R語(yǔ)言方法總結(jié)

1、計(jì)算描述性統(tǒng)計(jì)量 :1、summary():例： summary(mtcarsvars)summary。函數(shù)提供了最小值、最大值、四分位數(shù)和數(shù)值型變量的均值，以及因子向量和邏 輯型向量的頻數(shù)統(tǒng)計(jì)。2、apply() 函數(shù)或 sapply() 函數(shù)計(jì)算所選擇的任意描述性統(tǒng)計(jì)量。mean、 sd、 var、 min、 max、 median、 length 、 range和quantile。函數(shù)fivenum()可返回圖基五數(shù)總括(Tukey s fivenumber summary，即最小值、 下四分位數(shù)、中位數(shù)、上四分位數(shù)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)/n kurt - 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：返回變量和觀測(cè)的數(shù)量、缺失值和唯一值的數(shù)目、平均值、 分位數(shù)，以及五個(gè)最大的值和五個(gè)最小的值。例

3、： library(Hmisc) describe(mtcarsvars)4、stat.desc(): pastecs包若 basic=TRUE (默認(rèn)值)，則計(jì)算其中所有值、空值、缺失值的數(shù)量，以及最小值、 最 大值、值域，還有總和。若 desc=TRUE (同樣也是默認(rèn)值)，則計(jì)算中位數(shù)、平均數(shù)、平均數(shù)的標(biāo)準(zhǔn)誤、平均 數(shù)置信度為 95%的置信區(qū)間、方差、標(biāo)準(zhǔn)差以及變異系數(shù)。若 norm=TRUE (不是默認(rèn)的)，則返回正態(tài)分布統(tǒng)計(jì)量，包括偏度和峰度(以及它們的統(tǒng)計(jì)顯著程度)和Shapiro -Wilk正態(tài)檢驗(yàn)結(jié)果。這里使用了p值來(lái)計(jì)算平均數(shù)的置信區(qū)間(默認(rèn)置信度為 0.95:例: libr

4、ary(pastecs)stat.desc(mtcarsvars)5、describe() : psych 包計(jì)算非缺失值的數(shù)量、 平均數(shù)、 標(biāo)準(zhǔn)差、 中位數(shù)、 截尾均值、 絕對(duì)中位差、 最小值、 最大值、 值域、偏度、峰度和平均值的標(biāo)準(zhǔn)誤例： library(psych)describe(mtcarsvars)分組計(jì)算描述性統(tǒng)計(jì)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(m

5、tcarsvars, mtcars$am, dstats) by(mtcars,vars,mtcars$am,plyr:colwis(dstats)3、summaryBy() ： doBy 包例 library(doBy)summaryBy(mpg + hp + wt am, data = mtcars, FUN = mystats)4、describe.by() : doBy包(describe.by()函數(shù)不允許指定任意函數(shù)，) 例： library(psych)describe.by(mtcarsvars, mtcars$am)5、reshape 包分組 :(重鑄和融合)例: libra

6、ry(reshape)dstats - function(x) (c(n = 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)頻數(shù)表和列聯(lián)表*7-1用十創(chuàng)建利愛(ài)建列聯(lián)丸眈茁數(shù)臨述table ( vatl,x上啟ib s ( fa rmu 1丹*上閂ipropt出生1工1曲HN/gd用1 rriargin . table trarffinslAddmargi

7、ns ( Ldh le ( t hl e)BE出N平類別壓變irt l因子）留建一亍賀整M監(jiān)挖 懶攜一個(gè)蠢式和一牛機(jī)絆或藪據(jù)忻創(chuàng)建一十Nit列嬴老 做陽(yáng)!小曲朮聲瞬血際艸盤將盅屮基札*肖莎赴陽(yáng)衣 畑a撫-“足遼餌邊年列衣i f R欄中羞目笳円創(chuàng)建一中聿崔俯-f盤列聯(lián)表1、table():生成簡(jiǎn)單的頻數(shù)統(tǒng)計(jì)表mytable - with(Arthritis, table(lmproved)Mytable2、prop.table():頻數(shù)轉(zhuǎn)化為比例值prop.table(mytable)3、prop.table()*100 :轉(zhuǎn)化為百分比prop.table(mytable)*100二維列聯(lián)表4、

