数据分析实战

R语言数据分析实战，让数据分析不再困难！

数据分析

• 线性回归
  • fit<-lm（weight~height,data＝women） summary（fit）/summary.lm（fit）
  • coefficients（fit）
  • confint（fit,level＝0.5）置信区间
  • fitted（fit）
  • residuals（fit） 残差值
  • women1<-women predict（fit,women1）
  • plot（women$height,women$weight） abline（fit）绘制出拟合曲线 lines（women$height,fitted（fit2）,col＝“red”） lines（women$height,fitted（fit3）,col＝“blue”）
  • fit2<-lm（weight~height＋Ⅰ（height*2）,data＝women） summary（fit2）
  • fit2<-lm（weight~height＋Ⅰ（height*2）＋Ⅰ（height*3）,data＝women）
• 多元线性回归
  • states<-as.data.frame（state.x77［,c（“Murder”,“Population”,“Illiteracy”,“Income”,“Frost”）］）
  • fit<-lm（Murder~Population＋Illiteracy＋Income＋Frost,data＝states）
  • summary（fit） options（digits＝4） coef（fit）
  • fit<-lm（mpg~hp＋wt＋hp：wt,data＝mtcars） summary（fit）
  • AIC比较模型好坏
    • fit1<-lm（Murder~Population＋Illiteracy＋Income＋Frost,data＝states） fit2<-lm（Murder~Population＋Illiteracy,data＝states） AIC（fit1,fit2）
• 回归诊断
  • opar<-par（no.readonly＝TRUE） fit<-lm（weight~height,data＝women） par（mfrow＝c（2,2）） plot（fit）
• 方差分析
  • install.package（multcomp） library（multcomp）
    • attach（cholesterol） table（trt） aggregate（response，by＝list（trt），FUN＝mean）
      • fit<-aov（respnose~trt，data＝cholesterol） summary（fit） plot（fit）
        • fit.lm<-lm（respnose~trt，data＝cholesterol）
  • 单因素协方差
    • table（litter$dose） attach（litter） aggregate（weight，by＝list（dose），FUN＝mean）
      • fit<-aov（weight~gesttime＋dose，data＝litter） summary（fit）
  • 双因素方差分析
    • attach（ToothGrowth） xtabs（~supp＋dose）统计频率 aggregate（len，by＝list（supp，dose），FUN＝mean） aggregate（len，by＝list（supp，dose），FUN＝sd）
      • 转换为因子ToothGrowth$dose<-factor（ToothGrowth$dose） fit<-aov（len~supp*dose，data＝ToothGrowth） summary（fit）
        • interaction.plot（dose，supp，len，tybe＝“b”，col＝c（“red”，“blue”），pch＝c（16，18），main＝“Interaction between Dose and Supplement Type”）
  • 多元方差分析
    • library（MASS） UScereal attach（UScereal）加载数据集 shelf<-factor（shelf） aggregate（cbind（calories,fat,sugars）,by＝list（shelf）,FUN＝mean）
      • fit<-manova（cbind（calories,fat,sugars）~shelf） summary（fit） summary.aov（fit）
• 功效分析 （建模以及检验数据关系）
  • 功效＝错误Ⅰ－错误Ⅱ的概率 真实效应发生的概率
  • 效应值指备择或研究假设下效应的量。 效应值的表达式依赖于假设检验中使用的统计方法
  • 四个基本量（给定任意三个，可推算第四个）
    • 功效1-p（Ⅱ型错误） 效应值ES 样本大小n 显著性水平p（Ⅰ型错误）
  • 线性回归功效分析
    • pwr包 pwr.f2.test（u＝3,sig.level＝0.05,power＝0.9,f2＝0.0769） options（digits＝0.5）
  • 方差分析功效分析
    • pwr.anova.test（k＝2,f＝0.25,sig.level＝0.05,power＝0.9） f效应值
• 广义线性模型 （二项，泊松，伽马分布等） 极大似然法估计
  • 泊松回归
    • 用来为计数资料和列联表建模的一种回归分析 假设因变量是泊松分布 假设它平均值的对数可被未知参数的线性组合建模
