Skip to main content

Analyse complète d’une matrice de corrélation

Cette vignette reprend le début de Prise en main et le détaille : d’où viennent les calculs, toutes les sorties d’une matrice de corrélation, leurs options et leur lecture.

L’idée : ne rien recalculer, tout expliquer

corrkit ne contient aucun nouvel estimateur. Chaque coefficient, chaque p-value et chaque intervalle vient d’une fonction existante et validée ; le package ajoute par-dessus une manière de travailler et des sorties qui disent ce qu’elles montrent.

Ce qui est calculé Fonction utilisée Repli si le package manque
Une paire, sans ajustement stats::cor.test() —
Une paire, partielle ppcor::pcor.test() (Kim 2015) corrélation des résidus de stats::lm.fit()
Toutes les paires (matrice) psych::corr.test(adjust = "none") ou correlation::correlation(p_adjust = "none") (Makowski et al. 2020) stats::cor.test() paire par paire
Intervalle de confiance correlation::cor_to_ci() transformation z de Fisher en R de base
Ajustement pour tests multiples (sur demande) stats::p.adjust() —
Effets des variables binaires stats::t.test(), stats::wilcox.test(), effectsize::rank_biserial() IC de r_rb non calculé

Une seule fonction calcule, cor_compute() ; son résultat se dessine avec plot() (un ggplot), se met en tableau avec tbl_cor() (un tableau gt) et se décrit avec summary().

Données et calcul

simulate_cor_data() génère des données dont on connaît la structure : une inflammation latente qui pilote CRP, IL-6, BDNF et le score de dépression ; IL-6 qui pilote la fatigue ; l’âge qui pilote à la fois NfL et la cognition ; et deux versions binaires des marqueurs (CRP coupée à la médiane, IL-6 coupée au 80e percentile).

library(corrkit)
options(corrkit.unicode = TRUE)   # PNG figures: keep the mathematical symbols
d   <- simulate_cor_data(n = 200)
lab <- attr(d, "labels")
str(d)
#> 'data.frame':    200 obs. of  11 variables:
#>  $ age       : num  61 42 57 54 47 25 46 43 56 49 ...
#>  $ sex       : Factor w/ 2 levels "F","M": 1 1 1 2 2 2 1 1 2 2 ...
#>  $ CRP       : num  1.95 0.98 0.51 3.89 0.55 0.43 0.6 1.66 1.46 2.39 ...
#>  $ IL6       : num  0.82 -0.65 -0.28 0.71 -0.07 -0.45 -0.29 1.5 -1.36 0.14 ...
#>  $ BDNF      : num  0.3 -0.35 -0.21 0.89 1.55 1.31 0.32 0.17 -1.48 -1.3 ...
#>  $ NfL       : num  0.93 -0.15 -0.76 -0.86 -1.08 -1.47 -1.5 NA -0.99 -0.06 ...
#>  $ depression: num  7.3 7.3 NA 14.4 9.1 10.2 6 14.1 15.2 11.4 ...
#>  $ fatigue   : num  4 5.6 4.6 9.2 9.1 7.6 7.5 12.3 4.5 0.1 ...
#>  $ cognition : num  23.6 25.7 25.5 24.3 26 NA 27.6 26.3 26.1 27.7 ...
#>  $ BIN_CRP   : Factor w/ 2 levels "low","high": 2 1 1 2 1 1 1 2 2 2 ...
#>  $ BIN_IL6   : Factor w/ 2 levels "low","high": 1 1 1 1 1 1 1 2 1 1 ...
#>  - attr(*, "labels")= Named chr [1:11] "Age" "Sex" "CRP" "IL-6" ...
#>   ..- attr(*, "names")= chr [1:11] "age" "sex" "CRP" "IL6" ...

lab est un vecteur nommé variable → libellé ; toutes les fonctions l’acceptent via labels.

