以下紀錄在做cor-test時對於參數use的用法差別。
當cor函數的對象變數包含遺漏值時，use是用來告訴cor該怎麼處理遺漏值。
假如資料已經做過一些預處理，像是去掉NA值或是將NA值轉換等等，這樣有沒有use這個參數都沒甚麼關係了。
use有以下參數:

• everything:為default，有NA结果就全NA;
• all.obs:有NA直接報錯；
• complete.obs:只考慮完整的部分，如果沒有完整的部分就報錯；
• na.or.complete:只考慮完整的部分，如果沒有完整的部分给NA；
• pairwise.complete.obs:考慮配對間完整的部分，如果沒有就報錯。

set.seed(1234)
test <- cbind(v1 = sample(1:1000,5)/1000,
              v2 = sample(1:1000,5)/1000,
              v3 = c(NA,NA,sample(1:1000,3)/1000))
test

##         v1    v2    v3
## [1,] 0.114 0.641    NA
## [2,] 0.622 0.010    NA
## [3,] 0.609 0.233 0.694
## [4,] 0.999 0.665 0.545
## [5,] 0.858 0.513 0.283

cor(test)

##            v1         v2 v3
## v1 1.00000000 0.01356592 NA
## v2 0.01356592 1.00000000 NA
## v3         NA         NA  1

cor(test,use="complete.obs")

##            v1         v2         v3
## v1  1.0000000  0.9999407 -0.5009671
## v2  0.9999407  1.0000000 -0.5103595
## v3 -0.5009671 -0.5103595  1.0000000

cor(test,use="pairwise.complete.obs")

##             v1          v2         v3
## v1  1.00000000  0.01356592 -0.5009671
## v2  0.01356592  1.00000000 -0.5103595
## v3 -0.50096709 -0.51035948  1.0000000

cor(test[3:5,],use="complete.obs")

##            v1         v2         v3
## v1  1.0000000  0.9999407 -0.5009671
## v2  0.9999407  1.0000000 -0.5103595
## v3 -0.5009671 -0.5103595  1.0000000

透過cor(test[3:5,],use="complete.obs")可以看到complete.obs是把有NA的整列剔除後再計算相關性，所以如果要充分運用資料，盡量使用pairwise.complete.obs，當然能在資料預處理的時候先將NA值做最符合實際情況的處理當然是最好囉!