2022年R软件使用简介 .pdf

《2022年R软件使用简介 .pdf》由会员分享，可在线阅读，更多相关《2022年R软件使用简介 .pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、R 模拟著名的统计软件：SPLUS 。两者语法基本相同，有些功能 R 少一些， 例如：SPLUS 有菜单而 R 没有，不过，R 也正在开发菜单系统。对于 windows 系统，下载R 的安装程序： setupR.exe 。安装后，运行安装目录的bin 子目录下的Rgui.exe ， 即运行 R。R 打开后界面简洁，它没有做数据分析用的菜单系统，我们所有的分析工作都是在程序窗口中输入程序来完成。你会看到有一个红色的：，就在这里输入程序。普通模式中，每输入一条语句，回车后就执行。也可以把程序输入在一个文件中，用 source 函数来调用执行，例如：source(C:workpro.txt)，表示调

2、用c 盘 work 目录下的pro.txt 文件同时执行其中的R 程序， 请注意文件路径的写法。基本语法：R 的变量名一般是由字母开头的，其后可有数字，下划线不可以，请注意：R 的变量名和命令是区分大小写的。R 中用 - 和 x 表示把值 15 赋值给变量x ，用xx ，表示把 10 赋值于x，数值变量； “www ” -y ，表示把字符串”www ” 赋值于 y，字符变量。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 6 页 - - - - - - - - - 数据输

3、入：c(12,14,16,33)-x 表示把一个向量(12,14,16,33) 赋予变量x。简单的就可以理解为x 是一个数值变量，目前有数据12,14,16,33 。用求均值函数mean() 就可以求其平均数：mean(x) ，系统会输出18.75 。类似的， sd(x) 输出标准差9.64 ，median(x) 则输出中位数15。c(tr,tsed,ddd)-y 此时 y 是一个字符串的向量，可以理解为 y 是一个字符变量。采用 data.frame(x,y)可以把 x 和 y 这两个变量组合为一个二维数据集。如：data.frame(x,y)-z 表示 z 包含了 x 和 y 变量，类似一

4、个数据集。你键入z 回车，就可以看到它的内容。可以用$ 符号来引用数据集中的变量，例如：mean(z$x) ，即计算 z 中的 x 的均数，得到18.75 。如果有一个输好数据的数据文件，则可以用 read.table() 函数来读入数据。比如有一个文件c:/test.txt 包含了数据。用read.table(c:/test.txt,header=T,sep=,)-t。表示读入此文件并保存为t，文件的第一行是变量名（header=T) ；分隔符是逗号 (sep=,) 。如果数据集中有一个变量为dd, 用 t$dd 就可以引用 dd，如： sd(t$dd) 表示计算其标准差。类似的，用名师资料

5、总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 6 页 - - - - - - - - - read.epi() 函数可以读入epi info 数据库，也还有类似函数可以读入 stata 等常用数据库文件。统计描述：采用 R 函数可以计算描述性统计指标。算术均数： mean() 例： mean(x) 或 mean(data$x) 几何均数： exp(mean(log(x) 采用了函数嵌套， 即先取对数log() ，然后求平均mean() ，再求反对数exp() 中位数： medi

6、an() 方差： var() 标准差： sd() 假设检验：T 检验： R 中采用 t.test() 函数。用法： 1、t.test(x) 表示对 x 做总体均数为0 的 t 检验2、t.test(x,mu=10) 表示做总体均数为10 的 t 检验3、t.test(x,y) 表示对两个变量x，y 做两样本均数的成组 t 检验4、t.test(xgroup) 表示 group 为分组变量， x 为数值变量，做 t 检验，此时x 和 y 应该在同一个数据集中。5、t.test(xgroup=1,xgroup=2) 表示对 group 1名师资料总结 - - -精品资料欢迎下载 - - - - -

7、 - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 6 页 - - - - - - - - - 和 2 时的 x 做 t 检验方差分析：利用lm() 函数如果一个数据集dd 中，x 是数值变量， g 是分组变量， 运行：lm(dd$xdd$g) ，这样实际是拟合一个线性模型，x 为应变量， g 为自变量。缺省的输出很少，只有g 和截据的系数，采用 summary() 函数可以输出较多信息。即：summary(lm(dd$xdd$g) 这样将会输出常见方差分析所需要输出的全部信息，诸位一试便知。这里提示了R 的一个特性： 缺省的输出往往

8、是很少的，其实有很多的结果被保存在背后，需要用语句提取出来的。秩和检验：wilcox.test() 函数和 kruskal.test() 函数wilcox.test(x) 表示对 x 做均数为 0 的符号秩和检验kruskal.test(x,g) 表示 x 为数值变量而g 为分组变量，做秩和检验卡方检验： chisq.test() 对于如下四格表资料：12 5 24 11 首先建立四格表：matrix(c(12,24,5,11),crow=2)-data 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - -

9、- - - - 第 4 页，共 6 页 - - - - - - - - - 说明： data 中存储了四格表资料，也就是一个矩阵。c(12,24,5,11) 是一个向量， crow=2 表示有两行， 请注意行列的顺序：即先排“ 列” 数据，再排 “ 行” 数据。然后进行卡方检验：chisq.test(data) 对于四格表卡方，缺省的用Yates 连续性校正。如果用：chisq.test(data,correct=FLASE)，则不进行Yates 校正。如果理论数过小，则输出时会提示卡方检验可能不正确，此时就需要用 fisher 精确概率法： fisher.test(data)。线性相关采用

10、cor （）函数可以计算两变量的线性相关系数；采用cor.test() 函数可以计算相关系数比进行假设检验、提供相关系数可信区间。例如： c(12,15,13,16,21,22,14)-x c(25,56,45,15,32,16,45)-y cor.test(x,y) 即可对 x 和 y 进行线性相关分析，计算两者的相关系数并进行假设检验。线性回归：lm()函数可以拟合一般线性模型。例如：lm(yx+z) 便是拟合应变量为y，自变量为x 和 z 的回归方程。直接使用lm(yx+z) 只能输出 x 和 z 的回归系数，用名师资料总结 - - -精品资料欢迎下载 - - - - - - - - -

11、 - - - - - - - - - 名师精心整理 - - - - - - - 第 5 页，共 6 页 - - - - - - - - - summary(lm(yx+z)，即外部套上summary 函数，可以输出线性回归分析的大部分内容。summary(lm(yx+z+x*z) 则是考虑了x 和 z 的交互作用了。结R 中能够实现各种常用统计分析，这，一般成熟的统计软件都是具有的。R，作为 s+的一个克隆，其实是S 语言的一个编程环境。R 中一切都是对象。R 中的功能主要是以函数的形式实现。使用者可以修改（重载）这些函数，也可以开发新的函数。R 有很多 package ，实现各种功能，可以在R 的站点 cran中下载安装各种package 以扩展功能。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 6 页，共 6 页 - - - - - - - - -