R语言相关性分析完整教程：从Pearson/Spearman方法选择到corrplot可视化环境因子如何影响生物多样性？

R语言相关性分析完整教程：从Pearson/Spearman方法选择到corrplot可视化

一、引言

环境因子如何影响生物多样性？这是生态学研究中的核心问题之一。回答这个问题，往往从相关性分析开始——通过计算环境变量与多样性指数之间的相关系数，快速判断哪些因子与群落结构变化密切相关。

然而，相关性分析并非"一个函数走天下"：Pearson、Spearman、Kendall三种方法各有适用场景，选错方法可能导致错误结论。更关键的是，计算出相关系数只是第一步——如何用corrplot将结果清晰、美观地可视化，同样是论文写作中不可忽视的技能。

本文以一份环境-多样性综合数据为例，系统演示从方法选择、相关计算到corrplot可视化的完整流程，帮你建立起清晰的相关性分析工作流。

二、相关分析方法如何选择？

三种方法的本质区别在于对数据的假设不同：

方法	数据类型	正态性要求	关系形式	异常值敏感性
Pearson	连续变量	需要	线性关系	敏感
Spearman	连续/有序变量	不需要	单调关系	不敏感
Kendall	连续/有序变量	不需要	单调关系	不敏感

选择策略：

先做正态性检验——对每个变量运行Shapiro-Wilk检验，看数据是否服从正态分布
全部正态 → Pearson相关——经典参数方法，统计效力最高
部分/全部非正态 → Spearman相关——秩相关方法，生态学中最常用的选择，适用范围最广
样本量小（n < 30）且结（tied ranks）较多 → Kendall's τ——小样本下更稳健

实践中，生态学数据（多样性指数、环境因子）往往不满足正态分布，因此Spearman相关是默认推荐方法。如果你不确定选哪种，直接选Spearman基本不会错。

三、数据准备

本文使用仿真生成的生态学数据，包含50个样方的12个变量：

配图1.png

环境因子（6个）：

变量	含义	单位	范围
pH	土壤pH	—	4.5 ~ 8.5
TN	总氮	g/kg	0.5 ~ 3.0
TP	总磷	g/kg	0.2 ~ 1.5
SOM	土壤有机质	g/kg	10 ~ 60
MAP	年均降水量	mm	800 ~ 1800
MAT	年均温	℃	5 ~ 25

多样性指数（6个）：

变量	含义	说明
PD	系统发育多样性	群落系统发育分支长度总和
NRI	净亲缘关系指数	>0表示系统发育聚集
NTI	最近分类单元指数	>0表示末端亲缘关系聚集
shannon	Shannon-Wiener指数	综合反映物种丰富度和均匀度
simpson	Simpson指数	反映优势种集中程度
S	物种丰富度	样方中的物种数

# 读取数据
df <- read.csv("alpha_diversity.csv", header = TRUE)
head(df)  # 查看前6行

数据文件 alpha_diversity.csv 可在同一目录下找到，直接复制代码即可运行。

四、核心操作：相关性计算

第一步：正态性检验

在决定用哪种相关方法之前，先对每个变量做Shapiro-Wilk正态性检验：

# 正态性检验
p_values <- sapply(df, function(x) shapiro.test(x)$p.value)
norm_table <- data.frame(
  Variable = names(df),
  p_value = round(p_values, 4),
  Normal = ifelse(p_values > 0.05, "Yes", "No")
)
print(norm_table)

绝大多数环境因子和多样性指数的p值小于0.05，不服从正态分布。因此，本文以Spearman相关为主进行后续分析。

第二步：计算相关系数

R提供了 cor() 函数，一行代码即可计算三种相关系数：

# 三种方法一次搞定
pearson_r  <- cor(df, method = "pearson")
spearman_r <- cor(df, method = "spearman")
kendall_r  <- cor(df, method = "kendall")

对比三种方法的结果可以发现：数值上有所差异，但正负方向和相对大小基本一致。如果某个变量对在Spearman下显著而在Pearson下不显著，往往是因为数据中存在非线性单调关系——这正是Spearman的优势所在。

第三步：同时获取相关系数和p值

cor() 只返回相关系数矩阵，不提供显著性检验。使用Hmisc包的 rcorr() 函数可以同时计算两者：

library(Hmisc)
res <- rcorr(as.matrix(df), type = "spearman")

res$r  # 相关系数矩阵
res$P  # p值矩阵

结果解读示例（以pH与shannon为例）：

相关系数 r = 0.54：中等程度正相关
p < 0.001：极显著
含义：pH越高，Shannon多样性指数越高，说明土壤酸碱度是影响该群落多样性的重要因子

第四步：导出结果

write.csv(round(res$r, 3), "spearman_corr_coef.csv")
write.csv(round(res$P, 4), "spearman_p_values.csv")