vars <- c("CRP", "IL6", "BDNF", "NfL", "depression", "fatigue", "cognition", "BIN_CRP", "BIN_IL6")
cm <- cor_compute(d, vars, method = "spearman", labels = lab)
cm
#> <cor_result> Spearman correlations: 9 variables, 36 pairs (2 binary variables)
#>   engine: psych::corr.test() {psych} | N = 188–194
#>   Raw p (no multiple-testing adjustment): * < 0.05, ** < 0.01, *** < 0.001; no star = p ≥ 0.05.
#> 
#>            CRP      IL6      BDNF     NfL      depression fatigue cognition
#> CRP        1                                                               
#> IL6        0.57***  1                                                      
#> BDNF       -0.36*** -0.25*** 1                                             
#> NfL        0.17*    0.05     -0.04    1                                    
#> depression 0.50***  0.47***  -0.21**  0.23**   1                           
#> fatigue    0.17*    0.47***  -0.10    -0.05    0.25***    1                
#> cognition  -0.13    -0.01    0.01     -0.61*** -0.27***   0.06    1        
#> BIN_CRP    0.87***  0.46***  -0.31*** 0.12     0.41***    0.21**  -0.04    
#> BIN_IL6    0.39***  0.69***  -0.14    0.07     0.35***    0.35*** -0.04    
#>            BIN_CRP BIN_IL6
#> CRP                       
#> IL6                       
#> BDNF                      
#> NfL                       
#> depression                
#> fatigue                   
#> cognition                 
#> BIN_CRP    1              
#> BIN_IL6    0.33*** 1

Les arguments principaux de cor_compute() :

Argument Défaut Rôle
x, y — y = NULL : toutes les paires de x (matrice) ; y donné : x × y (voir Corrélations croisées et partielles)
covariates NULL covariables d’une corrélation partielle
method "spearman" "pearson", "kendall", ou une méthode robuste du package correlation (voir Comparer les coefficients)
p_adjust "none" p-values brutes ; "BH", "holm", "bonferroni"… pour un ajustement sur les k(k − 1)/2 paires (voir Corrections pour tests multiples)
engine "auto" sans covariables : psych::corr.test(), puis correlation::correlation(), puis stats::cor.test() ; avec covariables : ppcor::pcor.test()
labels NULL libellés des variables, repris par toutes les sorties
ci 0.95 niveau des intervalles de confiance (NULL = aucun)

Les sorties

Toutes les sorties partent du même objet cm.

plot(cm) appelle plot_cor_heatmap(cm).

plot(cm)

Chaque coefficient avec son intervalle de confiance : la heatmap montre la structure, le forest plot la précision. Point plein = p < 0,05.

plot(cm, type = "forest")

Une paire, avec ce que mesure le coefficient ; par défaut la paire la plus corrélée.

plot(cm, type = "scatter", pair = c("IL6", "fatigue"))

Le même résultat que la heatmap, avec la même échelle de couleurs.

Correlation matrix
Spearman correlation, unadjusted | pairwise complete N = 188–194 | Computed with psych::corr.test() {psych}; p adjustment: none (raw p-values)
CRP IL-6 BDNF NfL Depression score Fatigue score Cognition score CRP high [0/1] IL-6 high [0/1]
CRP 1
IL-6 0.57*** 1
BDNF -0.36*** -0.25*** 1
NfL 0.17* 0.05 -0.04 1
Depression score 0.50*** 0.47*** -0.21** 0.23** 1
Fatigue score 0.17* 0.47*** -0.10 -0.05 0.25*** 1
Cognition score -0.13 -0.01 0.01 -0.61*** -0.27*** 0.06 1
CRP high [0/1]1 0.87*** 0.46*** -0.31*** 0.12 0.41*** 0.21** -0.04 1
IL-6 high [0/1]1 0.39*** 0.69*** -0.14 0.07 0.35*** 0.35*** -0.04 0.33*** 1
1 Binary variable [0/1], coded 0/1 (upper level = 1).
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)); t-test, n − 2 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.
Confidence intervals: tbl_cor(layout = "long").
Notation: Makowski D, Ben-Shachar MS, Patil I, Lüdecke D (2020), J Open Source Softw 5(51):2306, doi:10.21105/joss.02306.

