R语言方法总结

《R语言方法总结》由会员分享，可在线阅读，更多相关《R语言方法总结（12页珍藏版）》请在装配图网上搜索。

1、计算描述性统计量:1、summary():例： summary(mtcarsvars)summary ()函数提供了最小值、最大值、四分位数和数值型变量的均值，以及因子向量和逻 辑型向量的频数统计。2、apply()函数或 sapply()函数计算所选择的任意描述性统计量。 mean、 sd、 var、 min、 max、 median、 length、 range 和quantile。函数fivenum()可返回图基五数总括(Tukeys five-number summary，即最小值、 下四分位数、中位数、上四分位数和最大值)。sapply()例： mystats - function(

2、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)A3/sA3)/nkurt - sum(x - m)A4/sA4)/n - 3 return(c(n = n, mean = m, stdev = s, skew = skew, kurtosis = kurt)sapply(mtcarsvars, mystats)3、describe()：Hmisc包：返回变量和观测的数量、缺失值和唯一值的数目、平均值、 分位数，以及五个最大的值和五个最小的值。例： l

3、ibrary(Hmisc)describe(mtcarsvars)4、stat.desc()： pastecs 包若basic=TRUE (默认值)，则计算其中所有值、空值、缺失值的数量，以及最小值、 最 大值、值域，还有总和。若desc=TRUE (同样也是默认值)，则计算中位数、平均数、平均数的标准误、平均 数置信度为95%的置信区间、方差、标准差以及变异系数。若norm=TRUE (不是默认的)，则返回正态分布统计量，包括偏度和峰度(以及它们 的统计显著程度)和Shapiro-Wilk正态检验结果。这里使用了 p值来计算平均数的置信区 间(默认置信度为 0.95：例： library(p

4、astecs)stat.desc(mtcarsvars) 5、describe()： psych 包 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例： library(psych)describe(mtcarsvars)分组计算描述性统计量1、aggregate()：例：aggregate(mtcarsvars, by = list(am = mtcars$am), mean)2、by()：例： dstats - function(x)(c(mean=mean(x), sd=sd(x) by(mtcarsvars, mtca

5、rs$am, dstats) by(mtcars,vars,mtcars$am,plyr:colwis(dstats)3、summaryBy()： doBy 包例 library(doBy)summaryBy(mpg + hp + wt am, data = mtcars, FUN = mystats)4、describeby()： doBy包(describe.by()函数不允许指定任意函数，) 例： library(psych)describe.by(mtcarsvars, mtcars$am)5、reshape 包分组：(重铸和融合)例： library(reshape)dstats -

6、 function(x) (c(n = length(x), mean = mean(x),sd = sd(x)dfm addmargins (maiinsj table (taJble)扭卅婪别里变试（凶子）创建一个N堆列咲衣 悵撮-幷金式和-个拓阵或数据抠创建一牛N堆列联表 依.帕rG he毎良的边赫利衣将宣屮条鬥走示为分战形式 文的边际刈衣汁薛拱中黑廿的和 将槪述（飙认足求和茫果肢人志中 刨建一亍嚣凑的“平谄”式列联我1、table()：生成简单的频数统计表mytable - with(Arthritis, table(Improved)Mytable2、prop.table():频数转

7、化为比例值prop.table(mytable)3、proptable()*100:转化为百分比prop.table(mytable)*100二维列联表4、table(A,B)/xtabs(A+b,data=mydata)例： mytable - xtabs( Treatment+Improved, data=Arthritis)5、margin.table()和 prop.table()：函数分别生成边际频数和比例 (1:行，2：列)行和与行比例margin.table(mytable, 1) prop.table(mytable, 1)列和与列比例margin.table(mytable,

8、 2) prop.table(mytable, 2) prop.table(mytable)6、addmargins()：函数为这些表格添加边际和 addmargins(mytable)admargins(prop.table(mytable) addmargins(prop.table(mytable, 1), 2) addmargins(prop.table(mytable, 2, 1)7、crossTable()： gmodels 包例： library(gmodels)CrossTable(Arthritis$Treatment, Arthritis$Improved)多维列联表1、t

9、able。和xtabs()：都可以基于三个或更多的类别型变量生成多维列联表。2、ftable():例： mytable - xtabs( Treatment+Sex+Improved, data=Arthritis) mytableftable(mytable)margin.table(mytable, 1)margin.table(mytable, 2)margin.table(mytable, 3)margin.table(mytable, c(1,3) ftable(prop.table(mytable, c(1, 2) ftable(addmargins(prop.table(myta

