1 基本统计分析

1.1 描述性统计分析

myvar<-c("mpg","hp","wt")

head(mtcars[myvar])  #显示数据框的头部信息

dat<-mtcars[myvar]   #查看数据框

1.1.1 方法

（1）简单分析：summary()

 结果分析：计算了最值、分位数、均值等

（2）自定义函数FUN     sapply(dat,FUN)

mysta<-function(x,na.omit=F){

  if(na.omit)

     x<-x[!is.na(x)]  #缺失值删除

  m<-mean(x)

  n<-length(x)

  s<-sd(x)  #标准差

  skew<-sum((x-m)^3/s^3)/n  #偏度

  kurt<-sum((x-m)^4/s^4)/n-3  #风度

  return(c(n=n,mean=m,stdev=s,skew=skew,kurtosis=kurt))

}

sapply(dat, mys)

1.1.2 方法+1

(1)调用包：Hmisc

library(Hmisc)

describe(dat)

(2) 调用包：pastecs

library(pastecs)

stat.desc(dat)

1.1.3 分租计算描述性统计量

（1）每次只能返回一个统计量  aggregate()

aggregate(dat,by=list(am=mtcars$am),mean)  

解释：aggregate（）分组函数，dat分组对象，by=list(am=mtcars$am)根据什么分租，mean分组做什么事情

（2）返回多个统计量  by()

dsta<-function(x)sapply(x,mysta)  #定义函数dsta，直接引用sapply(x,mysta)

by(dat,mtcars$am,dsta)

1.1.4 分组计算的扩展

library("doBy")

summaryBy(mpg+hp+wt~am,data=mtcars,FUN=mysta )

解释：~前面mpg+hp+wt是要显示的变量，~后面是根据am进行分组，data指明数据集，FUN指明用到的函数

1.2 频数表和列联表

1.2.1 生成频数表

（1）一维频数表

 mytable<-with(Arthritis,table(Improved)) #把变量中的每一个取值列出来统计和

解释：with第一个参数Arthritis是确定数据框（数据集），table（）统计频率

返回百分比：prop.table(mytable)

（2）二维频数表 xtabs（）

mytable1<-xtabs(~Treatment+Improved,data=Arthritis)    #生成列联表

（3）边际操作：1代表对行操作，2代表对列操作

 margin.table(mytable1,1)  #统计每行的和

prop.table(mytable1,1)  #计算每行的百分比

1.2.2 独立性检验（检验数据框中的两列是否相互独立）

（1）卡方检验 原假设是相互独立的

library(vcd)

mytable2<-xtabs(~Treatment+Improved,data=dat)  #生成一个列联表

mytable2

chisq.test(mytable2)

 结果分析：结果分析：p-value值小于0.05，拒绝原假设，说明用药与否与病人的改善效果不互相独立，即有关

mytable3<-xtabs(~Sex+Improved,data=dat)

mytable3

chisq.test(mytable3)

结果分析：p-value值大于0.05，接受原假设，认为性别与改善效果相互独立，即没有关系

（2）精确性检验

fisher.test(mytable3)

结果分析：p-value值大于0.05，接受原假设，认为性别与改善效果相互独立，即没有关系

（3）分层独立性检验  分男性和女性来说，用药与改善效果相互独立

mytable4<-xtabs(~Treatment+Improved+Sex,data=dat)  #生成列联表

mantelhaen.test(mytable4)

结果分析：p-value值小于0.05，拒绝原假设，无论对于男性还是女性，用药与否对症状的改善都不是相互独立的，即该药无论是对男性还是女性，都是有效果的

2 相关

2.1 相关性度量

mytable2<-xtabs(~Treatment+Improved,data=dat)  #生成一个列联表

mytable2

assocstats(mytable2)

结果：phi系数 phi-Coefficient：只对两个变量有效，即行变量两个，列变量也两个

列连系数 Contingency Coeff

克莱姆系数 Cramer’s v

2.2 相关系数的类型

（1）Peason相关系数，Spearman相关系数，Kendall相关系数

dat<-state.x77  #指定数据集

states<-dat[,1:6]  #只取前6列

cor(states)  #列出所有变量两两之间的相关性，默认相关系数为Peason相关系数

cor(states,method = "spearman") #指定是Spearman相关系数

 cov(states)  #计算协方差矩阵

（2）偏相关系数

install.packages("ggm")

library(ggm)

colnames(states)  #显示出表的列名

pcor(c(1,5,2,3,6),cov(states))  

解释：pcor（）计算偏相关系数，c(1,5,2,3,6)在控制第2、3、6列的情况下，计算第1列和第5列的偏相关性，cov(states)协方差矩阵

 2.3相关系数显著性检验  

原假设变量之间不相关，相关系数是接近于0的

cor.test(states[,3],states[,5])

结果分析：p-value值小于0.05，拒绝原假设，即折两列是相关的，同时也可以看到相关系数 cor 比较高

计算相关系数的另一个函数corr.test()

library("psych")

corr.test(states,use="complete")