Une ligne par paire, avec n, l’intervalle de confiance et la p-value ; lignes significatives en gras.

tbl_cor(cm, layout = "long", sort_by = "abs")
Spearman correlations
Spearman correlation, unadjusted | pairwise complete N = 188–194 | Computed with psych::corr.test() {psych}; p adjustment: none (raw p-values)
Variable 1 Variable 2 Pair n rₛ 95% CI p (raw)
CRP CRP high [0/1] cont × bin 194 0.87 [0.82, 0.90] < 0.001 ***
IL-6 IL-6 high [0/1] cont × bin 194 0.69 [0.61, 0.76] < 0.001 ***
NfL Cognition score cont × cont 188 -0.61 [-0.69, -0.51] < 0.001 ***
CRP IL-6 cont × cont 188 0.57 [0.46, 0.66] < 0.001 ***
CRP Depression score cont × cont 188 0.50 [0.38, 0.61] < 0.001 ***
IL-6 Depression score cont × cont 188 0.47 [0.34, 0.57] < 0.001 ***
IL-6 Fatigue score cont × cont 189 0.47 [0.34, 0.57] < 0.001 ***
IL-6 CRP high [0/1] cont × bin 188 0.46 [0.33, 0.57] < 0.001 ***
Depression score CRP high [0/1] cont × bin 188 0.41 [0.28, 0.53] < 0.001 ***
CRP IL-6 high [0/1] cont × bin 188 0.39 [0.26, 0.51] < 0.001 ***
CRP BDNF cont × cont 188 -0.36 [-0.48, -0.23] < 0.001 ***
Depression score IL-6 high [0/1] cont × bin 188 0.35 [0.22, 0.47] < 0.001 ***
Fatigue score IL-6 high [0/1] cont × bin 189 0.35 [0.21, 0.47] < 0.001 ***
CRP high [0/1] IL-6 high [0/1] bin × bin 188 0.33 [0.20, 0.46] < 0.001 ***
BDNF CRP high [0/1] cont × bin 188 -0.31 [-0.44, -0.17] < 0.001 ***
Depression score Cognition score cont × cont 188 -0.27 [-0.40, -0.12] < 0.001 ***
Depression score Fatigue score cont × cont 188 0.25 [0.11, 0.39] < 0.001 ***
IL-6 BDNF cont × cont 188 -0.25 [-0.38, -0.10] < 0.001 ***
NfL Depression score cont × cont 188 0.23 [0.09, 0.37] 0.001 **
BDNF Depression score cont × cont 188 -0.21 [-0.35, -0.07] 0.003 **
Fatigue score CRP high [0/1] cont × bin 188 0.21 [0.06, 0.34] 0.005 **
CRP NfL cont × cont 188 0.17 [0.03, 0.31] 0.018 *
CRP Fatigue score cont × cont 188 0.17 [0.02, 0.31] 0.019 *
BDNF IL-6 high [0/1] cont × bin 188 -0.14 [-0.28, 0.01] 0.058
CRP Cognition score cont × cont 188 -0.13 [-0.27, 0.01] 0.069
NfL CRP high [0/1] cont × bin 188 0.12 [-0.03, 0.26] 0.094
BDNF Fatigue score cont × cont 189 -0.10 [-0.24, 0.05] 0.175
NfL IL-6 high [0/1] cont × bin 188 0.07 [-0.08, 0.21] 0.347
Fatigue score Cognition score cont × cont 188 0.06 [-0.09, 0.20] 0.435
NfL Fatigue score cont × cont 189 -0.05 [-0.20, 0.10] 0.493
IL-6 NfL cont × cont 188 0.05 [-0.10, 0.19] 0.510
Cognition score CRP high [0/1] cont × bin 188 -0.04 [-0.19, 0.11] 0.584
Cognition score IL-6 high [0/1] cont × bin 188 -0.04 [-0.18, 0.11] 0.606
BDNF NfL cont × cont 189 -0.04 [-0.18, 0.11] 0.627
BDNF Cognition score cont × cont 188 0.01 [-0.13, 0.16] 0.839
IL-6 Cognition score cont × cont 188 -0.01 [-0.16, 0.14] 0.891
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)); t-test, n − 2 df.
95% CI: Fisher z transformation, SE = √(1.06 / (n − 3)) (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.
print(cm)
#> <cor_result> Spearman correlations: 9 variables, 36 pairs (2 binary variables)
#>   engine: psych::corr.test() {psych} | N = 188–194
#>   Raw p (no multiple-testing adjustment): * < 0.05, ** < 0.01, *** < 0.001; no star = p ≥ 0.05.
#> 
#>            CRP      IL6      BDNF     NfL      depression fatigue cognition
#> CRP        1                                                               
#> IL6        0.57***  1                                                      
#> BDNF       -0.36*** -0.25*** 1                                             
#> NfL        0.17*    0.05     -0.04    1                                    
#> depression 0.50***  0.47***  -0.21**  0.23**   1                           
#> fatigue    0.17*    0.47***  -0.10    -0.05    0.25***    1                
#> cognition  -0.13    -0.01    0.01     -0.61*** -0.27***   0.06    1        
#> BIN_CRP    0.87***  0.46***  -0.31*** 0.12     0.41***    0.21**  -0.04    
#> BIN_IL6    0.39***  0.69***  -0.14    0.07     0.35***    0.35*** -0.04    
#>            BIN_CRP BIN_IL6
#> CRP                       
#> IL6                       
#> BDNF                      
#> NfL                       
#> depression                
#> fatigue                   
#> cognition                 
#> BIN_CRP    1              
#> BIN_IL6    0.33*** 1
summary(cm)
#> == Correlation analysis (cor_result) ==
#> 
#>   Mode         matrix: every pair of 9 variables
#>   Method       Spearman
#>   Covariates   none (unadjusted)
#>   Engine       psych::corr.test() {psych}
#>   CI           95% (correlation::cor_to_ci)
#>   p-values     raw (no multiple-testing adjustment)
#> 
#> -- Variables --
#>    variable            label   role       type   n
#>         CRP              CRP matrix continuous 194
#>         IL6             IL-6 matrix continuous 194
#>        BDNF             BDNF matrix continuous 194
#>         NfL              NfL matrix continuous 194
#>  depression Depression score matrix continuous 194
#>     fatigue    Fatigue score matrix continuous 194
#>   cognition  Cognition score matrix continuous 194
#>     BIN_CRP         CRP high matrix     binary 194
#>     BIN_IL6        IL-6 high matrix     binary 194
#> 
#> -- Pairs --
#>   36 pairs (15 involving a binary variable), N = 188–194
#>   p < 0.05: 23 (raw)
#> 
#> -- Strongest pairs (|r_s|) --
#>                    pair   r_s             CI       p   n
#>          CRP - CRP high  0.87   [0.82, 0.90] < 0.001 194
#>        IL-6 - IL-6 high  0.69   [0.61, 0.76] < 0.001 194
#>   NfL - Cognition score -0.61 [-0.69, -0.51] < 0.001 188
#>              CRP - IL-6  0.57   [0.46, 0.66] < 0.001 188
#>  CRP - Depression score  0.50   [0.38, 0.61] < 0.001 188
#> 
#> -- Content of the object --
#>   $table  one row per pair (36 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 9 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)

