2365368654R语言方法总结

《2365368654R语言方法总结》由会员分享，可在线阅读，更多相关《2365368654R语言方法总结（14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(x, na

2、.omit = FALSE) if (na.omit) x - x!is.na(x) m - mean(x) n - length(x) s - sd(x) skew - sum(x - m)3/s3)/n kurt - sum(x - m)4/s4)/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： li

3、brary(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ShapiroWilk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(pastecs) stat

4、.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$am), mean)2、by()：例： dstats - function(x)(c(mean=mean(x), sd=sd(x) by(mtcarsvars, mtcars$am, dstats

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

6、 length(x), mean = mean(x), sd = sd(x)dfm - melt(mtcars, measure.vars = c(mpg, hp, wt), id.vars = c(am, cyl)cast(dfm, am + cyl + variable ., dstats)频数表和列联表1、table()：生成简单的频数统计表mytable - with(Arthritis, table(Improved)Mytable2、prop.table()：频数转化为比例值prop.table(mytable)3、prop.table()*100：转化为百分比prop.table

7、(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, 2)prop.table(mytable, 2)prop.table(mytable)6、addmargins()：函数

8、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、table()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(

9、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(mytable, c(1, 2), 3)gtable(addmargins(prop.table(mytable, c(1, 2), 3) * 100独

10、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(Treatment+Improved, data=Arthritis) fisher.test(mytable)3、Cochran-MantelHaenszel检

11、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(st

12、ates, 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（pear

13、son、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、corr.test()：可以为Pearson、 Spearman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、 pcor.test()：p

14、sych包t 检验1、t.test(yx,data)（独立样本）例：library(MASS)t.test(Prob So, data=UScrime)2、 t.test(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(U1, U2, paired = TRUE)组间差异的非参数检验两组的比较：1、wilcox.test(yx,data) ：评估观测是否是从相同的概率分布中抽得例：with(U

15、Scrime, by(Prob, So, median)wilcox.test(Prob So, data=UScrime)2、 wilcox.test(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(U1, U2), median)with(UScrime, wilcox.test(U1, U2, paired = TRUE)多于两组的比较：1、 kruskal.test(yA，data):各组独立例：states - as.data.frame(cbind(state.region, state.x77)kruska

16、l.test(Illiteracy state.region, data=states)2、 friedman.test(yA|B,data):各组不独立非参数多组比较:1、 npmc() :npmc包例：class - state.regionvar - state.x77, c(Illiteracy)mydata - as.data.frame(cbind(class, var)rm(class,var)library(npmc)summary(npmc(mydata), type = BF)aggregate(mydata, by = list(mydata$class), median

17、)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) 简单线性回归1、 lm(): （data是数据框） 例：fit - lm(weight height, data = women)summary(fit)women$weightfitted(fit)residuals(fit)plot(women$height, women$weight, main = Women Age 30-39, xlab = Height (in inches), ylab = Weight

18、(in pounds)多项式回归例：fit2 - lm(weight height + I(height2), 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() ：绘制二元关系图例：library(car)scatterplot(weight height, data = women,

19、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 Population + Illiteracy + Income + Frost, data = states)有

20、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 = c(2.2, 3.2, 4.2), multiline = TRUE)回归诊断1、 confint()：求模型参数的

21、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(height2), data = women-c(13, 15),)par(mfrow = c(2, 2)plot(newfit)par(opar

22、)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 = identify ,simulate = TRUE, main = Q-Q Plot)注：id.method = identify选项能够交

23、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, freq=FALSE, xlab=Studentized Residual, main=Distribution of Erro

24、rs) 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,red), cex=.7)residplot(fit)误差的独立性8、 durbinWatsonTest() ：验证独立性

25、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) 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

26、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.plot - function(fit) p - length(coefficients(fit) n - length(fitted(fi

27、t) plot(hatvalues(fit), main = Index Plot of Hat Values) abline(h = c(2, 3) * p/n, col = red, lty = 2) identify(1: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/(nrow(states) - length(fit$coefficients) - 2)plot(fit, which

28、= 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

29、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1、powerTransform():car包:函数通过 的最大似然估计来正态化变量。例：library(car)summary(powerTransform(states$Murder)2、 boxTidwell():car包：通过获得预测变量幂数的最大似然估计来改善线性关系 例：library(car)boxTidwell(Murder Population + 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：fit1 - lm(Murder Populatio

30、n + Illiteracy + Income + Frost, data = states)fit2 - lm(Murder Population + Illiteracy, data = states)anova(fit2, fit1)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：fit1 - lm(Murder Population + Illiteracy + Income + Frost, data = states)fit2 - lm(Murder Population + Illiteracy, data = sta

31、tes)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(leaps)leaps - regsubsets(Murder Population + Illiteracy + Income + Frost, data = states, nbe

32、st = 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 - function(fit, x) cbind(1, x) %*% fit$coef # matrix of predictors x - fit$model, 2:ncol(

33、fit$model) # vector of predicted values y - fit$model, 1 results - crossval(x, y, theta.fit, theta.predict, ngroup = k) r2 - cor(y, fit$fitted.values)2 r2cv - cor(y, results$cv.fit)2 cat(Original R-square =, r2, n) cat(k, Fold Cross-Validated R-square =, r2cv, n) cat(Change =, r2 - r2cv, n)2、 shrink

34、age()：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.data.frame(scale(states)zfit - lm(Murder Population + Income + Illiteracy

35、+ Frost, data = zstates)coef(zfit)2、 relweights() ：相对权重 例：relweights - function(fit, .) R - cor(fit$model) nvar - ncol(R) rxx - R2:nvar, 2:nvar rxy - R2:nvar, 1 svd - eigen(rxx) evec - svd$vectors ev - svd$values delta - diag(sqrt(ev) # correlations between original predictors and new orthogonal var

36、iables lambda - evec %*% delta %*% t(evec) lambdasq - lambda2 # regression coefficients of Y on orthogonal variables beta - solve(lambda) %*% rxy rsquare - colSums(beta2) rawwgt - lambdasq %*% beta2 import - (rawwgt/rsquare) * 100 lbls - names(fit$model2:nvar) rownames(import) - lbls colnames(import

37、) - Weights # plot results barplot(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)# using relweights()fit - lm(Murder Population + Illiteracy + Inc

38、ome + 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), FUN = sd)fit - aov(response trt)summary(fit)library(gplots)p

39、lotmeans(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包：多重均值比较例：library(multcomp)par(mar = c(5, 4, 6, 2)tuk - glht(fit, li

40、nfct = 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：library(car) qqPlot(lm(response trt, data = cholesterol), simulate = TRUE, main = QQ Plot, labels = FALSE)2、 方差齐性检验：bartlett.test(response trt, data = cholesterol)3、 检测离群点：outlierTest() car包 library(car)outl

41、ierTest(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(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(weigh

42、t 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()：gplots包 ：展示交互效应 例：library(gplots)plotmeans(len interaction(supp, dose, sep =

43、 ), 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