(corrkit)
options(corrkit.unicode = TRUE)   # PNG figures: keep the mathematical symbols
has_ppcor <- requireNamespace("ppcor", quietly = TRUE)
has_cor   <- requireNamespace("correlation", quietly = TRUE)
d   <- simulate_cor_data(n = 200)
lab <- attr(d, "labels")
biomarkers <- c("CRP", "IL6", "BDNF", "NfL", "BIN_CRP", "BIN_IL6")
scores     <- c("depression", "fatigue", "cognition")

Corrélations croisées : des prédicteurs × des scores

Quand la question est « quels biomarqueurs sont liés à quels scores ? », la matrice complète mélange des paires sans intérêt (biomarqueur × biomarqueur). Avec un argument y, cor_compute() ne teste que les croisements x × y :

cc0 <- cor_compute(d, x = biomarkers, y = scores, labels = lab)
cc0
#> <cor_result> Spearman correlations: 6 x 3 variables, 18 pairs (2 binary variables)
#>   engine: stats::cor.test() {stats} | N = 188–189
#>   Raw p (no multiple-testing adjustment): * < 0.05, ** < 0.01, *** < 0.001; no star = p ≥ 0.05.
#> 
#>         depression fatigue cognition
#> CRP     0.50***    0.17*   -0.13    
#> IL6     0.47***    0.47*** -0.01    
#> BDNF    -0.21**    -0.10   0.01     
#> NfL     0.23**     -0.05   -0.61*** 
#> BIN_CRP 0.41***    0.21**  -0.04    
#> BIN_IL6 0.35***    0.35*** -0.04
plot(cc0)

Les biomarqueurs binaires forment un bloc séparé (facette « Binary [0/1] »), pour la raison détaillée dans Variables binaires.

Ajuster ou non les p-values

Par défaut, les p-values sont brutes (p_adjust = "none"). Si vous demandez un ajustement (p_adjust = "BH", "holm"…), l’argument adjust_by fixe la famille de tests sur laquelle stats::p.adjust() est appliqué, et la légende la nomme :

adjust_by Famille Quand l’utiliser
"y" (défaut) les prédicteurs de chaque score (une colonne) chaque score est une question à part : « quels biomarqueurs sont liés à la dépression ? »
"x" les scores de chaque prédicteur (une ligne) chaque biomarqueur est une question à part : « à quoi CRP est-il lié ? »
"all" tous les tests du tableau une seule question globale, ou un criblage
c(raw = sum(cor_compute(d, biomarkers, scores)$table$p < 0.05),
  sapply(c(y = "y", x = "x", all = "all"),
         function(a) sum(cor_compute(d, biomarkers, scores, p_adjust = "BH", adjust_by = a)$table$p_adj < 0.05)))
#> raw   y   x all 
#>  11  11  11  11

Le choix entre p brutes et p ajustées, et celui de la méthode, sont détaillés dans Corrections pour tests multiples.

Corrélations partielles

Ce qu’est une corrélation partielle

Dans les données simulées, l’âge fait monter NfL et baisser la cognition. Une partie de la corrélation brute NfL–cognition passe donc par l’âge. La corrélation partielle retire l’effet des covariables z de chacune des deux variables, puis corrèle ce qui reste. Avec la notation de Makowski et al. (2020) : si \(e_{x.z}\) sont les résidus de la régression linéaire de x sur z,

\[r_{xy.z} = r(e_{x.z},\, e_{y.z}).\]

Pour Spearman, x, y et z sont d’abord remplacés par leurs rangs (comme dans ppcor). Le test est un t à n − 2 − k degrés de liberté, k étant le nombre de colonnes de covariables (un facteur à m niveaux compte pour m − 1).