Le tableau long, pour filtrer, trier ou exporter (write.csv(as.data.frame(cm), ...)).

head(as.data.frame(cm), 10)
#>      X          Y     x_type     y_type           r      ci_low     ci_high
#> 1  CRP        IL6 continuous continuous  0.56897575  0.46026507  0.66087549
#> 2  CRP       BDNF continuous continuous -0.36210257 -0.48359271 -0.22692414
#> 3  CRP        NfL continuous continuous  0.17166756  0.02501970  0.31108281
#> 4  CRP depression continuous continuous  0.50289312  0.38405847  0.60533837
#> 5  CRP    fatigue continuous continuous  0.17073934  0.02406403  0.31021884
#> 6  CRP  cognition continuous continuous -0.13285695 -0.27476108  0.01471135
#> 7  CRP    BIN_CRP continuous     binary  0.86603217  0.82458428  0.89823283
#> 8  CRP    BIN_IL6 continuous     binary  0.38914919  0.25657405  0.50735127
#> 9  IL6       BDNF continuous continuous -0.24812481 -0.38146502 -0.10466940
#> 10 IL6        NfL continuous continuous  0.04837098 -0.09961916  0.19426744
#>               p        p_adj   n k           engine              ci_engine
#> 1  1.613518e-17 1.613518e-17 188 0 psych::corr.test correlation::cor_to_ci
#> 2  3.288137e-07 3.288137e-07 188 0 psych::corr.test correlation::cor_to_ci
#> 3  1.849267e-02 1.849267e-02 188 0 psych::corr.test correlation::cor_to_ci
#> 4  1.917294e-13 1.917294e-13 188 0 psych::corr.test correlation::cor_to_ci
#> 5  1.914605e-02 1.914605e-02 188 0 psych::corr.test correlation::cor_to_ci
#> 6  6.913152e-02 6.913152e-02 188 0 psych::corr.test correlation::cor_to_ci
#> 7  1.051319e-59 1.051319e-59 194 0 psych::corr.test correlation::cor_to_ci
#> 8  3.404032e-08 3.404032e-08 188 0 psych::corr.test correlation::cor_to_ci
#> 9  5.963373e-04 5.963373e-04 188 0 psych::corr.test correlation::cor_to_ci
#> 10 5.097724e-01 5.097724e-01 188 0 psych::corr.test correlation::cor_to_ci

