在这一期我们将要学习如何针对分类变量数据创建频率表和列联表,并且在此基础之上进行独立性检验、关联度测量以及相关数据的可视化。
创建频率表和列联表
R语言提供了许多方法来创建频率表和列联表,在这里我们主要介绍三种常用的函数,它们虽有各自的特点,但大同小异,大家在学习中能细细体会出来。
1. 函数table()
#首先自己创建训练数据(这里的数据是随手编写的,不具有科学性)
#所有的数据都是分类变量(这里选择的是二分类变量)
#建立2维频率表
A
B
C
mydata
attach(mydata) #固定目标数据集
mytable
mytable # 输出表格
margin.table(mytable, 1) # 对每一行的数据求和
margin.table(mytable, 2) # 对每一列的数据求和
prop.table(mytable) # 计算每一格数据占总数的比例
prop.table(mytable, 1) # 以行为单位,计算其中每个变量的占比,每行求和为1
prop.table(mytable, 2) # 以列为单位,计算其中每个变量的占比,每列求和为1
当然table()函数也可以生成高维的数据表(3个及以上的变量),不过这时候使用ftable()函数可能会得到更好的展示效果。
# 创建3维频数表
mytable
table(A,B,C)
ftable(A,B,C)
从上述结果来看,确实是ftable()函数最后输出的效果更好。
这里需要注意一点,table()函数在生成表格的时候会默认去除NA值,如果想要保留NA,则需要添加参数exclude=NULL。如果在转换成因子时想保留NA值,则需要使用如下方法:
newfactor
2. 函数xtabs()
在xtabs()函数里你可以使用公式来进行交叉制表:
# 构建3维频数表
mytable
ftable(mytable) # 使用ftable()函数简洁输出3维表格
summary(mytable) # 独立性检验(列联表的卡方检验)
加入一个变量出现在了公式的左侧,那么它就是一个计算好的频数向量
# 例如
DF
xtabs(Freq ~ Gender + Admit, DF) #将不同类的频数相加
3. 函数CrossTable()
CrossTable()是一个来自“gmodel”包的强大制表函数,它有很多功能选项,可以进行卡方检验,Fisher检验,McNemar检验,相关残差项的计算以及数据标准化等等。但是由于这些功能我们也可以通过R的基本函数来实现,所以这里就不对CrossTable()这个函数进行过多讲解,感兴趣的朋友可以使用?CrossTable()自行了解和学习。