cc_adj <- cor_compute(d, biomarkers, scores, covariates = c("age", "sex"), labels = lab)
summary(cc_adj)
#> == Correlation analysis (cor_result) ==
#> 
#>   Mode         cross: 6 x 3 variables
#>   Method       Spearman
#>   Covariates   age, sex (2 terms)
#>   Engine       ppcor::pcor.test() {ppcor}
#>   CI           95% (correlation::cor_to_ci)
#>   p-values     raw (no multiple-testing adjustment)
#> 
#> -- Variables --
#>    variable            label      role       type   n
#>         CRP              CRP         x continuous 194
#>         IL6             IL-6         x continuous 194
#>        BDNF             BDNF         x continuous 194
#>         NfL              NfL         x continuous 194
#>     BIN_CRP         CRP high         x     binary 194
#>     BIN_IL6        IL-6 high         x     binary 194
#>  depression Depression score         y continuous 194
#>     fatigue    Fatigue score         y continuous 194
#>   cognition  Cognition score         y continuous 194
#>         age              Age covariate continuous 200
#>         sex              Sex covariate     binary 200
#> 
#> -- Pairs --
#>   18 pairs (6 involving a binary variable), N = 188–189
#>   p < 0.05: 10 (raw)
#> 
#> -- Strongest pairs (|r_s|) --
#>                          pair  r_s           CI       p   n
#>       IL-6 - Depression score 0.48 [0.36, 0.59] < 0.001 188
#>          IL-6 - Fatigue score 0.47 [0.35, 0.58] < 0.001 189
#>        CRP - Depression score 0.47 [0.35, 0.58] < 0.001 188
#>   CRP high - Depression score 0.40 [0.27, 0.52] < 0.001 188
#>  IL-6 high - Depression score 0.36 [0.23, 0.48] < 0.001 188
#> 
#> -- Content of the object --
#>   $table  one row per pair (18 x 13): X, Y, x_type, y_type, r, ci_low, ci_high, p, p_adj, n, k, engine, ci_engine
#>   $meta   settings of the analysis (mode, meth, p_adjust, adjust_by, family, covariates, partial, k, x_vars, y_vars, x_types, y_types, labels, bin_mark, ci, engine, ci_engine)
#>   $data   the 11 columns used (200 rows)
#>   Use: plot(x, type = "heatmap" | "forest" | "scatter"), tbl_cor(x, layout = ...),
#>        as.matrix(x, what = "r" | "p" | "p_adj" | "n" | "ci_low" | "ci_high"), as.data.frame(x)
plot(cc_adj)

Le sous-titre passe de « unadjusted » à « partial, adjusted for Age, Sex », et la formule de la légende devient celle de la corrélation partielle, avec le nombre k de termes de covariables.

Le forest plot montre, score par score, chaque coefficient partiel et son intervalle de confiance :

plot(cc_adj, type = "forest")

Une matrice peut aussi être partielle : toutes les paires sont alors ajustées sur les mêmes covariables.

plot(cor_compute(d, c(biomarkers[1:4], scores), covariates = c("age", "sex"), labels = lab))

Voir une corrélation partielle

plot(res, type = "scatter", pair = c(x, y)), ou directement plot_cor_pair(), montre ce que mesure le coefficient. Sans covariable, c’est un nuage de points ; avec covariables, c’est le graphique des résidus (added-variable plot), dont la corrélation est la corrélation partielle :

plot_cor_pair(d, "NfL", "cognition", labels = lab, meth = "pearson")

plot(cc_adj, type = "scatter", pair = c("NfL", "cognition"))

Trois calculs, un même résultat

Pour Pearson, la corrélation partielle et la pente de x dans lm(y ~ x + z) ont le même test (théorème de Frisch-Waugh-Lovell : même t, mêmes degrés de liberté). On peut le vérifier avec les deux moteurs de partial_cor_test() :

Z <- d[, c("age", "sex")]
base <- partial_cor_test(d$NfL, d$cognition, Z, meth = "pearson", engine = "base")
fit  <- lm(cognition ~ NfL + age + sex, data = d)
c(residuals = base$p.value, lm_slope = summary(fit)$coefficients["NfL", "Pr(>|t|)"])
#>  residuals   lm_slope 
#> 0.04001382 0.04001382
pp <- partial_cor_test(d$NfL, d$cognition, Z, meth = "pearson", engine = "ppcor")
c(ppcor = pp$estimate, residuals = base$estimate)
#>      ppcor  residuals 
#> -0.1507324 -0.1507324

engine = "ppcor" (défaut) appelle ppcor::pcor.test() ; si le package n’est pas installé, ou si l’on demande engine = "base", le calcul se fait par les résidus. La légende indique toujours quelle fonction a servi.

Et correlation::correlation(partial = TRUE) ?

Le package correlation propose aussi des corrélations partielles, mais avec une autre définition de z : chaque paire est ajustée sur toutes les autres variables du jeu de données, pas sur des covariables choisies. Makowski et al. (2020) précisent que la partialisation y est une étape séparée qui crée un nouveau jeu de données, si bien que les t et les p peuvent différer d’autres implémentations comme ppcor, même si le coefficient est le même. Pour des covariables choisies (âge, sexe…), corrkit utilise donc ppcor::pcor.test().

sub <- na.omit(d[, c("NfL", "cognition", "age")])
cr  <- as.data.frame(correlation::correlation(sub, partial = TRUE, p_adjust = "none"))
cr[cr$Parameter1 == "NfL" & cr$Parameter2 == "cognition", c("r", "p")]
#>            r          p
#> 1 -0.1509717 0.03863221
unlist(partial_cor_test(sub$NfL, sub$cognition, sub["age"], meth = "pearson")[c("estimate", "p.value")])
#>    estimate     p.value 
#> -0.15097173  0.03916004

