
論文に載せられる相関ヒートマップを作成
変数の表をアップロードしてください。Yila が適した相関係数を選び、検定の数に応じて補正し、パターンが見えるように変数を並べ替えて、図を相関行列全体とスクリプトとともに保存します。
アップロードしたデータのについて、で、論文にそのまま使える相関ヒートマップを作成してください。各セルに相関係数を表示し、Benjamini–Hochberg 法による補正後も有意(p < 0.05)な相関に印を付け、変数は階層的クラスタリングの順に並べてください。図は PNG と SVG で保存し、相関係数の表、補正後の p 値の表、スクリプトも保存してください。
Yila のワークベンチで開きます。会話の中でいつでも調整できます。
完成した相関ヒートマップ
公開されている臨床データセットで実行した公式の作例です。下の図は実行時に保存されたもので、ダウンロードにはこの図と 2 つの行列、Python スクリプトが含まれます。

1 / 1
得られるもの
- ヒートマップ
- 0 を中心とした発散型のカラースケールで、各セルに相関係数を表示し、有意なペアに印を付け、変数をクラスタリングの順に並べます。
- 相関行列
- すべての相関係数を表にまとめたもので、そのまま引用したり、別の図に再利用したりできます。
- 補正後の p 値
- すべてのペアについて補正前と補正後の p 値を相関の強さの順に並べ、補正法も明記します。
- 解析スクリプト
- 解析全体を Python(ご希望なら R)で記述しているので、新しいデータで図を作り直せます。
進め方

表をアップロードして変数を選択
CSV または Excel ファイルを Yila に渡し、含める変数を指定します。指定しなければ、連続値の列をすべて使います。

Yila がまず変数を確認
分布と欠測値の数を確認するので、歪んだ分布の変数や順序尺度の変数には順位相関が使われ、二値変数が誤って混ざることもありません。

図・表・スクリプトが完成
ヒートマップを描画して読みやすさを確認し、2 つの表とスクリプトとともに保存します。下三角だけの表示、別の配色、別の補正法が必要なときは、同じ会話の中で依頼してください。
主な用途
新しいデータセットの探索
モデルを計画する前に、どの測定値が連動しているかをひと目で把握できます。
多重共線性の確認
関連が強すぎて同じ回帰モデルには入れられない説明変数を見つけます。
補足資料の図
主要な結果とあわせて査読者からよく求められる、すっきりした相関の全体像です。