Lire une heatmap

  • le sous-titre donne la méthode, l’effectif (complet par paire : il varie avec les valeurs manquantes) et la fonction qui a fait le calcul ;
  • chaque case affiche le coefficient et les étoiles de la p-value ; la couleur suit une échelle unique de −1 (bleu) à +1 (rouge) ;
  • les variables binaires sont regroupées dans un bloc à part, car leur coefficient n’est pas sur la même échelle (voir Variables binaires) ;
  • la légende du bas rappelle le statut des p-values (brutes, ou ajustées et sur quelle famille), l’ordre des variables, la formule du coefficient et la lecture des cases binaires.

Le sous-titre et les notes des tableaux sont construits par les mêmes fonctions internes que la légende de la heatmap : un graphique et son tableau ne peuvent pas se contredire.

Options de la heatmap

Par défaut, les variables sont ordonnées par classification hiérarchique (Ward, distance 1 − r) à l’intérieur de chaque bloc, ce qui rapproche les variables qui se ressemblent. order = "original" garde l’ordre donné.

plot(cm, order = "original")

separator = "line" remplace les facettes par deux traits et garde des cases carrées.

plot(cm, separator = "line")

show_values = FALSE ne garde que les couleurs, pour une vue d’ensemble d’une grande matrice.

plot(cm, show_values = FALSE)

palette (couleurs des corrélations négatives et positives), title, base_size, value_size et caption_width règlent l’apparence. Le résultat est un ggplot : on peut lui ajouter des couches et des thèmes.

plot(cm, palette = c(low = "#1B7837", high = "#762A83"),
                 title = "Biomarqueurs et scores", base_size = 11)

Rendu des formules

Les sous-titres, légendes et titres d’axes utilisent la notation de Makowski et al. (2020). Si le package ggtext est installé, elle est composée comme en LaTeX : rs, rxy.z, ex.z, rrb. Deux options règlent ce rendu :

Option Défaut Effet
corrkit.markdown TRUE avec ggtext : indices et italiques ; FALSE : texte simple
corrkit.unicode FALSE TRUE garde les vrais symboles (√, −, τ, ≤)

Le device pdf() de R (celui de ggsave("figure.pdf") et de R CMD check) ne sait pas dessiner √, − ou τ : par défaut, ils sont donc écrits sqrt, - et tau. Pour des figures en PNG, ou en PDF avec ggsave(..., device = cairo_pdf), activez-les ; c’est ce que font ces vignettes :

options(corrkit.unicode = TRUE)
ggplot2::ggsave("heatmap.pdf", plot(cm), width = 8, height = 8, device = cairo_pdf)

La légende de l’échelle de couleur (rs, τ) est toujours composée, quel que soit le device.

Choisir le moteur

Les moteurs donnent les mêmes coefficients ; on peut le vérifier :

a <- cor_compute(d, vars, engine = "stats")
b <- cor_compute(d, vars, engine = "auto")    # psych si installé
all.equal(as.matrix(a), as.matrix(b))
#> [1] TRUE

Pour Kendall, psych n’est pas utilisé (il teste τ avec la formule t de r) : engine = "auto" passe par correlation::correlation() ou stats::cor.test().

ck <- cor_compute(d, vars, method = "kendall", labels = lab)
plot(ck, title = "Kendall correlations")

Récapitulatif des fonctions

Je veux… Fonction
toutes les paires d’un ensemble de variables cor_compute(d, x) → plot(), tbl_cor(), summary()
des prédicteurs × des scores, éventuellement ajustés cor_compute(d, x, y, covariates) → plot(), tbl_cor(), summary()
voir une paire et ce que mesure son coefficient plot_cor_pair()
un test pour une paire partial_cor_test()
les effets des variables binaires cor_binary_effects() → tbl_cor_binary()
une note de lecture des variables binaires (en ou fr) cor_binary_note()

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
Back to top