10、ble, c(1, 2), 3) gtable(addmargins(prop.table(mytable, c(1, 2), 3) * 100独立检验1、卡方独立性检验 ：chisq.test()例： library(vcd)mytable - xtabs(Treatment+Improved, data=Arthritis) chisq.test(mytable)mytable - xtabs(Improved+Sex, data=Arthritis) chisq.test(mytable)2、Fisher 精确检验：fisher.test()例： mytable - xtabs(Trea

11、tment+Improved, data=Arthritis) fisher.test(mytable)3、Cochran-MantelHaenszel 检验：mantelhaen.test()例： mytable - xtabs(Treatment+Improved+Sex, data=Arthritis) mantelhaen.test(mytable)相关性度量1、assocstats()：例： library(vcd) mytable - xtabs(Treatment+Improved, data=Arthritis) assocstats(mytable)2、cor()：函数可以计

12、算这三种相关系数，3、cov()：函数可用来计算协方差 例： states - state.x77, 1:6cov(states)cor(states)cor(states, method=spearman)x - states, c(Population, Income, Illiteracy, HS Grad)y - states, c(Life Exp, Murder)cor(x, y)4、pcor()：偏相关ggm包例: library(ggm)pcor(c(1, 5, 2, 3, 6), cov(states)相关性的显著性检验1、cor.test()其中的 x 和 y 为要检验相关

13、性的变量， alternative 则用来指定进行双侧检验或单侧检验(取 值为two.side、less或greater)，而method用以指定要计算的相关类型(pearson、 kendall或spearman)当研究的假设为总体的相关系数小于0时，请使用alternative= less。在研究的假设为总体的相关系数大于0时，应使用alternative=greater。在默认情况 下，假设为alternative=two.side(总体相关系数不等于0)。例: cor.test(states, 3, states, 5)2、 corrtest()：可以为Pearson、Spearman

14、或Kendall相关计算相关矩阵和显著性水平。 例：library(psych)corr.test(states, use = complete)3、pcortest()： psych 包t 检验1、t.test(yx,data)(独立样本)例： library(MASS)t.test(Prob So, data=UScrime)2、ttest(y1,y2,paired=TRUE)(非独立)例： library(MASS)sapply(UScrimec(U1, U2), function(x) (c(mean = mean(x),sd = sd(x)with(UScrime, t.test(U

15、1, U2, paired = TRUE)组间差异的非参数检验两组的比较：1、wilcoxtest(yx,data) ：评估观测是否是从相同的概率分布中抽得例： with(UScrime, by(Prob, So, median)wilcox.test(Prob So, data=UScrime)2、wilcoxtest(y1, y2,paried=TRUE)：它适用于两组成对数据和无法保证正态性假设的情境。 例：sapply(UScrimec(Ul, U2), median)with(UScrime, wilcox.test(U1, U2, paired = TRUE)多于两组的比较：1、k

16、ruskal.test(yA，data):各组独立例： states - as.data.frame(cbind(state.region, state.x77)kruskal.test(Illiteracy state.region, data=states)2、friedman.test(yAIB,data):各组不独立非参数多组比较:l、npmc() :npmc 包例： class - state.regionvar - state.x77, c(Illiteracy)mydata - as.data.frame(cbind(class, var)rm(class,var)library

17、(npmc)summary(npmc(mydata), type = BF) aggregate(mydata, by = list(mydata$class), median)回归用一个或多个预测变量(也称自变量或解释变量)来预测响应变量(也称因变量、效标 变量或结果变量)的方法。1、 lm(): 拟合回归模型 lm(yx1+x2+x3,data)表E-3对拟合绞性模型非常有用的其他酸数宙数用逢summary ()耀示曲合模車的详细结果coefficients()列卅抱合模皑的模担举散（截距项和料率confint()提供植型够故的首佶区间t默认卯）f ittedO刈山拟合税樂的預测值resi

