P值<0.05，拒绝原假设，即认为该药物对两型慢性支气管炎的治疗是不相同的。因为数据有结点存在，故无法精确计算P值，其参数为exact=FALSE。 

 3.3.5.二元数据相关检验

    例20.某种矿石中两种有用成分A，B，取10个样品，每个样品中成分A的含量百分数x(%)，及B的含量百分数y(%)的数据下表所示，对两组数据进行相关性检验。

    解：进行相关性检验，在R语言中可以使用cor.test( )

    cor.test(x, y,
         alternative = c("two.sided", "less", "greater"),
         method = c("pearson", "kendall", "spearman"),
         exact = NULL, conf.level = 0.95, ...)

    #其中x,y是数据长度相同的向量，alternative是备择假设，缺省值为"two.sided"，method是检验方法，缺省值是Pearson检验，conf.level是置信区间水平，缺省值为0.95

    cor.test( )还有另一种使用格式

        cor.test(formula, data, subset, na.action, ...) #其中formula是公式，形如'~u+v' , 'u', 'v' 必须是具有相同长度的数值向量，data是数据框，subset是可选择向量，表示观察值的子集。   

   假设此例中两组数据均来自正态分布，使用pearson相关性检验，

   R语言代码：

    ore<-data.frame(
         x=c(67, 54, 72, 64, 39, 22, 58, 43, 46, 34),
         y=c(24, 15, 23, 19, 16, 11, 20, 16, 17, 13)
    )
    cor.test(ore$x,ore$y)

    可见P值<0.05,拒绝原假设，认为X与Y相关。

   例21.一项有六个人参加表演的竞赛，有两人进行评定，评定结果用下表所示，试用Spearman秩相关检验方法检验这两个评定员对等级评定有无相关关系。

    解：

    R语言代码：

    x<-c(1,2,3,4,5,6); y<-c(6,5,4,3,2,1)
    cor.test(x, y, method = "spearman")

可见P值<0.05，拒绝原假设，认为x与y相关，r_s=-1，表示这两个量是完全负相关，即两人的结论有关系，但完全相反。

参考资料

统计建模与R软件(上册）