      • data（breslow.dat,package＝“robust”）加载数据集 summary（breslow.dat） attach（breslow.dat） fit<－glm（sumY~Base＋Age＋Trt,data＝breslow.dat,family＝poisson（link＝“log”）） summary（fit） coef（fit） exp（coef（fit））
  • logistic回归
    • 通过一系列连续型或类别型预测变量预测二值型结果变量 根据危险因素预测某疾病发生的概率
      • data＝（Affairs,package＝“AER”） summary（Affairs） table（Affairs$affairs） prop.table（table（Affairs$affairs）） prop.table（table（Affairs$gender））
        • Affairs$ynaffair［Affairs$affairs>0］<－1 Affairs$ynaffair［Affairs$affairs＝＝0］<－0 head（Affairs） Affairs$ynaffair<－factor（Affairs$ynaffair,levels＝c（0,1）,labels＝（“No”,“Yes”）） table（Affairs$ynaffair）
          • attach（Affairs） fit<－glm（ynaffair~gender＋age＋yearsmarried＋children＋religiousness＋education＋occupation＋rating,data＝Affairs,family＝binomial（）） summary（fit） fit1<－glm（ynaffair~age＋yearsmarried＋religiousness＋rating,data＝Affairs,family＝binomial（）） anova（fit,fit1,test＝“Chisq”）卡方检验 exp（coef（fit））
            • testdata<－data.frame（rating＝c（1,2,3,4,5）,age＝mean（Affairs$age）,yearsmarried＝mean（Affairs$yearsmarried）,religiousness＝mean（Affairs$religiousness）） head（testdata） testdata$prob<－predict（fit1,newdata＝testdata,type＝“response”） testdata<－data.frame（rating＝mean（Affairs$rating）,age＝seq（17,57,10）,yearsmarried＝mean（Affairs$yearsmarried）,religiousness＝mean（Affairs$religiousness）） head（testdata） testdata$prob<－predict（fit1,newdata＝testdata,type＝“response”）
• 主成分分析
  • 简称PCA，数据降维 将大量相关变量转化为一组很少的不相关变量 对原始变量重新进行线性组合，将原先众多具有一定相关性的指标，重新组合为一组新的相互独立的综合指标
    • psych包 USJudgeRatings fa.parallel（USJudgeRatings,fa＝“pc”,n.iter＝100） pc<－principal（USJudgeRatings,nfactors＝1,rotate＝“none”,scores＝FAKSE）指定旋转方法/是否指定得分 pc<－principal（USJudgeRatings,nfactors＝1,rotate＝“none”,scores＝TRUE）
      • fa.parallel（Harman23.cor$cov,n.obs＝302,fa＝“pc”,n.inter＝100,show.legend＝FALSE） 看图有几个因子在y＝1以上 pc<－principal（Harman23.cor$cov,nfactors＝2,rotate＝“none”）
        • 主成分的旋转 pc<－principal（Harman23.cor$cov,nfactors＝2,rotate＝“varimax”）
• 因子分析
  • 一系列用来发现一组变量的潜在结构方法 通过寻找一组更小的、潜在的或隐藏的结构来解释已观测到的、显式的变量间的关系 本质降维
    • options（digits＝2） covariances<－ability.cov$cov correlations<－cov2cor（covariances） fa.parallel（correlations,fa＝“both”,n.obs＝112,n.iter＝100） fa<－fa（correlations,nfactors＝2,rotate＝“none”,fm＝“pa”） fa<－fa（correlations,nfactors＝2,rotate＝“none”,fm＝“pa”,score＝TRUE） fa$weights fa<－fa（correlations,nfactors＝2,rotate＝“varimax”,fm＝“pa”）正交旋转 fa.paomax<－fa（correlations,nfactors＝2,rotate＝“promax”,fm＝“pa”）斜交旋转 factor.plot（fa.promax,labels＝rownames（fa.promax$loadings）） fa.diagram（fa.varimax,simple＝FALSE）
• 购物篮分析
  • arules包 data（Groceries） inspect（Groceries） fit<－apriori（Groceries,parameter＝list（support＝0.01,confidence＝0.5）） inspect（fit）