8、table(A,B)/xtabs(A+b,data=mydata)例: mytable - xtabs( Treatment+lmproved, data=Arthritis)5、margin.table()和prop.table():函數(shù)分別生成邊際頻數(shù)和比例 (1:行，2 :列)行和與行比例margin .table(mytable, 1)prop.table(mytable, 1)列和與列比例margin .table(mytable, 2)prop.table(mytable, 2)prop.table(mytable)6、addmargins():函數(shù)為這些表格添加邊際和 add m

9、arg ins(mytable)admarg in s(prop.table(mytable)addmarg in s(prop.table(mytable, 1), 2)addmarg in s(prop.table(mytable, 2, 1)7. crossTable() : gmodels 包 例: library(gmodels)CrossTable(Arthritis$Treatme nt, Arthritis$Improved) 多維列聯(lián)表1、table()和xtabs():都可以基于三個(gè)或更多的類別型變量生成多維列聯(lián)表。2、ftable():例: mytable - xtabs

10、( 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) *

11、100獨(dú)立檢驗(yàn)1 、卡方獨(dú)立性檢驗(yàn) : 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 精確檢驗(yàn): fisher.test()例: mytable - xtabs(Treatment+Improved, data=Arthritis) fisher.test(mytable)3、Cochran-Mantel

12、 Haenszel 檢驗(yàn): mantelhaen.test()例: mytable - xtabs(Treatment+Improved+Sex, data=Arthritis)mantelhaen.test(mytable)相關(guān)性度量1、assocstats() :例: library(vcd)mytable - xtabs(Treatment+Improved, data=Arthritis) assocstats(mytable)2、cor() : 函數(shù)可以計(jì)算這三種相關(guān)系數(shù)，3、cov(): 函數(shù)可用來(lái)計(jì)算協(xié)方差例: states - state.x77, 1:6cov(states)

13、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() ：偏相關(guān) ggm 包例： library(ggm)pcor(c(1, 5, 2, 3, 6), cov(states)相關(guān)性的顯著性檢驗(yàn)1、cor.test()其中的 x 和 y 為要檢驗(yàn)相關(guān)性的變量， alternative 則用來(lái)指定進(jìn)行雙側(cè)檢驗(yàn)或單側(cè)檢驗(yàn) (取 值為two.side、 less或greater

14、)，而 method用以指定要計(jì)算的相關(guān)類型(pearson、kendall或spearman)當(dāng)研究的假設(shè)為總體的相關(guān)系數(shù)小于0時(shí)，請(qǐng)使用alternative=less。在研究的假設(shè)為總體的相關(guān)系數(shù)大于0時(shí)，應(yīng)使用alternative=greater。在默認(rèn)情況下，假設(shè)為 alternative=two.side (總體相關(guān)系數(shù)不等于 0)。例： cor.test(states, 3, states, 5)2、corr.test():可以為Pearson Spearman或Kendall相關(guān)計(jì)算相關(guān)矩陣和顯著性水平。例： library(psych)corr.test(states, u

15、se = complete)3、pcor.test() ： psych 包t 檢驗(yàn)1、 t.test(yx,data) (獨(dú)立樣本)例： library(MASS)t.test(Prob So, data=UScrime) 2、 t.test(y1,y2,paired=TRUE)( 非獨(dú)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)組間差異的非參數(shù)檢驗(yàn)兩組的比較：1、 wilcox.te

16、st(yx,data)：評(píng)估觀測(cè)是否是從相同的概率分布中抽得例： with(UScrime, by(Prob, So, median)wilcox.test(Prob So, data=UScrime)2、wilcox.test(y1 ,y2,paried=TRUE):它適用于兩組成對(duì)數(shù)據(jù)和無(wú)法保證正態(tài)性假設(shè)的情境。 例：sapply(UScrimec(U1, U2), median)with(UScrime, wilcox.test(U1, U2, paired = TRUE)多于兩組的比較：1、kruskal.test(yA ， data):各組獨(dú)立例: states - as.data.

