R/fct_correlacionFuntions.R
In PAD-LAB/Ro-Statistics: Ro-Statistics
Defines functions
calculoEstadistica_Correlacion
calculoMapadeCalor_Correlacion
calculoTCorrelacion
#' correlacionFuntions
#'
#' @description A fct function
#'
#' @return The return value, if any, from executing the function.
#'
#' @noRd
#'
#'
calculoTCorrelacion <- function(session, df, Agrupamiento, Dependiente,
pearson,spearman,kendall,
Hypot,significancia,estadistica
) {
agrupamiento = c()
total = c()
valorConfidencia="95"
intervaloValue <- (as.numeric(valorConfidencia))
golem::print_dev("significancia")
golem::print_dev(significancia)
variable <- c(names(Agrupamiento))
metodo <- c()
var <- c()
nColumnas <- length(variable)
nFilas <- length(variable)
if (intervaloValue < 100 ){
correlacionmatrixCor = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas) #
correlacionmatrixP.value = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas) #
golem::print_dev("Si es menor y cumple requisitos")
intervaloValue <- intervaloValue/100
# golem::print_dev(intervaloValue)
if(pearson == FALSE && spearman == FALSE && kendall == FALSE ) # ok revissar
{
nombreAgrupamiento <- " "
valorEstadistico <- " "
valorParametro <- " "
valorPvalue <- " "
#golem::print_dev(resss)
tablaCorrelacion <- data.frame(nombreAgrupamiento,valorEstadistico)
colnames(tablaCorrelacion) <- c("--"," --")
#return(list(ttestTable," "))
return(list(tablaCorrelacion,paste0("Nota. Matriz de Correlacion" )))
}
if(pearson == TRUE && spearman == FALSE && kendall == FALSE ) #1 ok
{
columnasTemp <- list()
temporal <- vector()
golem::print_dev("SI CUMPLIO # 1")
tipoTtest = c("pearson")
if (Hypot == "correlacion"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionPearsonCor
correlacionmatrixP.value[i,j] = correlacionPearsonP.value
}
}
}
if (Hypot == "correlacion_Positiva"){
# golem::print_dev("HYPOTESIS POSITOVA ")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionPearsonCor
correlacionmatrixP.value[i,j] = correlacionPearsonP.value
}
}
}
if (Hypot == "correlacion_Negativa"){
golem::print_dev("HYPOMENOR")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionPearsonCor
correlacionmatrixP.value[i,j] = correlacionPearsonP.value
}
}
# golem::print_dev(correlacionmatrixCor)
}
############Elima parte superior de las matrices
golem::print_dev("obtener parte arriba igual")
correlacionmatrixCor[upper.tri(correlacionmatrixCor)] <- '----'
diag(correlacionmatrixCor) <- '----'
corrMatrix <- correlacionmatrixCor
correlacionmatrixP.value[upper.tri(correlacionmatrixP.value)] <- '----'
diag(correlacionmatrixP.value) <- '----'
var <- variable
if( significancia == TRUE ){ # Si activa se Calcula diferencia de medias
golem::print_dev("significancia trueeeeee")
tipoTtest = c("Pearson's r","valor P")
mat_combined1 <- rbind(correlacionmatrixCor, correlacionmatrixP.value)
golem::print_dev(mat_combined1)
golem::print_dev("datossssssssss")
secuencia1 <- rep(seq(nrow(correlacionmatrixCor),(nrow(correlacionmatrixCor)*-1)+1,length.out = 2),times=nrow(correlacionmatrixCor) - 1)
secuencia <- c(0,secuencia1,nrow(correlacionmatrixCor))
golem::print_dev(secuencia)
for (j in 1:nrow(correlacionmatrixCor)) {
var[j+(j-1)] <- variable[j]
var[j*2] <- " "
}
for (j in 1:nrow(mat_combined1)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}
#columnasTemp[j] <- list.append(j)
}
corrMatrix <- mat_combined1[temporal,]
}
tablaCorrelacion <- as.data.frame(corrMatrix)
tablaCorrelacion <- data.frame(var,tipoTtest,tablaCorrelacion)
colnames(tablaCorrelacion) <- c(" ","modelo",variable)
return(list(tablaCorrelacion,paste0(" ")))
}
if(pearson == FALSE && spearman == TRUE && kendall == FALSE ) #1 ok
{
columnasTemp <- list()
temporal <- vector()
golem::print_dev("SI CUMPLIO # 1")
tipoTtest = c("spearman")
if (Hypot == "correlacion"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionSpearmanCor
correlacionmatrixP.value[i,j] = correlacionSpearmanP.value
}
}
}
if (Hypot == "correlacion_Positiva"){
# golem::print_dev("HYPOTESIS IGUAL ")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionSpearmanCor
correlacionmatrixP.value[i,j] = correlacionSpearmanP.value
}
}
}
if (Hypot == "correlacion_Negativa"){
golem::print_dev("HYPOMENOR")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionSpearmanCor
correlacionmatrixP.value[i,j] = correlacionSpearmanP.value
}
}
# golem::print_dev(correlacionmatrixCor)
}
############Elima parte superior de las matrices
golem::print_dev("obtener parte arriba igual")
correlacionmatrixCor[upper.tri(correlacionmatrixCor)] <- '----'
diag(correlacionmatrixCor) <- '----'
corrMatrix <- correlacionmatrixCor
correlacionmatrixP.value[upper.tri(correlacionmatrixP.value)] <- '----'
diag(correlacionmatrixP.value) <- '----'
var <- variable
if( significancia == TRUE ){ # Si activa se Calcula diferencia de medias
golem::print_dev("significancia trueeeeee")
tipoTtest = c("Spearman","valor P")
mat_combined1 <- rbind(correlacionmatrixCor, correlacionmatrixP.value)
golem::print_dev(mat_combined1)
golem::print_dev("datossssssssss")
secuencia1 <- rep(seq(nrow(correlacionmatrixCor),(nrow(correlacionmatrixCor)*-1)+1,length.out = 2),times=nrow(correlacionmatrixCor) - 1)
secuencia <- c(0,secuencia1,nrow(correlacionmatrixCor))
golem::print_dev(secuencia)
for (j in 1:nrow(correlacionmatrixCor)) {
var[j+(j-1)] <- variable[j]
var[j*2] <- " "
}
for (j in 1:nrow(mat_combined1)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}
#columnasTemp[j] <- list.append(j)
}
corrMatrix <- mat_combined1[temporal,]
}
tablaCorrelacion <- as.data.frame(corrMatrix)
tablaCorrelacion <- data.frame(var,tipoTtest,tablaCorrelacion)
colnames(tablaCorrelacion) <- c(" ","modelo",variable)
return(list(tablaCorrelacion,paste0(" ")))
}
if(pearson == FALSE && spearman == FALSE && kendall == TRUE ) #1 ok
{
columnasTemp <- list()
temporal <- vector()
golem::print_dev("SI CUMPLIO # 1")
tipoTtest = c("kendall")
if (Hypot == "correlacion"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionKendallCor
correlacionmatrixP.value[i,j] = correlacionKendallP.value
}
}
}
if (Hypot == "correlacion_Positiva"){
