R语言实战 07-描述性统计分析

1. 描述性统计分析

描述性统计量分析：包括平均数，方差，极差，最大值，最小值等，属于概率论与数理统计的简单内容。

# 每加仑汽油行驶英里数（mpg） 、马力（hp）和车重（wt）
# 变速箱类型（am） 汽缸数（cyl）
mtcars    # 所用数据

summary(mtcars[c("mpg","hp","wt")])     # summmary()  得到数据的统计量
# length()、 range()、quantile()/mean()、sd()、var()、min()、max()、median()
# fivenum()

# 用函数
mystats <- function(x, na.omit=FALSE){ 
  if (na.omit)  
    x <- x[!is.na(x)] 
  m <- mean(x) 
  n <- length(x) 
  s <- sd(x) 
  skew <- sum((x-m)^3/s^3)/n 
  kurt <- sum((x-m)^4/s^4)/n - 3 
  return(c(n=n, mean=m, stdev=s, skew=skew, kurtosis=kurt)) 
} 
# 分布呈现右偏（偏右+0.610655） 峰度（-0.372766）

myvars <- c("mpg", "hp", "wt") 
sapply(mtcars[myvars], mystats, na.omit=FALSE)



# psych包也拥有一个名为describe()的函数，它可以计算非缺失值的数量、平均数、标准差、中位数、截尾均值、绝对中位差、最小值、最大值、值域、偏度、峰度和平均值的标准误

install.packages("psych")
library(psych)

a = describe(mtcars[myvars])


# psych包的describeBy()  分组描述统计量 （各种统计量）
# describeBy(data, )

describeBy(mtcars[myvars], list(am=mtcars$am, cyl=mtcars$cyl))



# by() 函数的使用  分组统计函数的描述性统计量，可以使用自定义的函数。
# 而reshape2中的aggregate 只能使用简单的mean和sd等函数
# by(data, INDICES, FUN)   INDICES 是因子货因子组成的列表 
dstats = function(x){sapply(x, mystats)}
by(mtcars[myvars], mtcars$am, dstats)



# 生成频数表
a = table(mtcars$am, mtcars$cyl)


###############################
# 独立性检验
# 一个方差的同质性检验用卡方检验， 两个方差同质性的用F检验
# 卡方检验     chisq.test()   同质性，适合性，独立性检验  
# 这里的p值表示从总体中抽取的样本行变量与列变量是相互独立的概率

# install.packages("vcd")
library(vcd)
my = xtabs(~Treatment+Improved+Sex, data=Arthritis)
mytable = xtabs(~Treatment+Improved, data=Arthritis) 
# 卡房检验用的是频数表
chisq.test(mytable)


mytable_2 = xtabs(~Improved+Sex, data=Arthritis) 
chisq.test(mytable_2)

# fisher 精确检验---F 检验 （方差齐性）
fisher.test(mytable)

################################
#  相关性的衡量 （vcd包中的assocstats（）函数可以计算二维列联表的phi系数、列联系数和Cramer’s V系数）
assocstats(mytable)  #相关性的值越大代表关系越近

# R可以计算多种相关系数，包括Pearson相关系数、Spearman相关系数、Kendall相关系数、
# 偏相关系数、多分格（polychoric）相关系数和多系列（polyserial）相关系数。

# Pearson积差相关系数衡量了两个定量变量之间的线性相关程度。 Spearman等级相关系数则衡量分级定序变量之间的相关程度。Kendall’s Tau相关系数也是一种非参数的等级相关度量

options(digits = 2)
states<- state.x77[,1:6]

# 关于use和method的参数可以在r中获得。
cor(states,use = "everything", method = "pearson")
cov(states)       # 计算协方差

x = states[,3:6]
y = states[,1:2]
cor(x,y)

# 偏相关是指在控制一个或多个定量变量时，另外两个定量变量之间的相互关系
install.packages("ggm")
library(ggm)
colnames(states)# "Population" "Income","Illiteracy","Life Exp","Murder","HS Grad"
pcor(c(1,5,2,3,6), cov(states)) 
# 在控制了收入、文盲率和高中毕业率的影响时，人口和谋杀率之间的相关系数为 0.35。

#####################
# 相关性的显著性检验
# 这些已经这之前的文章介绍过了，大家可以看之前的文章