17、frame(cbind(state.region, state.x77)kruskal.test(Illiteracy state.regi on, data=states)2、 friedman.test(yA|B,data):各組不獨(dú)立非參數(shù)多組比較：1、npmc():npmc 包例: class - state.regionvar - state.x77, c(Illiteracy)mydata - as.data.frame(cb in d(class, var)rm(class,var)library( npmc)summary (n pmc(mydata), type = BF)a

18、ggregate(mydata, by = list(mydata$class), media n)回歸用一個(gè)或多個(gè)預(yù)測(cè)變量(也稱自變量或解釋變量)來(lái)預(yù)測(cè)響應(yīng)變量(也稱因變量、效標(biāo)變量或結(jié)果變量)的方法。1、lm():擬合回歸模型 Im(yx1+x2+x3,data)表3討擬合紅性樓型非帶有用的其抱噩熬敵用世5umnAry()晨小掘A模!0的H卻黠卑coefcier：ts )網(wǎng)岀扣合模室的根型傾（剛項(xiàng)和料咿confint()f劌出擬合模型的耐值Jualii ()anova()主X牛割音蟆塑的方養(yǎng)分析表或若比較曲牛韓史窖肱音模里時(shí)方差分折表vcovf)列岀槻3!擔(dān)u的腎方羞麵陣輸岀赤池休且維訃址

19、ploLQpredict()1011對(duì)新的數(shù)棍拿議測(cè)響憤童砂簡(jiǎn)單線性回歸1、lm():( data 是數(shù)據(jù)框)例： fit - lm(weight height, data = women)summary(fit) women$weight fitted(fit) residuals(fit)plot(women$height, women$weight, main = Women Age 30-39, xlab = Height (in inches), ylab = Weight (in pounds)多項(xiàng)式回歸例：fit2 - lm(weight height + l(height2),

20、 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()： 繪制二元關(guān)系圖例： library(car) scatterplot(weight height, data = women, spread = FALSE, lty.smooth = 2, pch = 19, main = Wom

21、en Age 30-39, xlab = Height (inches), ylab = Weight (lbs.)多元線性回歸1、scatterplotMatrix()： car 包scatterplotMatrix() 函數(shù)默認(rèn)在非對(duì)角線區(qū)域繪制變量間的散點(diǎn)圖， 并添加平滑 (loess) 和線性擬合曲線。對(duì)角線區(qū)域繪制每個(gè)變量的密度圖和軸須圖。例： fit - lm(Murder Population + llliteracy + lncome +Frost, data = states)有交互項(xiàng)的多元線性回歸例： fit - lm(mpg hp + wt + hp:wt, data =

22、 mtcars) summary(fit)1、 effect() : effects 包 ： 展示交互項(xiàng)的結(jié)果 term 即模型要畫的項(xiàng)， mod 為通過(guò) l m ()擬合的模型，xlevels 是一個(gè)列表，指定變量要設(shè)定的常量值， multiline=TRUE 選項(xiàng)表示添加相應(yīng)直線。例： library(effects)plot(effect(hp:wt, fit,xlevels=list(wt = c(2.2, 3.2, 4.2), multiline = TRUE)回歸診斷1、 confint() ： 求模型參數(shù)的置信區(qū)間例： fit - lm(Murder Population + l

23、lliteracy + lncome +Frost, data=states) confint(fit)2、plot():生成評(píng)價(jià)模型擬合情況的圖形例：fit - lm(weight height, data = women) par(mfrow = c(2, 2)plot(fit)3、lm():刪除觀測(cè)點(diǎn)例：newfit - lm(weight height + I(heightA2), data = women-c(13, 15),) par(mfrow = c(2, 2)plot (n ewfit)par(opar)carQJM供了大量函大大增舉了擬合和評(píng)仰冋歸模型的能力（卷見(jiàn)上、4 J

24、-姦2包中的回歸診斷實(shí)用苗數(shù)數(shù)目的帕Eg分位SttUil翌tEQnTs; i時(shí)保晉訂筈忤戲Du市in書(shū)弗松揃crPlons()誠(chéng)分與我雄1劃ncvTes-l:()對(duì)祁恒宜的逞簽方普樹(shù)簾舒檢驗(yàn)占pj：皂mdL尼丄白匕門QUtl i FirTpt-()HnrrCTrnnjttt/i 陀驗(yàn)d.vFlot& ()脈甸的變最陽(yáng)松i tlI u ence P J o t ()冋舊總昭用iCtttrplot I)啊的RLMscat t-ezrpl o tKatr ix ()憎強(qiáng)的戰(zhàn)盧.國(guó)審PTvif ti方基腥艸子gvlma包提供了對(duì)所有線性模型假設(shè)進(jìn)行檢驗(yàn)的方法檢驗(yàn)正態(tài)性：4、qqPlot() : car