# golem::print_dev("HYPOTESIS IGUAL ")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionKendallCor
correlacionmatrixP.value[i,j] = correlacionKendallP.value
}
}
}
if (Hypot == "correlacion_Negativa"){
golem::print_dev("HYPOMENOR")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionKendallCor
correlacionmatrixP.value[i,j] = correlacionKendallP.value
}
}
# golem::print_dev(correlacionmatrixCor)
}
############Elima parte superior de las matrices
golem::print_dev("obtener parte arriba igual")
correlacionmatrixCor[upper.tri(correlacionmatrixCor)] <- '----'
diag(correlacionmatrixCor) <- '----'
corrMatrix <- correlacionmatrixCor
correlacionmatrixP.value[upper.tri(correlacionmatrixP.value)] <- '----'
diag(correlacionmatrixP.value) <- '----'
var <- variable
if( significancia == TRUE ){ # Si activa se Calcula diferencia de medias
golem::print_dev("significancia trueeeeee")
tipoTtest = c("kendall","valor P")
mat_combined1 <- rbind(correlacionmatrixCor, correlacionmatrixP.value)
golem::print_dev(mat_combined1)
golem::print_dev("datossssssssss")
secuencia1 <- rep(seq(nrow(correlacionmatrixCor),(nrow(correlacionmatrixCor)*-1)+1,length.out = 2),times=nrow(correlacionmatrixCor) - 1)
secuencia <- c(0,secuencia1,nrow(correlacionmatrixCor))
golem::print_dev(secuencia)
for (j in 1:nrow(correlacionmatrixCor)) {
var[j+(j-1)] <- variable[j]
var[j*2] <- " "
}
for (j in 1:nrow(mat_combined1)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}
#columnasTemp[j] <- list.append(j)
}
corrMatrix <- mat_combined1[temporal,]
}
tablaCorrelacion <- as.data.frame(corrMatrix)
tablaCorrelacion <- data.frame(var,tipoTtest,tablaCorrelacion)
colnames(tablaCorrelacion) <- c(" ","modelo",variable)
return(list(tablaCorrelacion,paste0(" ")))
}
if(pearson == TRUE && spearman == FALSE && kendall == TRUE ) #1 ok
{
columnasTemp <- list()
temporal <- vector()
correlacionmatrixCorP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixCorS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
golem::print_dev("SI CUMPLIO # 3")
tipoTtest = c("Pearson","Kendall")
if (Hypot == "correlacion"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionKendallCor
correlacionmatrixP.valueS[i,j] = correlacionKendallP.value
}
}
#golem::print_dev(variable)
#golem::print_dev(length((variable)))
}
if (Hypot == "correlacion_Positiva"){
# golem::print_dev("HYPOTESIS IGUAL ")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionKendallCor
correlacionmatrixP.valueS[i,j] = correlacionKendallP.value
}
}
}
if (Hypot == "correlacion_Negativa"){
golem::print_dev("HYPOMENOR")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionKendallCor
correlacionmatrixP.valueS[i,j] = correlacionKendallP.value
}
}
}
############ Se obtiene parte de arriba de matrix Correlation
golem::print_dev("obtener parte abajo de Ambas matrices Corr")
correlacionmatrixCorP[upper.tri(correlacionmatrixCorP)] <- '----'
diag(correlacionmatrixCorP) <- '----'
correlacionmatrixCorS[upper.tri(correlacionmatrixCorS)] <- '----'
diag(correlacionmatrixCorS) <- '----'
mat_combinedPS <- rbind(correlacionmatrixCorP, correlacionmatrixCorS)
############ Se obtiene parte de arriba de matrix P Value
correlacionmatrixP.valueP[upper.tri(correlacionmatrixP.valueP)] <- '----'
diag(correlacionmatrixP.valueP) <- '----'
correlacionmatrixP.valueS[upper.tri(correlacionmatrixP.valueS)] <- '----'
diag(correlacionmatrixP.valueS) <- '----'
mat_combinedPS_Pvalue <- rbind(correlacionmatrixP.valueP, correlacionmatrixP.valueS)
#Secuencia para Obtener 2 metodos en la tabla
secuencia1 <- rep(seq(nrow(correlacionmatrixCorP),(nrow(correlacionmatrixCorP)*-1)+1,length.out = 2),times=nrow(correlacionmatrixCorP) - 1)
secuencia <- c(0,secuencia1,nrow(correlacionmatrixCorP))
golem::print_dev(secuencia)
for (j in 1:nrow(correlacionmatrixCorP)) {
var[j+(j-1)] <- variable[j]
var[j*2] <- " "
}
for (j in 1:nrow(mat_combinedPS)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}}
corrMatrix <- mat_combinedPS[temporal,]
corrMatrixPvalue <- mat_combinedPS_Pvalue[temporal,]
if( significancia == TRUE ){ # Si activa significancia de 2 de tres
golem::print_dev("significancia trueeeeee")
tipoTtest = c("Pearson's r","valor P","Kendall","valor P")
mat_combined1 <- rbind(corrMatrix, corrMatrixPvalue)
golem::print_dev("Union de significancia de pearson y speramn")
secuencia1 <- rep(seq(nrow(mat_combinedPS),(nrow(mat_combinedPS)*-1)+1,length.out = 2),times=nrow(mat_combinedPS) - 1)
secuencia <- c(0,secuencia1,nrow(mat_combinedPS))
golem::print_dev(secuencia)
maxVar = nrow(mat_combined1) / 4
golem::print_dev(maxVar)
for (j in 1:maxVar) {
var[((j*4)- 3)] = variable[[j]]
var[(j*4)- (2)] = " "
var[(j*4)- (1)] = " "
var[(j*4)] = " "
}
for (j in 1:nrow(mat_combined1)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}
}
golem::print_dev(temporal)
corrMatrix <- mat_combined1[temporal,]
}
tablaCorrelacion <- as.data.frame(corrMatrix)
tablaCorrelacion <- data.frame(var,tipoTtest,tablaCorrelacion)
colnames(tablaCorrelacion) <- c(" ","modelo",variable)
return(list(tablaCorrelacion,paste0(" ")))
}
if(pearson == TRUE && spearman == TRUE && kendall == FALSE ) #1 ok
{
columnasTemp <- list()
temporal <- vector()
correlacionmatrixCorP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixCorS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
golem::print_dev("SI CUMPLIO # 3")
tipoTtest = c("Pearson","Spearman")
if (Hypot == "correlacion"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueS[i,j] = correlacionSpearmanP.value
}
}
#golem::print_dev(variable)
#golem::print_dev(length((variable)))
}
if (Hypot == "correlacion_Positiva"){
# golem::print_dev("HYPOTESIS IGUAL ")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueS[i,j] = correlacionSpearmanP.value
}
}
}
if (Hypot == "correlacion_Negativa"){
golem::print_dev("HYPOMENOR")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueS[i,j] = correlacionSpearmanP.value
}
}
}
############ Se obtiene parte de arriba de matrix Correlation
golem::print_dev("obtener parte abajo de Ambas matrices Corr")
correlacionmatrixCorP[upper.tri(correlacionmatrixCorP)] <- '----'
diag(correlacionmatrixCorP) <- '----'
correlacionmatrixCorS[upper.tri(correlacionmatrixCorS)] <- '----'
