相関行列の見通しを立てるのに，corrplotを用いるのもいいが，他の方法も記述しておく．

まずはデータ，以下のようなデータをエクセルから読み込んだ（corrplotのメモと同じデータ）．

dat<-read .delim=("clipboard")
dat

    EMG1  EMG2  EMG3  EMG4 time   force fatigue comfort

1  0.020 0.007 0.015 0.020 1.70 361.132    68.6    60.6

2  0.039 0.008 0.010 0.012 1.36 293.362    65.0    48.2

3  0.079 0.007 0.015 0.017 2.48 349.753    97.4    28.0

4  0.041 0.007 0.012 0.007 1.53 251.173    80.4    46.0

5  0.093 0.015 0.014 0.020 2.04 207.457    85.6    30.6



中略



30 0.029 0.009 0.009 0.009 0.96 242.083    56.4    83.4

31 0.035 0.007 0.009 0.012 1.24 273.743    21.6    82.0

32 0.043 0.007 0.009 0.011 1.60 268.695    23.8    77.2

33 0.092 0.007 0.012 0.018 1.05 274.317    27.0    93.4

34 0.051 0.007 0.008 0.014 1.21 243.626    49.8    86.0

35 0.051 0.007 0.008 0.014 0.84 241.260    21.4    79.0

36 0.051 0.007 0.008 0.014 1.10 292.484    20.6    80.2





次に，Hmiscパッケージを読み込んで，相関行列の分析結果を出力してみる．

library(Hmisc)
cordat<-rcorr as.matrix="" dat="" rcorr--="" type="pearson">

typeで"pearson"もしくは"spearman"を選択する．
結果は以下の通り．

cordat
         EMG1  EMG2  EMG3  EMG4  time force fatigue comfort
EMG1     1.00  0.07  0.33  0.33  0.08 -0.32   -0.05   -0.23
EMG2     0.07  1.00  0.13  0.28  0.52  0.23    0.39   -0.47
EMG3     0.33  0.13  1.00  0.20  0.18  0.09    0.44   -0.41
EMG4     0.33  0.28  0.20  1.00  0.43  0.20    0.24   -0.43
time     0.08  0.52  0.18  0.43  1.00  0.16    0.57   -0.63
force   -0.32  0.23  0.09  0.20  0.16  1.00    0.35   -0.18
fatigue -0.05  0.39  0.44  0.24  0.57  0.35    1.00   -0.66
comfort -0.23 -0.47 -0.41 -0.43 -0.63 -0.18   -0.66    1.00

n= 36 


P
        EMG1   EMG2   EMG3   EMG4   time   force  fatigue comfort
EMG1           0.6653 0.0496 0.0521 0.6355 0.0549 0.7595  0.1689 
EMG2    0.6653        0.4435 0.0933 0.0012 0.1691 0.0178  0.0035 
EMG3    0.0496 0.4435        0.2482 0.2901 0.6104 0.0079  0.0127 
EMG4    0.0521 0.0933 0.2482        0.0085 0.2507 0.1543  0.0088 
time    0.6355 0.0012 0.2901 0.0085        0.3502 0.0003  0.0000 
force   0.0549 0.1691 0.6104 0.2507 0.3502        0.0351  0.3024 
fatigue 0.7595 0.0178 0.0079 0.1543 0.0003 0.0351         0.0000 
comfort 0.1689 0.0035 0.0127 0.0088 0.0000 0.3024 0.0000         

上が相関係数，下が無相関検定結果でｐ値．
これだけでも，そこそこ見やすいが，PerformanceAnalyticsパッケージを用いて，さらに視覚的に表してみる．

library(PerformanceAnalytics)
chart.Correlation(dat, histogram=TRUE, pch=19)

pchで散布図のドットの形を指定できる．今回はhistogramも表示してみた．
結果の図は下記の通り．
なお，p値はそれぞれ，0, 0.001, 0.01, 0.05, 0.1, 1未満が“”, “ ”, “ ”, “.”, " “で表されている．