25、包：學(xué)生化殘差(studentized residual，也稱學(xué)生化刪除殘差或折疊化殘差) 例：library(car)fit - lm(Murder Populati on + Illiteracy + In come + Frost, data = states)qqPlot(fit, labels = s(states), id.method = identify simulate = TRUE, main = Q-Q Plot)注：id.method = identify選項(xiàng)能夠交互式繪圖5、fitted():提取模型的擬合值例：fitted(fit) Nevada”6

26、、residuals():二項(xiàng)式回歸模型的殘差例：residuals(fit) Nevada”7、residplot():生成學(xué)生化殘差柱狀圖(即直方圖)，并添加正態(tài)曲線、核密度曲線和軸須 圖。它不需要加載car包例: residplot - function(fit, nbreaks=10) z - rstude nt(fit)hist(z, breaks=n breaks, freq=FALSE,xlab=Studentized Residual,main=Distribution of Errors)rug(jitter(z), col=brow n)curve(d no rm(x, m

27、ean=mea n( z), sd=sd(z),add=TRUE, col=blue, lwd=2)lin es(de nsity(z)$x, den sity(z)$y,col=red, lwd=2, lty=2)lege nd(topright,lege nd = c( Normal Curve, Kernel Den sity Curve),lty=1:2, col=c(blue,red), cex=.7)residplot(fit)誤差的獨(dú)立性8、durbinWatsonTest():驗(yàn)證獨(dú)立性例：durbinWatsonTest(fit)驗(yàn)證線性9、crPlots() : car包成

28、分殘差圖也稱偏殘差圖例: crPlots(fit)同方差性(car包的兩個(gè)函數(shù))10、ncvTest():生成一個(gè)計(jì)分檢驗(yàn)，零假設(shè)為誤差方差不變，備擇假設(shè)為誤差方差隨著擬 合值水平的變化而變化。若檢驗(yàn)顯著，則說(shuō)明存在異方差性11、spreadLevelPlot()：添加了最佳擬合曲線的散點(diǎn)圖，展示標(biāo)準(zhǔn)化殘差絕對(duì)值與擬合值的 關(guān)系。例：library(car)n cvTest(fit)spreadLevelPlot(fit)線性模型假設(shè)的綜合驗(yàn)證1、gvlma() : gvlma包：線性模型假設(shè)進(jìn)行綜合驗(yàn)證，同時(shí)還能做偏斜度、峰度和異方差性的評(píng)價(jià)例: library(gvlma)gvmodel

29、2就表明存在多重共線性問(wèn)題例：vif(fit)sqrt(vif(fit) 2異常觀測(cè)值1、outlierTest() : car包：求得最大標(biāo)準(zhǔn)化殘差絕對(duì)值Bonferroni調(diào)整后的p值例：library(car)outlierTest(fit)高杠桿值點(diǎn)1、hat.plot():觀測(cè)點(diǎn)的帽子值大于帽子均值的2或3倍，即可以認(rèn)定為高杠桿值點(diǎn)例：hat.plot - function(fit)p - le ngth(coefficie nts(fit)n - length(fitted(fit)plot(hatvalues(fit), main = In dex Plot of Hat Val

30、ues)abl in e(h = c(2, 3) * p/n, col = red, Ity = 2)identify(1:n, hatvalues(fit), names(hatvalues(fit)hat.plot(fit)強(qiáng)影響點(diǎn)：Cook s D值大于4/(n-k -1),則表明它是強(qiáng)影響點(diǎn)， 其中n為樣本量大小，k是 預(yù)測(cè)變量數(shù)目。例：cutoff - 4/(nrow(states) - length(fit$coefficients) - 2)plot(fit, which = 4, cook .l evels = cutoff)abli ne(h = cutoff, lty =

31、2, col = red)1、in flue ncePlot() ： car包：離群點(diǎn)、杠桿值和強(qiáng)影響點(diǎn)的信息整合到一幅圖形中例：in flue ncePlot(fit, id.method = ide ntify, main = In flue nce Plot,sub = Circle size is proportial to Cooks Dista nce)縱坐標(biāo)超過(guò)+2或小于 2的州可被認(rèn)為是離群點(diǎn)，水平軸超過(guò)0.2或0.3的州有高杠桿值(通常為預(yù)測(cè)值的組合)。圓圈大小與影響成比例，圓圈很大的點(diǎn)可能是對(duì)模型參數(shù)的估計(jì)造成的不成比例影響的強(qiáng)影 響點(diǎn)變量變換*8-5竜見(jiàn)的孌按-2-1-0