diag(correlacionmatrixCorS) <- '----'
mat_combinedPS <- rbind(correlacionmatrixCorP, correlacionmatrixCorS)
############ Se obtiene parte de arriba de matrix P Value
correlacionmatrixP.valueP[upper.tri(correlacionmatrixP.valueP)] <- '----'
diag(correlacionmatrixP.valueP) <- '----'
correlacionmatrixP.valueS[upper.tri(correlacionmatrixP.valueS)] <- '----'
diag(correlacionmatrixP.valueS) <- '----'
mat_combinedPS_Pvalue <- rbind(correlacionmatrixP.valueP, correlacionmatrixP.valueS)
#Secuencia para Obtener 2 metodos en la tabla
secuencia1 <- rep(seq(nrow(correlacionmatrixCorP),(nrow(correlacionmatrixCorP)*-1)+1,length.out = 2),times=nrow(correlacionmatrixCorP) - 1)
secuencia <- c(0,secuencia1,nrow(correlacionmatrixCorP))
golem::print_dev(secuencia)
for (j in 1:nrow(correlacionmatrixCorP)) {
var[j+(j-1)] <- variable[j]
var[j*2] <- " "
}
for (j in 1:nrow(mat_combinedPS)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}}
corrMatrix <- mat_combinedPS[temporal,]
corrMatrixPvalue <- mat_combinedPS_Pvalue[temporal,]
if( significancia == TRUE ){ # Si activa significancia de 2 de tres
golem::print_dev("significancia trueeeeee")
tipoTtest = c("Pearson's r","valor P","Spearman","valor P")
mat_combined1 <- rbind(corrMatrix, corrMatrixPvalue)
golem::print_dev("Union de significancia de pearson y speramn")
secuencia1 <- rep(seq(nrow(mat_combinedPS),(nrow(mat_combinedPS)*-1)+1,length.out = 2),times=nrow(mat_combinedPS) - 1)
secuencia <- c(0,secuencia1,nrow(mat_combinedPS))
golem::print_dev(secuencia)
maxVar = nrow(mat_combined1) / 4
golem::print_dev(maxVar)
for (j in 1:maxVar) {
var[((j*4)- 3)] = variable[[j]]
var[(j*4)- (2)] = " "
var[(j*4)- (1)] = " "
var[(j*4)] = " "
}
for (j in 1:nrow(mat_combined1)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}
}
golem::print_dev(temporal)
corrMatrix <- mat_combined1[temporal,]
}
tablaCorrelacion <- as.data.frame(corrMatrix)
tablaCorrelacion <- data.frame(var,tipoTtest,tablaCorrelacion)
colnames(tablaCorrelacion) <- c(" ","modelo",variable)
return(list(tablaCorrelacion,paste0(" ")))
}
if(pearson == FALSE && spearman == TRUE && kendall == TRUE ) #1 ok
{
columnasTemp <- list()
temporal <- vector()
correlacionmatrixCorP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixCorS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
golem::print_dev("SI CUMPLIO # 3")
tipoTtest = c("Spearman","Kendall")
if (Hypot == "correlacion"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueP[i,j] = correlacionSpearmanP.value
correlacionmatrixCorS[i,j] = correlacionKendallCor
correlacionmatrixP.valueS[i,j] = correlacionKendallP.value
}
}
#golem::print_dev(variable)
#golem::print_dev(length((variable)))
}
if (Hypot == "correlacion_Positiva"){
# golem::print_dev("HYPOTESIS IGUAL ")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueP[i,j] = correlacionSpearmanP.value
correlacionmatrixCorS[i,j] = correlacionKendallCor
correlacionmatrixP.valueS[i,j] = correlacionKendallP.value
}
}
}
if (Hypot == "correlacion_Negativa"){
golem::print_dev("HYPOMENOR")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueP[i,j] = correlacionSpearmanP.value
correlacionmatrixCorS[i,j] = correlacionKendallCor
correlacionmatrixP.valueS[i,j] = correlacionKendallP.value
}
}
}
############ Se obtiene parte de arriba de matrix Correlation
golem::print_dev("obtener parte abajo de Ambas matrices Corr")
correlacionmatrixCorP[upper.tri(correlacionmatrixCorP)] <- '----'
diag(correlacionmatrixCorP) <- '----'
correlacionmatrixCorS[upper.tri(correlacionmatrixCorS)] <- '----'
diag(correlacionmatrixCorS) <- '----'
mat_combinedPS <- rbind(correlacionmatrixCorP, correlacionmatrixCorS)
############ Se obtiene parte de arriba de matrix P Value
correlacionmatrixP.valueP[upper.tri(correlacionmatrixP.valueP)] <- '----'
diag(correlacionmatrixP.valueP) <- '----'
correlacionmatrixP.valueS[upper.tri(correlacionmatrixP.valueS)] <- '----'
diag(correlacionmatrixP.valueS) <- '----'
mat_combinedPS_Pvalue <- rbind(correlacionmatrixP.valueP, correlacionmatrixP.valueS)
#Secuencia para Obtener 2 metodos en la tabla
secuencia1 <- rep(seq(nrow(correlacionmatrixCorP),(nrow(correlacionmatrixCorP)*-1)+1,length.out = 2),times=nrow(correlacionmatrixCorP) - 1)
secuencia <- c(0,secuencia1,nrow(correlacionmatrixCorP))
golem::print_dev(secuencia)
for (j in 1:nrow(correlacionmatrixCorP)) {
var[j+(j-1)] <- variable[j]
var[j*2] <- " "
}
for (j in 1:nrow(mat_combinedPS)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}}
corrMatrix <- mat_combinedPS[temporal,]
corrMatrixPvalue <- mat_combinedPS_Pvalue[temporal,]
if( significancia == TRUE ){ # Si activa significancia de 2 de tres
golem::print_dev("significancia trueeeeee")
tipoTtest = c("Spearman's r","valor P","Kendall","valor P")
mat_combined1 <- rbind(corrMatrix, corrMatrixPvalue)
golem::print_dev("Union de significancia de spearman y speramn")
secuencia1 <- rep(seq(nrow(mat_combinedPS),(nrow(mat_combinedPS)*-1)+1,length.out = 2),times=nrow(mat_combinedPS) - 1)
secuencia <- c(0,secuencia1,nrow(mat_combinedPS))
golem::print_dev(secuencia)
maxVar = nrow(mat_combined1) / 4
golem::print_dev(maxVar)
for (j in 1:maxVar) {
var[((j*4)- 3)] = variable[[j]]
var[(j*4)- (2)] = " "
var[(j*4)- (1)] = " "
var[(j*4)] = " "
}
for (j in 1:nrow(mat_combined1)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}
}
golem::print_dev(temporal)
corrMatrix <- mat_combined1[temporal,]
}
tablaCorrelacion <- as.data.frame(corrMatrix)
tablaCorrelacion <- data.frame(var,tipoTtest,tablaCorrelacion)
colnames(tablaCorrelacion) <- c(" ","modelo",variable)
return(list(tablaCorrelacion,paste0(" ")))
}
if(pearson == TRUE && spearman == TRUE && kendall == TRUE ) #1 ok
{
columnasTemp <- list()
temporal <- vector()
correlacionmatrixCorP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixCorS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixCorK = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueK = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
golem::print_dev("SI CUMPLIO # 3")
tipoTtest = c("Pearson","Spearman","Kendall")
