R语言--基本统计分析（基本统计方法、频数表、列联表、独立性检验、相关性计算）
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")
