R语言 如何绘制多变量相关性矩阵，并在图中显示Spearman相关性系数与R^2

在R语言中，你可以使用`corrplot`包来绘制多变量的相关性矩阵，并通过`spearman()`函数计算Spearman等级相关系数。同时，虽然`corrplot`本身并不直接支持R^2，但你可以结合其他统计图表来间接展示。以下是步骤：

1. 首先，安装并加载所需的包：

install.packages("corrplot")
library(corrplot)

2. 创建数据集（例如，假设你有一个名为df的数据框）：

set.seed(42)  # 设置随机数种子以便于复制结果
df <- data.frame(matrix(rnorm(50), ncol = 10))

3. 计算Spearman相关系数矩阵：

cor_matrix <- cor(df, method = "spearman")  # 使用Spearman秩相关

4. 使用`corrplot`绘制相关性矩阵，包括Spearman系数：

corrplot(cor_matrix, method = "color", type = "upper", 
        tl.col = "black", tl.srt = 45, # 设置字体颜色和倾斜角度
        title = "Spearman 相关性矩阵", # 添加标题
        cmap = "RdYlBu", # 选择色彩映射
        mar = c(4, 4, 0, 2))  # 调整边距美观

注意：`cmap="RdYlBu"`是选择了渐变的颜色方案，从红色到黄色再到蓝色表示相关性的强弱。

为了展示R^2（决定系数），你可以在画完相关性矩阵后，单独对每个变量做线性回归分析，然后提取每个模型的R^2值。但是，直接在关联图上显示R^2并不是常见的做法，因为它需要额外的信息图表。

如果你想查看单个变量的R^2，可以这样做：

lm_results <- lapply(names(df), function(x) lm(df[[x]] ~ df[-x], data = df))
r_squared <- sapply(lm_results, function(x) summary(x)$r.squared)

然后，你可以将这些值添加到图表的旁边或作为注释。