if (Hypot == "correlacion"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueS[i,j] = correlacionSpearmanP.value
correlacionmatrixCorK[i,j] = correlacionKendallCor
correlacionmatrixP.valueK[i,j] = correlacionKendallP.value
}
}
}
if (Hypot == "correlacion_Positiva"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueS[i,j] = correlacionSpearmanP.value
correlacionmatrixCorK[i,j] = correlacionKendallCor
correlacionmatrixP.valueK[i,j] = correlacionKendallP.value
}
}
}
if (Hypot == "correlacion_Negativa"){
golem::print_dev("HYPOMENOR")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueP[i,j] = correlacionSpearmanP.value
correlacionmatrixCorS[i,j] = correlacionKendallCor
correlacionmatrixP.valueS[i,j] = correlacionKendallP.value
}
}
}
############ Se obtiene parte de arriba de matrix Correlation
golem::print_dev("obtener parte abajo de tres matrices Corr")
correlacionmatrixCorP[upper.tri(correlacionmatrixCorP)] <- '----'
diag(correlacionmatrixCorP) <- '----'
correlacionmatrixCorS[upper.tri(correlacionmatrixCorS)] <- '----'
diag(correlacionmatrixCorS) <- '----'
correlacionmatrixCorK[upper.tri(correlacionmatrixCorK)] <- '----'
diag(correlacionmatrixCorK) <- '----'
mat_combinedPS <- rbind(correlacionmatrixCorP, correlacionmatrixCorS)
mat_combinedPSK <- rbind(mat_combinedPS, correlacionmatrixCorK)
############ Se obtiene parte de arriba de matrix P Value
correlacionmatrixP.valueP[upper.tri(correlacionmatrixP.valueP)] <- '----'
diag(correlacionmatrixP.valueP) <- '----'
correlacionmatrixP.valueS[upper.tri(correlacionmatrixP.valueS)] <- '----'
diag(correlacionmatrixP.valueS) <- '----'
correlacionmatrixP.valueK[upper.tri(correlacionmatrixP.valueK)] <- '----'
diag(correlacionmatrixP.valueK) <- '----'
mat_combinedPS_Pvalue <- rbind(correlacionmatrixP.valueP, correlacionmatrixP.valueS)
mat_combinedPSK_Pvalue <- rbind(mat_combinedPS_Pvalue, correlacionmatrixP.valueK)
# golem::print_dev(mat_combinedPSK)
# golem::print_dev(nrow(mat_combinedPSK))
#Secuencia para Obtener 3 metodos en la tabla
nVariables =nFilas
nUnido= nrow(mat_combinedPSK)
golem::print_dev(nVariables)
golem::print_dev(nUnido)
secuencia1 = seq(nVariables,nVariables,length = 2)
secuencia = c(0,rep(c(secuencia1,(nVariables-(nUnido-1))),times=(nVariables-1)),secuencia1)
golem::print_dev(secuencia)
maxVar = nrow(mat_combinedPSK) / 3
golem::print_dev(maxVar)
for (j in 1:maxVar) {
var[((j*3)- 2)] = variable[[j]]
var[(j*3)- (1)] = " "
var[(j*3)] = " "
}
for (j in 1:nrow(mat_combinedPSK)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}}
# golem::print_dev(temporal)
#golem::print_dev(mat_combinedPSK)
corrMatrix <- mat_combinedPSK[temporal,]
corrMatrixPvalue <- mat_combinedPSK_Pvalue[temporal,]
golem::print_dev(corrMatrix)
if( significancia == TRUE ){ # Si activa significancia de 2 de tres
golem::print_dev("significancia trueeeeee")
tipoTtest = c("Pearson","valor P","Spearman's r","valor P","Kendall","valor P")
golem::print_dev("j,dfsnjkbfdjdjkd")
golem::print_dev(mat_combinedPSK)
golem::print_dev("j,dfsnjkbfdjdjkd")
golem::print_dev(mat_combinedPSK_Pvalue)
golem::print_dev("nbbxcxcbxcxzcxzcxzcxzczxc")
mat_combined1 <- rbind(corrMatrix, corrMatrixPvalue)
golem::print_dev("Union de significancia de Pearson, Spearman y kendall")
secuencia1 <- rep(seq(nrow(mat_combinedPSK),(nrow(mat_combinedPSK)*-1)+1,length.out = 2),times=nrow(mat_combinedPSK) - 1)
secuencia <- c(0,secuencia1,nrow(mat_combinedPSK))
golem::print_dev(secuencia)
maxVar = nrow(mat_combined1) / 6
golem::print_dev(maxVar)
for (j in 1:maxVar) {
var[((j*6)- 5)] = variable[[j]]
var[(j*6)- 4] = " "
var[(j*6)- 3] = " "
var[(j*6)- 2] = " "
var[(j*6)- 1] = " "
var[(j*6)] = " "
}
for (j in 1:nrow(mat_combined1)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}
}
golem::print_dev(temporal)
corrMatrix <- mat_combined1[temporal,]
}
tablaCorrelacion <- as.data.frame(corrMatrix)
tablaCorrelacion <- data.frame(var,tipoTtest,tablaCorrelacion)
colnames(tablaCorrelacion) <- c(" ","modelo",variable)
return(list(tablaCorrelacion,paste0(" ")))
}
}
}
calculoMapadeCalor_Correlacion <- function(session, df, Agrupamiento, Dependiente, mapaCalor) {
agrupamiento = c()
total = c()
valorConfidencia="95"
intervaloValue <- (as.numeric(valorConfidencia))
variable <- c(names(Agrupamiento))
metodo <- c()
var <- c()
nColumnas <- length(variable)
nFilas <- length(variable)
correlacionmatrixCor = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas) #
correlacionmatrixP.value = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas) #
golem::print_dev("Si es menor y cumple requisitos de calor de correlacion")
intervaloValue <- intervaloValue/100
# golem::print_dev(intervaloValue)
columnasTemp <- list()
temporal <- vector()
golem::print_dev("SI CUMPLIO # 1")
tipoTtest = c("pearson")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionPearsonCor
correlacionmatrixP.value[i,j] = correlacionPearsonP.value
}
}
colnames(correlacionmatrixCor) <- variable
rownames(correlacionmatrixCor) <- variable
golem::print_dev(correlacionmatrixCor)
return(correlacionmatrixCor)
}
calculoEstadistica_Correlacion <- function(session, df, Agrupamiento, Dependiente, estadistica) {
agrupamiento = c()
total = c()
valorConfidencia="95"
intervaloValue <- (as.numeric(valorConfidencia))
variable <- c(names(Agrupamiento))
metodo <- c()
var <- c()
nColumnas <- length(variable)
nFilas <- length(variable)
correlacionmatrixCor = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas) #
correlacionmatrixP.value = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas) #
golem::print_dev("Si es menor y cumple requisitos de descriptivass")
intervaloValue <- intervaloValue/100
# golem::print_dev(intervaloValue)
columnasTemp <- list()
temporal <- vector()
# golem::print_dev(Agrupamiento)
data <- data.frame(Agrupamiento)
golem::print_dev(data)
return(data)
}
PAD-LAB/Ro-Statistics documentation built on April 28, 2022, 3:40 p.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Defines functions calculoEstadistica_Correlacion calculoMapadeCalor_Correlacion calculoTCorrelacion
#' correlacionFuntions
#'
#' @description A fct function
#'
#' @return The return value, if any, from executing the function.