Les tableaux

Le tableau large reprend la heatmap (même échelle de couleurs, mêmes étoiles) ; les notes répètent le statut des p-values, la formule et la lecture des variables binaires :

tbl_cor(cc_adj)
Spearman correlations
Spearman correlation, partial, adjusted for Age, Sex | N = 188–189 | Computed with ppcor::pcor.test() {ppcor}; p adjustment: none (raw p-values)
Depression score Fatigue score Cognition score
Continuous
CRP 0.47*** 0.19** 0.01
IL-6 0.48*** 0.47*** 0.03
BDNF -0.19** -0.11 -0.10
NfL 0.01 -0.00 -0.16*
Binary [0/1]
CRP high [0/1]1 0.40*** 0.21** 0.05
IL-6 high [0/1]1 0.36*** 0.35*** -0.04
1 [0/1] binary: r_s ≈ Mann-Whitney (rank difference between groups); |r_s| ≤ √(3pq) ≤ 0.87, not comparable with continuous variables
Cells: r_s and stars; colour = same scale as the heatmap (blue < 0 < red). Confidence intervals: tbl_cor(layout = "long").
Raw p (no multiple-testing adjustment): * < 0.05, ** < 0.01, *** < 0.001; no star = p ≥ 0.05.
Continuous: r_s = cov(rank_x, rank_y) / (SD(rank_x) × SD(rank_y)); partial: r_s,xy.z = r(e_x.z, e_y.z), residuals of the ranks on the k = 2 covariate terms z; t-test, n − 2 − k df.
Binary [0/1]: r_s = r_rb × √(3pq), r_rb = 2 AUC − 1 (rank-biserial, ≡ Mann-Whitney test), p, q = group proportions; |r_s| ≤ 0.87, not comparable with continuous pairs.
Notation: Makowski D, Ben-Shachar MS, Patil I, Lüdecke D (2020), J Open Source Softw 5(51):2306, doi:10.21105/joss.02306.

Le tableau long donne, pour chaque paire, n, le coefficient, son intervalle de confiance (z de Fisher sur n − k) et la p-value :

tbl_cor(cc_adj, layout = "long", sort_by = "abs")
Spearman correlations
Spearman correlation, partial, adjusted for Age, Sex | N = 188–189 | Computed with ppcor::pcor.test() {ppcor}; p adjustment: none (raw p-values)
x y Pair n rₛ 95% CI p (raw)
IL-6 Depression score cont × cont 188 0.48 [0.36, 0.59] < 0.001 ***
IL-6 Fatigue score cont × cont 189 0.47 [0.35, 0.58] < 0.001 ***
CRP Depression score cont × cont 188 0.47 [0.35, 0.58] < 0.001 ***
CRP high [0/1] Depression score bin × cont 188 0.40 [0.27, 0.52] < 0.001 ***
IL-6 high [0/1] Depression score bin × cont 188 0.36 [0.23, 0.48] < 0.001 ***
IL-6 high [0/1] Fatigue score bin × cont 189 0.35 [0.21, 0.47] < 0.001 ***
CRP high [0/1] Fatigue score bin × cont 188 0.21 [0.07, 0.35] 0.004 **
BDNF Depression score cont × cont 188 -0.19 [-0.33, -0.05] 0.008 **
CRP Fatigue score cont × cont 188 0.19 [0.04, 0.33] 0.010 **
NfL Cognition score cont × cont 188 -0.16 [-0.30, -0.02] 0.026 *
BDNF Fatigue score cont × cont 189 -0.11 [-0.26, 0.03] 0.118
BDNF Cognition score cont × cont 188 -0.10 [-0.25, 0.05] 0.162
CRP high [0/1] Cognition score bin × cont 188 0.05 [-0.10, 0.19] 0.534
IL-6 high [0/1] Cognition score bin × cont 188 -0.04 [-0.19, 0.11] 0.555
IL-6 Cognition score cont × cont 188 0.03 [-0.12, 0.18] 0.649
NfL Depression score cont × cont 188 0.01 [-0.13, 0.16] 0.853
CRP Cognition score cont × cont 188 0.01 [-0.14, 0.16] 0.861
NfL Fatigue score cont × cont 189 -0.00 [-0.15, 0.15] 0.997
Pair: cont = continuous, bin = binary[0/1]. Bold = p < 0.05.
Raw p (no multiple-testing adjustment): * < 0.05, ** < 0.01, *** < 0.001; no star = p ≥ 0.05.
Continuous: r_s = cov(rank_x, rank_y) / (SD(rank_x) × SD(rank_y)); partial: r_s,xy.z = r(e_x.z, e_y.z), residuals of the ranks on the k = 2 covariate terms z; t-test, n − 2 − k df.
95% CI: Fisher z transformation, SE = √(1.06 / (n − 3 − k)) (Fieller et al. 1957); computed with correlation::cor_to_ci() {correlation}.
Binary [0/1]: r_s = r_rb × √(3pq), r_rb = 2 AUC − 1 (rank-biserial, ≡ Mann-Whitney test), p, q = group proportions; |r_s| ≤ 0.87, not comparable with continuous pairs.
Notation: Makowski D, Ben-Shachar MS, Patil I, Lüdecke D (2020), J Open Source Softw 5(51):2306, doi:10.21105/joss.02306.