五、从基础到标准：corrplot可视化三步进阶

corrplot包是R语言中最受欢迎的相关矩阵可视化工具。下面从最基础的默认图开始，逐步优化到论文标准级别。

第一步：基础图——一行代码出图

corrplot() 不设置任何参数时，默认用彩色圆圈显示相关系数——蓝色代表正相关，红色代表负相关，颜色深浅反映相关强弱：

library(corrplot)
corrplot(res$r)

配图2.png 这是最简单的corrplot图，能看到变量之间的大致相关模式，但缺少变量名标签、排序杂乱，不适合直接用于论文。下面逐步优化。

第二步：进阶图——自定义配色与上下三角混合

在上一步基础上做三项改进：(1) 用 order = "AOE" 按相关结构自动聚类排列；(2) 上三角用彩色圆圈，下三角用数字精确显示相关系数；(3) 自定义蓝-白-红三段配色：

corrplot(res$r, order = "AOE", type = "upper", tl.pos = "d",
         tl.col = "black", tl.cex = 0.8,
         col = colorRampPalette(c("#0072B5", "white", "#BC3C29"))(200))
corrplot(res$r, add = TRUE, type = "lower", method = "number",
         order = "AOE", diag = FALSE, tl.pos = "n", cl.pos = "n",
         col = "black", number.cex = 0.7)

配图3.png 参数解析：

参数	作用	本图设置
`order = "AOE"`	按特征值角度排序，让结构更清晰	自动聚类排列
`type = "upper"`	只绘制上三角	第一层绘上三角
`method = "number"`	用数字显示相关系数	第二层绘数字
`tl.pos = "d"`	对角线显示变量名	避免重叠
`add = TRUE`	叠加图层	实现上下三角混合
`col = colorRampPalette(...)`	自定义配色	蓝色-白色-红色三段渐变色

第三步：标准图——显著性星号标注（论文标准）

这是期刊论文中最常用的corrplot形式——所有相关系数都显示，显著的相关自动添加星号标注（* p<0.05, ** p<0.01, *** p<0.001），不显著的相关正常显示但无星号：

p_mat <- res$P
diag(p_mat) <- 1
order_aoe <- corrMatOrder(res$r, order = "AOE")

corrplot(res$r[order_aoe, order_aoe], type = "upper", tl.pos = "d",
         tl.col = "black", tl.cex = 0.8,
         col = colorRampPalette(c("#0072B5", "white", "#BC3C29"))(200),
         p.mat = p_mat[order_aoe, order_aoe],
         sig.level = c(0.001, 0.01, 0.05),
         insig = "label_sig",
         pch.cex = 1.0, pch.col = "black")
corrplot(res$r[order_aoe, order_aoe], add = TRUE, type = "lower",
         method = "number", diag = FALSE, tl.pos = "n", cl.pos = "n",
         col = "black", number.cex = 0.7)

关键参数：p.mat传入p值矩阵，sig.level设三个显著性阈值（0.001/0.01/0.05）——注意必须从小到大排列，insig = "label_sig"表示在显著相关旁标注星号。注意需要预计算AOE排序（corrMatOrder）并同时应用到相关系数矩阵和p值矩阵上，确保上下三角对齐。

配图4.png

六、结果解读

从corrplot中可以清晰看到环境-多样性关系的整体格局：

1. 环境因子与多样性：

pH与shannon（r = 0.54, p < 0.001）、simpson（r = 0.46, p < 0.001）、S（r = 0.44, p < 0.01）均呈显著正相关——中性偏碱环境可能有利于该区域物种共存。
TN与多样性指数的关系类似（r ≈ 0.43~0.53），氮有效性是限制多样性的另一关键因子。
SOM与多样性关系较弱，仅与PD有弱正相关（r = 0.32, p < 0.05）。

2. 多样性指数之间的关系：

shannon与simpson呈强正相关（r = 0.85），这符合预期——两个α多样性指数反映的信息高度重叠。
shannon与S也高度正相关（r = 0.74），因为Shannon指数本身受丰富度影响。
NRI与NTI中度正相关（r = 0.53），两者从不同层面反映系统发育结构，趋势一致。