#'
#' @noRd
#'
#'
calculoTCorrelacion <- function(session, df, Agrupamiento, Dependiente,
pearson,spearman,kendall,
Hypot,significancia,estadistica
) {
agrupamiento = c()
total = c()
valorConfidencia="95"
intervaloValue <- (as.numeric(valorConfidencia))
golem::print_dev("significancia")
golem::print_dev(significancia)
variable <- c(names(Agrupamiento))
metodo <- c()
var <- c()
nColumnas <- length(variable)
nFilas <- length(variable)
if (intervaloValue < 100 ){
correlacionmatrixCor = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas) #
correlacionmatrixP.value = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas) #
golem::print_dev("Si es menor y cumple requisitos")
intervaloValue <- intervaloValue/100
# golem::print_dev(intervaloValue)
if(pearson == FALSE && spearman == FALSE && kendall == FALSE ) # ok revissar
{
nombreAgrupamiento <- " "
valorEstadistico <- " "
valorParametro <- " "
valorPvalue <- " "
#golem::print_dev(resss)
tablaCorrelacion <- data.frame(nombreAgrupamiento,valorEstadistico)
colnames(tablaCorrelacion) <- c("--"," --")
#return(list(ttestTable," "))
return(list(tablaCorrelacion,paste0("Nota. Matriz de Correlacion" )))
}
if(pearson == TRUE && spearman == FALSE && kendall == FALSE ) #1 ok
{
columnasTemp <- list()
temporal <- vector()
golem::print_dev("SI CUMPLIO # 1")
tipoTtest = c("pearson")
if (Hypot == "correlacion"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionPearsonCor
correlacionmatrixP.value[i,j] = correlacionPearsonP.value
}
}
}
if (Hypot == "correlacion_Positiva"){
# golem::print_dev("HYPOTESIS POSITOVA ")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionPearsonCor
correlacionmatrixP.value[i,j] = correlacionPearsonP.value
}
}
}
if (Hypot == "correlacion_Negativa"){
golem::print_dev("HYPOMENOR")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionPearsonCor
correlacionmatrixP.value[i,j] = correlacionPearsonP.value
}
}
# golem::print_dev(correlacionmatrixCor)
}
############Elima parte superior de las matrices
golem::print_dev("obtener parte arriba igual")
correlacionmatrixCor[upper.tri(correlacionmatrixCor)] <- '----'
diag(correlacionmatrixCor) <- '----'
corrMatrix <- correlacionmatrixCor
correlacionmatrixP.value[upper.tri(correlacionmatrixP.value)] <- '----'
diag(correlacionmatrixP.value) <- '----'
var <- variable
if( significancia == TRUE ){ # Si activa se Calcula diferencia de medias
golem::print_dev("significancia trueeeeee")
tipoTtest = c("Pearson's r","valor P")
mat_combined1 <- rbind(correlacionmatrixCor, correlacionmatrixP.value)
golem::print_dev(mat_combined1)
golem::print_dev("datossssssssss")
secuencia1 <- rep(seq(nrow(correlacionmatrixCor),(nrow(correlacionmatrixCor)*-1)+1,length.out = 2),times=nrow(correlacionmatrixCor) - 1)
secuencia <- c(0,secuencia1,nrow(correlacionmatrixCor))
golem::print_dev(secuencia)
for (j in 1:nrow(correlacionmatrixCor)) {
var[j+(j-1)] <- variable[j]
var[j*2] <- " "
}
for (j in 1:nrow(mat_combined1)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}
#columnasTemp[j] <- list.append(j)
}
corrMatrix <- mat_combined1[temporal,]
}
tablaCorrelacion <- as.data.frame(corrMatrix)
tablaCorrelacion <- data.frame(var,tipoTtest,tablaCorrelacion)
colnames(tablaCorrelacion) <- c(" ","modelo",variable)
return(list(tablaCorrelacion,paste0(" ")))
}
if(pearson == FALSE && spearman == TRUE && kendall == FALSE ) #1 ok
{
columnasTemp <- list()
temporal <- vector()
golem::print_dev("SI CUMPLIO # 1")
tipoTtest = c("spearman")
if (Hypot == "correlacion"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionSpearmanCor
correlacionmatrixP.value[i,j] = correlacionSpearmanP.value
}
}
}
if (Hypot == "correlacion_Positiva"){
# golem::print_dev("HYPOTESIS IGUAL ")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionSpearmanCor
correlacionmatrixP.value[i,j] = correlacionSpearmanP.value
}
}
}
if (Hypot == "correlacion_Negativa"){
golem::print_dev("HYPOMENOR")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionSpearmanCor
correlacionmatrixP.value[i,j] = correlacionSpearmanP.value
}
}
# golem::print_dev(correlacionmatrixCor)
}
############Elima parte superior de las matrices
golem::print_dev("obtener parte arriba igual")
correlacionmatrixCor[upper.tri(correlacionmatrixCor)] <- '----'
diag(correlacionmatrixCor) <- '----'
corrMatrix <- correlacionmatrixCor
correlacionmatrixP.value[upper.tri(correlacionmatrixP.value)] <- '----'
diag(correlacionmatrixP.value) <- '----'
var <- variable
if( significancia == TRUE ){ # Si activa se Calcula diferencia de medias
golem::print_dev("significancia trueeeeee")
tipoTtest = c("Spearman","valor P")
mat_combined1 <- rbind(correlacionmatrixCor, correlacionmatrixP.value)
golem::print_dev(mat_combined1)
golem::print_dev("datossssssssss")
secuencia1 <- rep(seq(nrow(correlacionmatrixCor),(nrow(correlacionmatrixCor)*-1)+1,length.out = 2),times=nrow(correlacionmatrixCor) - 1)
secuencia <- c(0,secuencia1,nrow(correlacionmatrixCor))
golem::print_dev(secuencia)
for (j in 1:nrow(correlacionmatrixCor)) {
var[j+(j-1)] <- variable[j]
var[j*2] <- " "
}
for (j in 1:nrow(mat_combined1)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}
#columnasTemp[j] <- list.append(j)
}
corrMatrix <- mat_combined1[temporal,]
}
tablaCorrelacion <- as.data.frame(corrMatrix)
tablaCorrelacion <- data.frame(var,tipoTtest,tablaCorrelacion)
colnames(tablaCorrelacion) <- c(" ","modelo",variable)
return(list(tablaCorrelacion,paste0(" ")))
}
if(pearson == FALSE && spearman == FALSE && kendall == TRUE ) #1 ok
{
columnasTemp <- list()
temporal <- vector()
golem::print_dev("SI CUMPLIO # 1")
tipoTtest = c("kendall")
if (Hypot == "correlacion"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionKendallCor
correlacionmatrixP.value[i,j] = correlacionKendallP.value
}
}
}
if (Hypot == "correlacion_Positiva"){
# golem::print_dev("HYPOTESIS IGUAL ")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionKendallCor
correlacionmatrixP.value[i,j] = correlacionKendallP.value
}
}
}
if (Hypot == "correlacion_Negativa"){
golem::print_dev("HYPOMENOR")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionKendallCor
correlacionmatrixP.value[i,j] = correlacionKendallP.value
}
}
# golem::print_dev(correlacionmatrixCor)
}
############Elima parte superior de las matrices
golem::print_dev("obtener parte arriba igual")
correlacionmatrixCor[upper.tri(correlacionmatrixCor)] <- '----'