Avec un ajustement, une colonne « p (adjusted) » s’ajoute et les lignes sont regroupées par famille, ce qui permet de relire l’ajustement à la main :

tbl_cor(cor_compute(d, biomarkers, scores, covariates = c("age", "sex"), labels = lab, p_adjust = "BH"),
        layout = "long")
Spearman correlations
Spearman correlation, partial, adjusted for Age, Sex | N = 188–189 | Computed with ppcor::pcor.test() {ppcor}; p adjustment: stats::p.adjust() {stats}
x Pair n rₛ 95% CI p (raw) p (adjusted)
Depression score
CRP cont × cont 188 0.47 [0.35, 0.58] < 0.001 < 0.001 ***
IL-6 cont × cont 188 0.48 [0.36, 0.59] < 0.001 < 0.001 ***
BDNF cont × cont 188 -0.19 [-0.33, -0.05] 0.008 0.010 **
NfL cont × cont 188 0.01 [-0.13, 0.16] 0.853 0.853
CRP high [0/1] bin × cont 188 0.40 [0.27, 0.52] < 0.001 < 0.001 ***
IL-6 high [0/1] bin × cont 188 0.36 [0.23, 0.48] < 0.001 < 0.001 ***
Fatigue score
CRP cont × cont 188 0.19 [0.04, 0.33] 0.010 0.015 *
IL-6 cont × cont 189 0.47 [0.35, 0.58] < 0.001 < 0.001 ***
BDNF cont × cont 189 -0.11 [-0.26, 0.03] 0.118 0.141
NfL cont × cont 189 -0.00 [-0.15, 0.15] 0.997 0.997
CRP high [0/1] bin × cont 188 0.21 [0.07, 0.35] 0.004 0.008 **
IL-6 high [0/1] bin × cont 189 0.35 [0.21, 0.47] < 0.001 < 0.001 ***
Cognition score
CRP cont × cont 188 0.01 [-0.14, 0.16] 0.861 0.861
IL-6 cont × cont 188 0.03 [-0.12, 0.18] 0.649 0.779
BDNF cont × cont 188 -0.10 [-0.25, 0.05] 0.162 0.486
NfL cont × cont 188 -0.16 [-0.30, -0.02] 0.026 0.156
CRP high [0/1] bin × cont 188 0.05 [-0.10, 0.19] 0.534 0.779
IL-6 high [0/1] bin × cont 188 -0.04 [-0.19, 0.11] 0.555 0.779
Row groups = family of the p adjustment (the 6 predictors of each column).
Pair: cont = continuous, bin = binary[0/1]. Bold = adjusted p < 0.05.
Adjusted p, Benjamini-Hochberg (FDR) over the 6 predictors of each column: * < 0.05, ** < 0.01, *** < 0.001; no star = adjusted p ≥ 0.05.
Continuous: r_s = cov(rank_x, rank_y) / (SD(rank_x) × SD(rank_y)); partial: r_s,xy.z = r(e_x.z, e_y.z), residuals of the ranks on the k = 2 covariate terms z; t-test, n − 2 − k df.
95% CI: Fisher z transformation, SE = √(1.06 / (n − 3 − k)) (Fieller et al. 1957); computed with correlation::cor_to_ci() {correlation}.
Binary [0/1]: r_s = r_rb × √(3pq), r_rb = 2 AUC − 1 (rank-biserial, ≡ Mann-Whitney test), p, q = group proportions; |r_s| ≤ 0.87, not comparable with continuous pairs.
Notation: Makowski D, Ben-Shachar MS, Patil I, Lüdecke D (2020), J Open Source Softw 5(51):2306, doi:10.21105/joss.02306.

Kendall

method = "kendall" fonctionne partout ; les versions partielles demandent ppcor. Le test est alors un z (approximation normale) et la légende l’indique.

plot(cor_compute(d, biomarkers, scores, covariates = "age", labels = lab, method = "kendall"))

Références

  • Makowski D, Ben-Shachar MS, Patil I, Lüdecke D (2020). Methods and algorithms for correlation analysis in R. Journal of Open Source Software 5(51):2306. doi:10.21105/joss.02306
  • Kim S (2015). ppcor: an R package for a fast calculation to semi-partial correlation coefficients. Communications for Statistical Applications and Methods 22(6):665-674. doi:10.5351/CSAM.2015.22.6.665
  • Fieller EC, Hartley HO, Pearson ES (1957). Tests for rank correlation coefficients. I. Biometrika 44(3/4):470-481.
Back to top