3. 方法选择的启示：

对比Pearson和Spearman的结果可以发现，大部分显著相关的方向一致，但相关系数大小略有差异。当数据偏离正态时，Spearman的秩相关更为稳健。在实际论文中，建议以Spearman为主，同时可在附件中提供三种方法的结果对比表。

七、完整可运行代码

以下为自包含R脚本，复制到RStudio或命令行即可运行：

# ============================================================
# 相关性分析完整流程：Pearson / Spearman / Kendall + corrplot
# ============================================================
# 首次运行请先安装包：
# install.packages(c("Hmisc", "corrplot"))

library(Hmisc)
library(corrplot)

# --- 读取数据 ---
df <- read.csv("alpha_diversity.csv", header = TRUE)

# --- 正态性检验 ---
p_vals <- sapply(df, function(x) shapiro.test(x)$p.value)
data.frame(Variable = names(df), p_value = round(p_vals, 4),
           Normal = ifelse(p_vals > 0.05, "Yes", "No"))

# --- 三种相关方法 ---
cor(df, method = "pearson")
cor(df, method = "spearman")
cor(df, method = "kendall")

# --- Spearman + p值 ---
res <- rcorr(as.matrix(df), type = "spearman")
res$r  # 相关系数
res$P  # p值

# --- 可视化：从基础图到标准图 ---

# 1) 基础图：默认 corrplot
pdf("corrplot_basic.pdf", width = 10, height = 8)
corrplot(res$r)
dev.off()

# 2) 进阶图：自定义配色 + 上下三角混合
pdf("corrplot_color.pdf", width = 10, height = 8)
corrplot(res$r, order = "AOE", type = "upper", tl.pos = "d",
         tl.col = "black", tl.cex = 0.8,
         col = colorRampPalette(c("#0072B5", "white", "#BC3C29"))(200))
corrplot(res$r, add = TRUE, type = "lower", method = "number",
         order = "AOE", diag = FALSE, tl.pos = "n", cl.pos = "n",
         col = "black", number.cex = 0.7)
dev.off()

# 3) 标准图：显著性星号标注（论文标准）
p_mat <- res$P; diag(p_mat) <- 1
order_aoe <- corrMatOrder(res$r, order = "AOE")
pdf("corrplot_significance.pdf", width = 10, height = 8)
corrplot(res$r[order_aoe, order_aoe], type = "upper", tl.pos = "d",
         tl.col = "black", tl.cex = 0.8,
         col = colorRampPalette(c("#0072B5", "white", "#BC3C29"))(200),
         p.mat = p_mat[order_aoe, order_aoe],
         sig.level = c(0.001, 0.01, 0.05), insig = "label_sig",
         pch.cex = 1.0, pch.col = "black")
corrplot(res$r[order_aoe, order_aoe], add = TRUE, type = "lower",
         method = "number", diag = FALSE, tl.pos = "n", cl.pos = "n",
         col = "black", number.cex = 0.7)
dev.off()

替换为自己的数据：

准备一个CSV文件，第一行为变量名，每一行为一个样方
确保变量包括连续数值型数据（分类变量不适用）
将 read.csv("alpha_diversity.csv") 中的文件名替换为你的数据文件名

八、实用技巧总结

corrplot参数速查表：

参数	常用值	作用
`method`	`"circle"` / `"number"` / `"color"` / `"pie"`	图形样式
`type`	`"upper"` / `"lower"` / `"full"`	显示三角区域
`order`	`"AOE"` / `"hclust"` / `"FPC"`	变量排序方式
`tl.cex`	0.6 ~ 1.0	变量名字体大小
`number.cex`	0.5 ~ 0.8	数字标签字体大小
`col`	`colorRampPalette(...)(200)`	自定义色板
`add`	`TRUE` / `FALSE`	是否为叠加图层
`diag`	`TRUE` / `FALSE`	是否显示对角线
`cl.pos`	`"r"` / `"n"`	图例位置（`"n"`为隐藏）

方法选择速查：

数据是否正态？→ 是 → Pearson 数据是否正态？→ 否 / 不确定 → Spearman 样本量小（n < 30）+ 结较多？→ Kendall

常见注意事项：

相关性不意味着因果关系——即使r = 0.9也不能说"A导致B"
多重比较问题：12个变量有66对比较，部分显著可能由随机因素造成。严格时可做Bonferroni或FDR校正
corrplot的 order = "AOE" 会自动聚类排列，让相关模式更清晰，推荐默认使用

如果对你有帮助，欢迎 点赞 + 收藏。需要 R 语言数据处理服务，也欢迎私信交流。