diag(correlacionmatrixCor) <- '----'
corrMatrix <- correlacionmatrixCor
correlacionmatrixP.value[upper.tri(correlacionmatrixP.value)] <- '----'
diag(correlacionmatrixP.value) <- '----'
var <- variable
if( significancia == TRUE ){ # Si activa se Calcula diferencia de medias
golem::print_dev("significancia trueeeeee")
tipoTtest = c("kendall","valor P")
mat_combined1 <- rbind(correlacionmatrixCor, correlacionmatrixP.value)
golem::print_dev(mat_combined1)
golem::print_dev("datossssssssss")
secuencia1 <- rep(seq(nrow(correlacionmatrixCor),(nrow(correlacionmatrixCor)*-1)+1,length.out = 2),times=nrow(correlacionmatrixCor) - 1)
secuencia <- c(0,secuencia1,nrow(correlacionmatrixCor))
golem::print_dev(secuencia)
for (j in 1:nrow(correlacionmatrixCor)) {
var[j+(j-1)] <- variable[j]
var[j*2] <- " "
}
for (j in 1:nrow(mat_combined1)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}
#columnasTemp[j] <- list.append(j)
}
corrMatrix <- mat_combined1[temporal,]
}
tablaCorrelacion <- as.data.frame(corrMatrix)
tablaCorrelacion <- data.frame(var,tipoTtest,tablaCorrelacion)
colnames(tablaCorrelacion) <- c(" ","modelo",variable)
return(list(tablaCorrelacion,paste0(" ")))
}
if(pearson == TRUE && spearman == FALSE && kendall == TRUE ) #1 ok
{
columnasTemp <- list()
temporal <- vector()
correlacionmatrixCorP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixCorS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
golem::print_dev("SI CUMPLIO # 3")
tipoTtest = c("Pearson","Kendall")
if (Hypot == "correlacion"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionKendallCor
correlacionmatrixP.valueS[i,j] = correlacionKendallP.value
}
}
#golem::print_dev(variable)
#golem::print_dev(length((variable)))
}
if (Hypot == "correlacion_Positiva"){
# golem::print_dev("HYPOTESIS IGUAL ")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionKendallCor
correlacionmatrixP.valueS[i,j] = correlacionKendallP.value
}
}
}
if (Hypot == "correlacion_Negativa"){
golem::print_dev("HYPOMENOR")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionKendallCor
correlacionmatrixP.valueS[i,j] = correlacionKendallP.value
}
}
}
############ Se obtiene parte de arriba de matrix Correlation
golem::print_dev("obtener parte abajo de Ambas matrices Corr")
correlacionmatrixCorP[upper.tri(correlacionmatrixCorP)] <- '----'
diag(correlacionmatrixCorP) <- '----'
correlacionmatrixCorS[upper.tri(correlacionmatrixCorS)] <- '----'
diag(correlacionmatrixCorS) <- '----'
mat_combinedPS <- rbind(correlacionmatrixCorP, correlacionmatrixCorS)
############ Se obtiene parte de arriba de matrix P Value
correlacionmatrixP.valueP[upper.tri(correlacionmatrixP.valueP)] <- '----'
diag(correlacionmatrixP.valueP) <- '----'
correlacionmatrixP.valueS[upper.tri(correlacionmatrixP.valueS)] <- '----'
diag(correlacionmatrixP.valueS) <- '----'
mat_combinedPS_Pvalue <- rbind(correlacionmatrixP.valueP, correlacionmatrixP.valueS)
#Secuencia para Obtener 2 metodos en la tabla
secuencia1 <- rep(seq(nrow(correlacionmatrixCorP),(nrow(correlacionmatrixCorP)*-1)+1,length.out = 2),times=nrow(correlacionmatrixCorP) - 1)
secuencia <- c(0,secuencia1,nrow(correlacionmatrixCorP))
golem::print_dev(secuencia)
for (j in 1:nrow(correlacionmatrixCorP)) {
var[j+(j-1)] <- variable[j]
var[j*2] <- " "
}
for (j in 1:nrow(mat_combinedPS)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}}
corrMatrix <- mat_combinedPS[temporal,]
corrMatrixPvalue <- mat_combinedPS_Pvalue[temporal,]
if( significancia == TRUE ){ # Si activa significancia de 2 de tres
golem::print_dev("significancia trueeeeee")
tipoTtest = c("Pearson's r","valor P","Kendall","valor P")
mat_combined1 <- rbind(corrMatrix, corrMatrixPvalue)
golem::print_dev("Union de significancia de pearson y speramn")
secuencia1 <- rep(seq(nrow(mat_combinedPS),(nrow(mat_combinedPS)*-1)+1,length.out = 2),times=nrow(mat_combinedPS) - 1)
secuencia <- c(0,secuencia1,nrow(mat_combinedPS))
golem::print_dev(secuencia)
maxVar = nrow(mat_combined1) / 4
golem::print_dev(maxVar)
for (j in 1:maxVar) {
var[((j*4)- 3)] = variable[[j]]
var[(j*4)- (2)] = " "
var[(j*4)- (1)] = " "
var[(j*4)] = " "
}
for (j in 1:nrow(mat_combined1)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}
}
golem::print_dev(temporal)
corrMatrix <- mat_combined1[temporal,]
}
tablaCorrelacion <- as.data.frame(corrMatrix)
tablaCorrelacion <- data.frame(var,tipoTtest,tablaCorrelacion)
colnames(tablaCorrelacion) <- c(" ","modelo",variable)
return(list(tablaCorrelacion,paste0(" ")))
}
if(pearson == TRUE && spearman == TRUE && kendall == FALSE ) #1 ok
{
columnasTemp <- list()
temporal <- vector()
correlacionmatrixCorP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixCorS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
golem::print_dev("SI CUMPLIO # 3")
tipoTtest = c("Pearson","Spearman")
if (Hypot == "correlacion"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueS[i,j] = correlacionSpearmanP.value
}
}
#golem::print_dev(variable)
#golem::print_dev(length((variable)))
}
if (Hypot == "correlacion_Positiva"){
# golem::print_dev("HYPOTESIS IGUAL ")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueS[i,j] = correlacionSpearmanP.value
}
}
}
if (Hypot == "correlacion_Negativa"){
golem::print_dev("HYPOMENOR")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueS[i,j] = correlacionSpearmanP.value
}
}
}
############ Se obtiene parte de arriba de matrix Correlation
golem::print_dev("obtener parte abajo de Ambas matrices Corr")
correlacionmatrixCorP[upper.tri(correlacionmatrixCorP)] <- '----'
diag(correlacionmatrixCorP) <- '----'
correlacionmatrixCorS[upper.tri(correlacionmatrixCorS)] <- '----'
diag(correlacionmatrixCorS) <- '----'
mat_combinedPS <- rbind(correlacionmatrixCorP, correlacionmatrixCorS)
############ Se obtiene parte de arriba de matrix P Value
correlacionmatrixP.valueP[upper.tri(correlacionmatrixP.valueP)] <- '----'
diag(correlacionmatrixP.valueP) <- '----'
correlacionmatrixP.valueS[upper.tri(correlacionmatrixP.valueS)] <- '----'
diag(correlacionmatrixP.valueS) <- '----'
mat_combinedPS_Pvalue <- rbind(correlacionmatrixP.valueP, correlacionmatrixP.valueS)
#Secuencia para Obtener 2 metodos en la tabla
secuencia1 <- rep(seq(nrow(correlacionmatrixCorP),(nrow(correlacionmatrixCorP)*-1)+1,length.out = 2),times=nrow(correlacionmatrixCorP) - 1)
secuencia <- c(0,secuencia1,nrow(correlacionmatrixCorP))
