Calcula Pearson —o Spearman, si se pide— entre numéricas, V de Cramér entre
categóricas y eta cuadrado entre una categórica y una numérica. Las medidas se
informan en [0, 1]: la correlación usa su valor absoluto. La tabla declara
el método, su supuesto, el soporte y el posible muestreo; no presenta
significancia estadística.
Usage
detectar_asociaciones(
datos,
dependencias = NULL,
umbral = 0.3,
muestra = 10000,
max_columnas = 50L,
max_niveles = 50L,
max_pares = 500L,
metodo_numerico = c("pearson", "spearman"),
sentinelas_numericos = NULL
)Arguments
- datos
Tabla que se desea examinar.
- dependencias
Resultado opcional de
detectar_dependencias().- umbral
Valor mínimo en
[0, 1]que se informa.- muestra
Máximo común de filas;
Infdesactiva el muestreo.- max_columnas
Máximo de columnas analizables.
- max_niveles
Máximo de niveles para tratar una columna como categórica.
- max_pares
Máximo de asociaciones devueltas después de ordenar.
- metodo_numerico
Medida entre columnas numéricas:
"pearson"por omisión, o"spearman"para asociación monótona sobre los rangos.- sentinelas_numericos
Vector de valores declarados como ausencia. La fila de un par que contiene un valor declarado no se usa para medirlo, igual que una fila con
NA; por eson_parescuenta sólo las filas completas restantes. La lista por omisión no se considera una declaración.
Value
Data frame S3 asociaciones_columnas. Sus atributos declaran filas,
columnas y pares examinados, omisiones por dependencia y truncamiento.
pares_omitidos_medicion conserva los pares que no se pudieron medir,
junto con el motivo y la cantidad de filas completas disponible. Su
atributo cobertura_diagnosticos tiene una fila por par omitido. Cuando
analizar() integra el resultado, esas filas se agregan a la cobertura
del perfil.
Details
metodo_numerico = "spearman" mide asociación monótona sobre los rangos
y no supone linealidad, así que reconoce una relación creciente aunque sea
curva. Pearson sigue siendo el valor por omisión porque es lo que la mayoría
espera de una correlación, y el método elegido viaja en la columna metodo
de la salida para que ninguna lectura dependa de recordar cuál se pidió.
Se descartan constantes, fechas, listas, columnas compuestas —matrices o
arreglos de más de una dimensión—, categóricas de cardinalidad alta y
columnas posteriores a max_columnas antes de construir pares. Las
dependencias funcionales exactas recibidas en dependencias no se repiten
como asociaciones.
Un par en el que una columna toma un solo valor en las filas completas no se
puede medir —ni Cramér ni eta cuadrado están definidos con una sola
categoría—, aunque la columna no sea constante en la tabla entera: va a
pares_omitidos_medicion y no se publica como asociación cero.
Examples
d <- data.frame(x = 1:20, y = 2 * (1:20), grupo = rep(c("A", "B"), 10))
detectar_asociaciones(d, umbral = 0)
#> columna_1 columna_2 tipo_1 tipo_2 metodo
#> 1 x y numerica numerica pearson_absoluto
#> 2 x grupo numerica categorica eta2
#> 3 y grupo numerica categorica eta2
#> supuesto
#> 1 Las columnas numéricas se tratan como cuantitativas; la escala no queda confirmada.
#> 2 La columna numérica se trata como cuantitativa y la otra como categoría.
#> 3 La columna numérica se trata como cuantitativa y la otra como categoría.
#> asociacion n_pares
#> 1 1.000000000 20
#> 2 0.007518797 20
#> 3 0.007518797 20
