ariel32.post241967

analosung.dplyr.r

library('dplyr')
library('corrplot')

d = read.csv("data.csv", sep = ";", skip = 1) # загружаем данные

# присваиваем удобочитаемые имена
names(d) <- c("time"  , "oil"     , "gold"     , "iron"   , "logs",
             "maize"  , "beef"    , "chicken"  , "gas"    , "liquid_gas",
             "tea"    , "tobacco" , "wheat"    , "sugar"  , "soy", 
             "silver" , "rice"    , "platinum" , "cotton" , "copper", 
             "coffee" , "coal"    , "aluminum")

# в своем посте автор использовал среднее геометрическое (СГ) - я пошел проторенной им тропой.
# так как в базовой комплектации R нет функции для расчета СГ, набросал свою:
# сперто отсюда:
# http://stackoverflow.com/questions/2602583/geometric-mean-is-there-a-built-in
# и капелька магии dplyr
d.t <- mutate_each(d,funs(. / exp(sum(log(.[.>0]),na.rm=TRUE) / n())),2:23)

#apply(d.t, 2, shapiro.test)                       # проверяем нормальность распределения
cor.m = cor(d.t[2:23], method = "spearman")       # строим корреляционную матрицу

cor.p.vals <- sapply(2:ncol(d.t),
                     function(i){sapply(2:ncol(d.t),
                                        function(j){cor.test(d.t[,i],d.t[,j],method='sp')$p.value})})

cor.m[abs(cor.m) < 0.5 | cor.p.vals > 0.01] = 0

corrplot(cor.m)