golem::print_dev(secuencia)
for (j in 1:nrow(correlacionmatrixCorP)) {
var[j+(j-1)] <- variable[j]
var[j*2] <- " "
}
for (j in 1:nrow(mat_combinedPS)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}}
corrMatrix <- mat_combinedPS[temporal,]
corrMatrixPvalue <- mat_combinedPS_Pvalue[temporal,]
if( significancia == TRUE ){ # Si activa significancia de 2 de tres
golem::print_dev("significancia trueeeeee")
tipoTtest = c("Pearson's r","valor P","Spearman","valor P")
mat_combined1 <- rbind(corrMatrix, corrMatrixPvalue)
golem::print_dev("Union de significancia de pearson y speramn")
secuencia1 <- rep(seq(nrow(mat_combinedPS),(nrow(mat_combinedPS)*-1)+1,length.out = 2),times=nrow(mat_combinedPS) - 1)
secuencia <- c(0,secuencia1,nrow(mat_combinedPS))
golem::print_dev(secuencia)
maxVar = nrow(mat_combined1) / 4
golem::print_dev(maxVar)
for (j in 1:maxVar) {
var[((j*4)- 3)] = variable[[j]]
var[(j*4)- (2)] = " "
var[(j*4)- (1)] = " "
var[(j*4)] = " "
}
for (j in 1:nrow(mat_combined1)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}
}
golem::print_dev(temporal)
corrMatrix <- mat_combined1[temporal,]
}
tablaCorrelacion <- as.data.frame(corrMatrix)
tablaCorrelacion <- data.frame(var,tipoTtest,tablaCorrelacion)
colnames(tablaCorrelacion) <- c(" ","modelo",variable)
return(list(tablaCorrelacion,paste0(" ")))
}
if(pearson == FALSE && spearman == TRUE && kendall == TRUE ) #1 ok
{
columnasTemp <- list()
temporal <- vector()
correlacionmatrixCorP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixCorS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
golem::print_dev("SI CUMPLIO # 3")
tipoTtest = c("Spearman","Kendall")
if (Hypot == "correlacion"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueP[i,j] = correlacionSpearmanP.value
correlacionmatrixCorS[i,j] = correlacionKendallCor
correlacionmatrixP.valueS[i,j] = correlacionKendallP.value
}
}
#golem::print_dev(variable)
#golem::print_dev(length((variable)))
}
if (Hypot == "correlacion_Positiva"){
# golem::print_dev("HYPOTESIS IGUAL ")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$p.value,3)
}
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("greater"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueP[i,j] = correlacionSpearmanP.value
correlacionmatrixCorS[i,j] = correlacionKendallCor
correlacionmatrixP.valueS[i,j] = correlacionKendallP.value
}
}
}
if (Hypot == "correlacion_Negativa"){
golem::print_dev("HYPOMENOR")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueP[i,j] = correlacionSpearmanP.value
correlacionmatrixCorS[i,j] = correlacionKendallCor
correlacionmatrixP.valueS[i,j] = correlacionKendallP.value
}
}
}
############ Se obtiene parte de arriba de matrix Correlation
golem::print_dev("obtener parte abajo de Ambas matrices Corr")
correlacionmatrixCorP[upper.tri(correlacionmatrixCorP)] <- '----'
diag(correlacionmatrixCorP) <- '----'
correlacionmatrixCorS[upper.tri(correlacionmatrixCorS)] <- '----'
diag(correlacionmatrixCorS) <- '----'
mat_combinedPS <- rbind(correlacionmatrixCorP, correlacionmatrixCorS)
############ Se obtiene parte de arriba de matrix P Value
correlacionmatrixP.valueP[upper.tri(correlacionmatrixP.valueP)] <- '----'
diag(correlacionmatrixP.valueP) <- '----'
correlacionmatrixP.valueS[upper.tri(correlacionmatrixP.valueS)] <- '----'
diag(correlacionmatrixP.valueS) <- '----'
mat_combinedPS_Pvalue <- rbind(correlacionmatrixP.valueP, correlacionmatrixP.valueS)
#Secuencia para Obtener 2 metodos en la tabla
secuencia1 <- rep(seq(nrow(correlacionmatrixCorP),(nrow(correlacionmatrixCorP)*-1)+1,length.out = 2),times=nrow(correlacionmatrixCorP) - 1)
secuencia <- c(0,secuencia1,nrow(correlacionmatrixCorP))
golem::print_dev(secuencia)
for (j in 1:nrow(correlacionmatrixCorP)) {
var[j+(j-1)] <- variable[j]
var[j*2] <- " "
}
for (j in 1:nrow(mat_combinedPS)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}}
corrMatrix <- mat_combinedPS[temporal,]
corrMatrixPvalue <- mat_combinedPS_Pvalue[temporal,]
if( significancia == TRUE ){ # Si activa significancia de 2 de tres
golem::print_dev("significancia trueeeeee")
tipoTtest = c("Spearman's r","valor P","Kendall","valor P")
mat_combined1 <- rbind(corrMatrix, corrMatrixPvalue)
golem::print_dev("Union de significancia de spearman y speramn")
secuencia1 <- rep(seq(nrow(mat_combinedPS),(nrow(mat_combinedPS)*-1)+1,length.out = 2),times=nrow(mat_combinedPS) - 1)
secuencia <- c(0,secuencia1,nrow(mat_combinedPS))
golem::print_dev(secuencia)
maxVar = nrow(mat_combined1) / 4
golem::print_dev(maxVar)
for (j in 1:maxVar) {
var[((j*4)- 3)] = variable[[j]]
var[(j*4)- (2)] = " "
var[(j*4)- (1)] = " "
var[(j*4)] = " "
}
for (j in 1:nrow(mat_combined1)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}
}
golem::print_dev(temporal)
corrMatrix <- mat_combined1[temporal,]
}
tablaCorrelacion <- as.data.frame(corrMatrix)
tablaCorrelacion <- data.frame(var,tipoTtest,tablaCorrelacion)
colnames(tablaCorrelacion) <- c(" ","modelo",variable)
return(list(tablaCorrelacion,paste0(" ")))
}
if(pearson == TRUE && spearman == TRUE && kendall == TRUE ) #1 ok
{
columnasTemp <- list()
temporal <- vector()
correlacionmatrixCorP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueP = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixCorS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueS = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixCorK = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
correlacionmatrixP.valueK = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas)
golem::print_dev("SI CUMPLIO # 3")
tipoTtest = c("Pearson","Spearman","Kendall")
if (Hypot == "correlacion"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueS[i,j] = correlacionSpearmanP.value
correlacionmatrixCorK[i,j] = correlacionKendallCor
correlacionmatrixP.valueK[i,j] = correlacionKendallP.value
}
}
}
if (Hypot == "correlacion_Positiva"){
# golem::print_dev("HYPOTESIS IGUAL ")
#
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionPearsonCor
correlacionmatrixP.valueP[i,j] = correlacionPearsonP.value
correlacionmatrixCorS[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueS[i,j] = correlacionSpearmanP.value
correlacionmatrixCorK[i,j] = correlacionKendallCor
correlacionmatrixP.valueK[i,j] = correlacionKendallP.value
}
}
}
if (Hypot == "correlacion_Negativa"){
golem::print_dev("HYPOMENOR")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionSpearmanP.value <- "< 0.01"