18、duals()列出祖存桎密杓视#佰anova()生成一于拟書模坐的方并井斷恚，或若比较弗r咸更舉拟書模业的方幷分祈奁vcov()剌出愎矍塗穀的协方誥距阵AIC)输出赤ilk倍息统什倒plot()空成评也拟合按生的瑋断罔pr&dict t)HJ扭住模型对新附数爭集预测响应礎呈值简单线性回归1、lm(): (data 是数据框)例: fit - lm(weight height, data = women) summary(fit) women$weight fitted(fit) residuals(fit)plot(women$height, women$weight, main = Wome

19、n Age 30-39, xlab = Height (in inches), ylab = Weight (in pounds)多项式回归例：fit2 - lm(weight height + I(heightA2), data = women) summary(fit2)plot(women$height, women$weight, main = Women Age 30-39, xlab = Height (in inches), ylab = Weight (in lbs)lines(women$height, fitted(fit2)2、scatterplot() ：绘制二元关系图

20、例： library(car) scatterplot(weight height, data = women, spread = FALSE, lty.smooth = 2, pch = 19, main = Women Age 30-39, xlab = Height (inches), ylab = Weight (lbs.)多元线性回归1、scatterplotMatrix()：car 包 scatterplotMatrix()函数默认在非对角线区域绘制变量间的散点图，并添加平滑(loess) 和线性拟合曲线。对角线区域绘制每个变量的密度图和轴须图。例： fit - lm(Murder

21、 Population + Illiteracy + Income + Frost, data = states)有交互项的多元线性回归例： fit - lm(mpg hp + wt + hp:wt, data = mtcars) summary(fit)1、effect() : effects 包 ：展示交互项的结果term即模型要画的项，mod为通过lm()拟合的模型，xlevels是一个列表，指定变量 要设定的常量值， multiline=TRUE 选项表示添加相应直线。例： library(effects) plot(effect(hp:wt, fit,xlevels=list(wt

22、= c(2.2, 3.2, 4.2), multiline = TRUE)回归诊断1、confint()：求模型参数的置信区间例： fit - lm(Murder Population + Illiteracy + Income + Frost, data=states) confint(fit)2、plot()：生成评价模型拟合情况的图形例: fit - lm(weight height, data = women) par(mfrow = c(2, 2) plot(fit)3、lm() : 删除观测点例: newfit - lm(weight height + I(heightA2), d

23、ata = women-c(13, 15),) par(mfrow = c(2, 2) plot(newfit) par(opar)匚卫；包提供了大疑函数-大大增强了拟合和评愉冋归模型的能力参见衣RVb表c*r包中的1回归诒斷实用函数目的TJP1口匕（丨竹位数比较関durb iiWa t sonTes 11)对谟望自相关忤做Du血检验crPlo匚却()成分与畤闍DiCVTest ()对非恒定的盪差方差做得奇检验spr eadLeve1P1ot(事敢水干检验cutlierTest()HonfciTfini鬲辟点栓验avPlcts()希加的变最圈皤inluencePlQt f)何!H崽响图scat

24、terplot()増迦的胶点罔scat terrplD tHatr ix ()贈强的敌点图审PFvif ()方左膨！底因子gvlma包提供了对所有线性模型假设进行检验的方法检验正态性:4、qqPlot()： car包：学生化残差(studentized residual，也称学生化删除残差或折叠化残差) 例: library(car)fit - lm(Murder Population + Illiteracy + Income + Frost, data = states) qqPlot(fit, labels = row.names(states), id.method = identif

25、y ,simulate = TRUE, main = Q-Q Plot)注：id.method = identify选项能够交互式绘图5、fitted。:提取模型的拟合值例: fitted(fit)“Nevada”6、residuals。:二项式回归模型的残差例: residuals(fit)“Nevada”7、residplot()：生成学生化残差柱状图(即直方图)，并添加正态曲线、核密度曲线和轴须 图。它不需要加载 car 包例: residplot - function(fit, nbreaks=10) z - rstudent(fit)hist(z, breaks=nbreaks, f

26、req=FALSE, xlab=Studentized Residual, main=Distribution of Errors)rug(jitter(z), col=brown)curve(dnorm(x, mean=mean(z), sd=sd(z),add=TRUE, col=blue, lwd=2) lines(density(z)$x, density(z)$y, col=red, lwd=2, lty=2) legend(topright,legend = c( Normal Curve, Kernel Density Curve), lty=1:2, col=c(blue,re