32、.500.512變換1叩1、 powerTransform():car包:函數(shù)通過(guò) 入的最大似然估計(jì)來(lái)正態(tài)化變量x。例：library(car)summary(powerTra nsform(states$Murder)2、boxTidwell():car包：通過(guò)獲得預(yù)測(cè)變量幕數(shù)的最大似然估計(jì)來(lái)改善線性關(guān)系例：library(car)boxTidwell(Murder Populati on + Illiteracy, data = states)模型比較1、 anova():基礎(chǔ)包：比較兩個(gè)嵌套模型的擬合優(yōu)度例: fit1 - lm(Murder Populati on + Illitera

33、cy + In come +Frost, data = states)fit2 - lm(Murder Populati on + Illiteracy, data = states)ano va(fit2, fit1)2、AIC() : AIC值越小的模型(可以不嵌套)要優(yōu)先選擇，它說(shuō)明模型用較少的參數(shù)獲得了足 夠的擬合度。例: fit1 - lm(Murder Populati on + Illiteracy + In come +Frost, data = states)fit2 - lm(Murder Populati on + Illiteracy, data = states)AI

34、C(fit1, fit2)變量選擇1、stepAIC() : MASS包：逐步回歸模型例： library(MASS)fit1 - lm(Murder Population + Illiteracy + Income +Frost, data = states) stepAIC(fit, direction = backward) 2、 regsubsets() ： leaps 包：全子集回歸 例： library(leaps)leaps - regsubsets(Murder Population + Illiteracy +Income + Frost, data = states, nb

35、est = 4) plot(leaps, scale = adjr2) 交叉驗(yàn)證1、 crossval() 函 數(shù)： bootstrap 包 ： 實(shí) 現(xiàn) k 重 交 叉 驗(yàn) 證例： 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$coef# matrix of predictorsx - fit$model, 2:nco

36、l(fit$model)# vector of predicted valuesy - fit$model, 1results - crossval(x, y, theta.fit, theta.predict, ngroup = k)r2 - cor(y, fit$fitted.values)A2r2cv - cor(y, results$cv.fit)A2cat(Original R-square =, r2, n)cat(k, Fold Cross-Validated R-square =, r2cv, n) cat(Change =, r2 - r2cv, n)2、 shrinkage

37、() ： 交叉驗(yàn)證 ;R 平方減少得越少，預(yù)測(cè)則越精確。例： fit - lm(Murder Population + Income + Illiteracy + Frost, data = states) shrinkage(fit)相對(duì)重要性1、scale():將數(shù)據(jù)標(biāo)準(zhǔn)化為均值為0、標(biāo)準(zhǔn)差為1的數(shù)據(jù)集，這樣用 R回歸即可獲得標(biāo)準(zhǔn)化的回歸系數(shù)。注意，scale()函數(shù)返回的是一個(gè)矩陣，而lm()函數(shù)要求一個(gè)數(shù)據(jù)框例: zstates - as.data.frame(scale(states)zfit - lm(Murder Population + Income + Illiteracy

38、+Frost, data = zstates)coef(zfit)2、 relweights() ： 相對(duì)權(quán)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

39、iables lambda - evec %*% delta %*% t(evec)lambdasq - lambdaA2# regression coefficients of Y on orthogonal variables beta - solve(lambda) %*% rxyrsquare - colSums(betaA2) rawwgt - lambdasq %*% betaA2 import - (rawwgt/rsquare) * 100 lbls - names(fit$model2:nvar) rownames(import) - lbls colnames(import

40、) - 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)# using relweights()fit - lm(Murder Population + Illiteracy + Income

41、+ Frost, data = states)relweights(fit, col = lightgrey)方差分析1、 aov() =lm() 單因素方差分析2、 plotmeans(): 繪制帶置信區(qū)間的圖形 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)plotmeans(response trt, xlab = Treatment, ylab = Response, main = Mean Plotnwith 95% CI)detach(cholesterol) 多重比較1、 TukeyHSD() ： 對(duì)各組均值差異的成對(duì)檢驗(yàn) 例： TukeyHSD(fit)par(las = 2) par(mar = c(5, 8,