}
else
{
correlacionSpearmanP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionKendallP.value <- "< 0.01"
}
else
{
correlacionKendallP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$p.value,3)
}
correlacionSpearmanCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("spearman"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionKendallCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("kendall"),alternative = c("less"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCorP[i,j] = correlacionSpearmanCor
correlacionmatrixP.valueP[i,j] = correlacionSpearmanP.value
correlacionmatrixCorS[i,j] = correlacionKendallCor
correlacionmatrixP.valueS[i,j] = correlacionKendallP.value
}
}
}
############ Se obtiene parte de arriba de matrix Correlation
golem::print_dev("obtener parte abajo de tres matrices Corr")
correlacionmatrixCorP[upper.tri(correlacionmatrixCorP)] <- '----'
diag(correlacionmatrixCorP) <- '----'
correlacionmatrixCorS[upper.tri(correlacionmatrixCorS)] <- '----'
diag(correlacionmatrixCorS) <- '----'
correlacionmatrixCorK[upper.tri(correlacionmatrixCorK)] <- '----'
diag(correlacionmatrixCorK) <- '----'
mat_combinedPS <- rbind(correlacionmatrixCorP, correlacionmatrixCorS)
mat_combinedPSK <- rbind(mat_combinedPS, correlacionmatrixCorK)
############ Se obtiene parte de arriba de matrix P Value
correlacionmatrixP.valueP[upper.tri(correlacionmatrixP.valueP)] <- '----'
diag(correlacionmatrixP.valueP) <- '----'
correlacionmatrixP.valueS[upper.tri(correlacionmatrixP.valueS)] <- '----'
diag(correlacionmatrixP.valueS) <- '----'
correlacionmatrixP.valueK[upper.tri(correlacionmatrixP.valueK)] <- '----'
diag(correlacionmatrixP.valueK) <- '----'
mat_combinedPS_Pvalue <- rbind(correlacionmatrixP.valueP, correlacionmatrixP.valueS)
mat_combinedPSK_Pvalue <- rbind(mat_combinedPS_Pvalue, correlacionmatrixP.valueK)
# golem::print_dev(mat_combinedPSK)
# golem::print_dev(nrow(mat_combinedPSK))
#Secuencia para Obtener 3 metodos en la tabla
nVariables =nFilas
nUnido= nrow(mat_combinedPSK)
golem::print_dev(nVariables)
golem::print_dev(nUnido)
secuencia1 = seq(nVariables,nVariables,length = 2)
secuencia = c(0,rep(c(secuencia1,(nVariables-(nUnido-1))),times=(nVariables-1)),secuencia1)
golem::print_dev(secuencia)
maxVar = nrow(mat_combinedPSK) / 3
golem::print_dev(maxVar)
for (j in 1:maxVar) {
var[((j*3)- 2)] = variable[[j]]
var[(j*3)- (1)] = " "
var[(j*3)] = " "
}
for (j in 1:nrow(mat_combinedPSK)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}}
# golem::print_dev(temporal)
#golem::print_dev(mat_combinedPSK)
corrMatrix <- mat_combinedPSK[temporal,]
corrMatrixPvalue <- mat_combinedPSK_Pvalue[temporal,]
golem::print_dev(corrMatrix)
if( significancia == TRUE ){ # Si activa significancia de 2 de tres
golem::print_dev("significancia trueeeeee")
tipoTtest = c("Pearson","valor P","Spearman's r","valor P","Kendall","valor P")
golem::print_dev("j,dfsnjkbfdjdjkd")
golem::print_dev(mat_combinedPSK)
golem::print_dev("j,dfsnjkbfdjdjkd")
golem::print_dev(mat_combinedPSK_Pvalue)
golem::print_dev("nbbxcxcbxcxzcxzcxzcxzczxc")
mat_combined1 <- rbind(corrMatrix, corrMatrixPvalue)
golem::print_dev("Union de significancia de Pearson, Spearman y kendall")
secuencia1 <- rep(seq(nrow(mat_combinedPSK),(nrow(mat_combinedPSK)*-1)+1,length.out = 2),times=nrow(mat_combinedPSK) - 1)
secuencia <- c(0,secuencia1,nrow(mat_combinedPSK))
golem::print_dev(secuencia)
maxVar = nrow(mat_combined1) / 6
golem::print_dev(maxVar)
for (j in 1:maxVar) {
var[((j*6)- 5)] = variable[[j]]
var[(j*6)- 4] = " "
var[(j*6)- 3] = " "
var[(j*6)- 2] = " "
var[(j*6)- 1] = " "
var[(j*6)] = " "
}
for (j in 1:nrow(mat_combined1)) {
if(j==1) {
temporal[j]=1
}
else
{
temporal[j]=temporal[[j-1]] + secuencia[j]
}
}
golem::print_dev(temporal)
corrMatrix <- mat_combined1[temporal,]
}
tablaCorrelacion <- as.data.frame(corrMatrix)
tablaCorrelacion <- data.frame(var,tipoTtest,tablaCorrelacion)
colnames(tablaCorrelacion) <- c(" ","modelo",variable)
return(list(tablaCorrelacion,paste0(" ")))
}
}
}
calculoMapadeCalor_Correlacion <- function(session, df, Agrupamiento, Dependiente, mapaCalor) {
agrupamiento = c()
total = c()
valorConfidencia="95"
intervaloValue <- (as.numeric(valorConfidencia))
variable <- c(names(Agrupamiento))
metodo <- c()
var <- c()
nColumnas <- length(variable)
nFilas <- length(variable)
correlacionmatrixCor = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas) #
correlacionmatrixP.value = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas) #
golem::print_dev("Si es menor y cumple requisitos de calor de correlacion")
intervaloValue <- intervaloValue/100
# golem::print_dev(intervaloValue)
columnasTemp <- list()
temporal <- vector()
golem::print_dev("SI CUMPLIO # 1")
tipoTtest = c("pearson")
for (i in 1:length(variable)) {
for (j in 1:length(variable)) {
if((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value < 0.01)
{
correlacionPearsonP.value <- "< 0.01"
}
else
{
correlacionPearsonP.value <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$p.value,3)
}
correlacionPearsonCor <- round((cor.test(Agrupamiento[[i]],Agrupamiento[[j]] , method=c("pearson"),alternative = c("two.sided"),conf.level = intervaloValue))$estimate[[1]],3)
correlacionmatrixCor[i,j] = correlacionPearsonCor
correlacionmatrixP.value[i,j] = correlacionPearsonP.value
}
}
colnames(correlacionmatrixCor) <- variable
rownames(correlacionmatrixCor) <- variable
golem::print_dev(correlacionmatrixCor)
return(correlacionmatrixCor)
}
calculoEstadistica_Correlacion <- function(session, df, Agrupamiento, Dependiente, estadistica) {
agrupamiento = c()
total = c()
valorConfidencia="95"
intervaloValue <- (as.numeric(valorConfidencia))
variable <- c(names(Agrupamiento))
metodo <- c()
var <- c()
nColumnas <- length(variable)
nFilas <- length(variable)
correlacionmatrixCor = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas) #
correlacionmatrixP.value = matrix(numeric(nColumnas*nFilas), nrow = nColumnas, ncol = nFilas) #
golem::print_dev("Si es menor y cumple requisitos de descriptivass")
intervaloValue <- intervaloValue/100
# golem::print_dev(intervaloValue)
columnasTemp <- list()
temporal <- vector()
# golem::print_dev(Agrupamiento)
data <- data.frame(Agrupamiento)
golem::print_dev(data)
return(data)
}
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.