27、d), cex=.7)residplot(fit)误差的独立性8、durbinWatsonTest() ：验证独立性例：durbinWatsonTest(fit)验证线性9、crPlots()：car 包成分残差图也称偏残差图例： crPlots(fit)同方差性 (car 包的两个函数)10、ncvTest() ：生成一个计分检验，零假设为误差方差不变，备择假设为误差方差随着拟 合值水平的变化而变化。若检验显著，则说明存在异方差性11、spreadLevelPlot()：添加了最佳拟合曲线的散点图，展示标准化残差绝对值与拟合值的 关系。例： library(car) ncvTest(fit)

28、 spreadLevelPlot(fit)线性模型假设的综合验证1、gvlma() ：gvlma 包：线性模型假设进行综合验证，同时还能做偏斜度、峰度和异方差性 的评价例： library(gvlma)gvmodel 2就表明存在多重共线性问题例： vif(fit) sqrt(vif(fit) 2异常观测值1、outlierTest() ：car 包 ：求得最大标准化残差绝对值 Bonferroni 调整后的 p 值 例： library(car)outlierTest(fit)高杠杆值点1、hat.plot() :观测点的帽子值大于帽子均值的2或3倍，即可以认定为高杠杆值点例： hat.pl

29、ot - function(fit)p - length(coefficients(fit)n - length(fitted(fit)plot(hatvalues(fit), main = Index Plot of Hat Values) abline(h = c(2, 3) * p/n, col = red, lty = 2) identify(l:n, hatvalues(fit), names(hatvalues(fit)hat.plot(fit)强影响点：Cooks D值大于4/(n-k -1),则表明它是强影响点，其中n为样本量大小，k是 预测变量数目。例：cutoff - 4/

30、(nrow(states) - length(fit$coefficients) - 2)plot(fit, which = 4, cook.levels = cutoff)abline(h = cutoff, lty = 2, col = red)1、influencePlot()： car包：离群点、杠杆值和强影响点的信息整合到一幅图形中 例: influencePlot(fit, id.method = identify, main = Influence Plot,sub = Circle size is proportial to Cooks Distance)纵坐标超过+2或小于2

31、的州可被认为是离群点，水平轴超过0.2或0.3的州有高杠杆值(通常为预测值的组合)。圆圈大小与影响成比例，圆圈很大的点可能是对模型参数的估计造成的不成比例影响的强影 响点变量变换表弘5當见前娈换-2-0.50D.512i/rItY1/#无1、powerTransform():car包:函数通过入的最大似然估计来正态化变量x。例: library(car) summary(powerTransform(states$Murder)2、boxTidwell():car包：通过获得预测变量幕数的最大似然估计来改善线性关系例: library(car)boxTidwell(Murder Populat

32、ion + Illiteracy, data = states)模型比较1、anova()：基础包：比较两个嵌套模型的拟合优度例: fitl - lm(Murder Population + Illiteracy + Income +Frost, data = states)fit2 - lm(Murder Population + Illiteracy, data = states)anova(fit2, fitl)2、AIC()： AIC值越小的模型(可以不嵌套)要优先选择，它说明模型用较少的参数获得了足 够的拟合度。例: fitl - lm(Murder Population + Ill

33、iteracy + Income +Frost, data = states)fit2 - lm(Murder Population + Illiteracy, data = states)AIC(fit1, fit2)变量选择1、stepAIC()： MASS包：逐步回归模型例：library(MASS)fit1 - lm(Murder Population + Illiteracy + Income + Frost, data = states) stepAIC(fit, direction = backward)2、regsubsets()：leaps 包：全子集回归例： library

34、(leaps)leaps - regsubsets(Murder Population + Illiteracy +Income + Frost, data = states, nbest = 4) plot(leaps, scale = adjr2) 交叉验证1、crossval()函数：bootstrap包：实现k重交叉验证例： shrinkage - function(fit, k = 10) require(bootstrap)# define functions theta.fit - function(x, y) lsfit(x, y) theta.predict - functi

35、on(fit, x) cbind(1, x) %*% fit$coef# matrix of predictorsx - fit$model, 2:ncol(fit$model)# vector of predicted values y - fit$model, 1results - crossval(x, y, theta.fit, theta.predict, ngroup = k)r2 - cor(y, fit$fitted.values)人2r2cv - cor(y, results$cv.fit)A2 cat(Original R-square =, r2, n)cat(k, Fo

36、ld Cross-Validated R-square =, r2cv, n) cat(Change =, r2 - r2cv, n)2、shrinkage。：交叉验证；R平方减少得越少，预测则越精确。例： fit - lm(Murder Population + Income + Illiteracy + Frost, data = states) shrinkage(fit)相对重要性1、scale()：将数据标准化为均值为0、标准差为1的数据集，这样用R回归即可获得标准 化的回归系数。注意，scale()函数返回的是一个矩阵，而lm()函数要求一个数据框例: zstates - as.d

37、ata.frame(scale(states)zfit - lm(Murder Population + Income + Illiteracy +Frost, data = zstates) coef(zfit)2、relweights()相对权重例： relweights - function(fit, .) R - cor(fit$model)nvar - ncol(R)rxx - R2:nvar, 2:nvarrxy - R2:nvar, 1svd - eigen(rxx) evec - svd$vectors ev - svd$values delta - diag(sqrt(ev)

38、# correlations between original predictors and new orthogonal variables lambda - evec %*% delta %*% t(evec)lambdasq - lambdaA2# regression coefficients of Y on orthogonal variables beta - solve(lambda) %*% rxyrsquare - colSums(betaA2) rawwgt - lambdasq %*% betaA2import - (rawwgt/rsquare) * 100 lbls

39、- names(fit$model2:nvar) rownames(import) - lbls colnames(import) - Weights# plot resultsbarplot(t(import), names.arg = lbls, ylab = % of R-Square,xlab = Predictor Variables, main = Relative Importance of Predictor Variables, sub = paste(R-Square = , round(rsquare, digits = 3),.) return(import)# usi

40、ng relweights()fit - lm(Murder Population + Illiteracy + Income + Frost, data = states)relweights(fit, col = lightgrey)方差分析1、aov() =lm()单因素方差分析2、plotmeans():绘制带置信区间的图形例：library(multcomp) attach(cholesterol) table(trt) aggregate(response, by = list(trt), FUN = mean) aggregate(response, by = list(trt)

41、, FUN = sd) fit - aov(response trt) summary(fit) library(gplots)plotmeans(response trt, xlab = Treatment, ylab = Response, main = Mean Plotnwith 95% CI)detach(cholesterol)多重比较1、TukeyHSD()：对各组均值差异的成对检验 例： TukeyHSD(fit)par(las = 2) par(mar = c(5, 8, 4, 2) plot(TukeyHSD(fit) par(opar)2、glht()：multcomp

42、包：多重均值比较例： library(multcomp) par(mar = c(5, 4, 6, 2) tuk - glht(fit, linfct = mcp(trt = Tukey) plot(cld(tuk, level = 0.05), col = lightgrey) par(opar)评估检验的假设条件1、正态检验：1 ibrary(car)qqPlot(lm(response trt, data = cholesterol), simulate = TRUE, main = QQ P1ot, 1abe1s = FALSE)2、方差齐性检验：bart1ett.test(respo

43、nse trt, data = cholesterol)3、检测离群点：outlierTest() car包library(car) outlierTest(fit)单因素协方差分析例： data(litter, package = multcomp) attach(litter)table(dose) aggregate(weight, by = list(dose), FUN = mean)fit - aov(weight gesttime + dose)summary(fit)1、effects() ：effects 包 ：计算调整的均值例： library(effects)effect

44、(dose, fit)2、ancova() ：HH 包 ：绘制因变量、协变量和因子之间的关系图 例：library(HH)ancova(weight gesttime + dose, data = litter)3、interaction.plot() ：函数来展示双因素方差分析的交互效应例： interaction.plot(dose, supp, len, type = b, col = c(red, blue), pch = c(16, 18), main = Interaction between Dose and Supplement Type) 4、plotmeans()：gplo

45、ts 包 ：展示交互效应例： library(gplots)plotmeans(len interaction(supp, dose, sep = ), connect = list(c(1, 3, 5), c(2, 4, 6), col = c(red, darkgreen), main = Interaction Plot with 95% CIs, xlab = Treatment and Dose Combination) 5、interaction2wt()：HH 包 ：可视化结果例 :library(HH)interaction2wt(len supp * dose)6、colMeans():计算每列的平均值7、nrow()/ncol :计算数组额行数和列数8、mahalanobis()：用协方差来计算两点之间距离的方法 稳健多元方差分析Wilks.test() :稳 健 单 因 素 MANOVA