Kategorik veriler: analiz ve görselleştir

SAS Kullananlar İçin R

Melinda Higgins, PhD

Research Professor/Senior Biostatistician Emory University

Kategorileri birleştir

# bmicat için with() içinde table() kullanın
daviskeep %>% with(table(bmicat))

bmicat
1. underwt/norm       2. overwt        3. obese
            161              35               3

Yeniden kodlanmış değişken bmigt25 ekleyin

# Bir kategorik değişken daha ekleyin: bmigt25
daviskeep <- daviskeep %>%
  mutate(bmigt25 = ifelse(bmi > 25,
                          "2. overwt/obese",
                          "1. underwt/norm"))

# bmigt25 kategorilerinin sıklıklarını görüntüleyin
daviskeep %>% with(table(bmigt25))

bmigt25
1. underwt/norm 2. overwt/obese
            161              38

Olasılık tabloları: SAS ve R

SAS PROC FREQ ve R table fonksiyonu ile gmodels paketinden CrossTable

Ki-kare testleri: SAS ve R

SAS PROC FREQ ve R kodları: chisq.test ve gmodels paketindeki CrossTable seçenekleri

Olasılık tablosu ve ki-kare testi

# bmigt25 ile cinsiyete göre tablo çıktısını kaydedin
tablebmisex <- daviskeep %>%
  with(table(bmigt25, sex))
tablebmisex

# chisq.test'i tablo nesnesiyle çalıştırın
chisq.test(tablebmisex)

                 sex
bmigt25             F   M
  1. underwt/norm 107  54
  2. overwt/obese   4  34

Yates süreklilik düzeltmeli Pearson ki-kare testi
veri:  tablebmisex

X-kare = 36.759, sd = 1, p-değeri = 1.336e-09

gmodels paketiyle ki-kare testleri

# gmodel paketini yükleyin
library(gmodels)

# gmodels::CrossTabs çalıştırın, sütun % ve beklenen değerleri gösterin
daviskeep %>%
  with(gmodels::CrossTable(bmigt25, sex,
                           chisq = TRUE,
                           prop.r = FALSE,
                           prop.t = FALSE,
                           prop.chisq = FALSE,
                           expected = TRUE))

CrossTable çıktısı - 1. bölüm

   Hücre İçeriği
|-------------------------|
|                       N |
|             Beklenen N |
|        N / Sütun Toplamı |
|-------------------------|

Tablodaki Toplam Gözlem:  199

                | sex
        bmigt25 |         F |         M | Satır Toplamı |
----------------|-----------|-----------|---------------|
1. underwt/norm |       107 |        54 |           161 |
                |    89.804 |    71.196 |               |
                |     0.964 |     0.614 |               |
----------------|-----------|-----------|---------------|
2. overwt/obese |         4 |        34 |            38 |
                |    21.196 |    16.804 |               |
                |     0.036 |     0.386 |               |
----------------|-----------|-----------|---------------|
   Sütun Toplamı |       111 |        88 |           199 |
                |     0.558 |     0.442 |               |
----------------|-----------|-----------|---------------|

CrossTable çıktısı - 2. bölüm

gmodels::CrossTable() çıktısı - devamı...

Tüm Tablo Faktörleri için İstatistikler

Pearson ki-kare testi
------------------------------------------------------------
Ki^2 =  38.99402     ser.böl. =  1     p =  4.251066e-10

Yates süreklilik düzeltmeli Pearson ki-kare testi
------------------------------------------------------------
Ki^2 =  36.75936     ser.böl. =  1     p =  1.336475e-09

SAS ve R mozaik grafikleri

SAS'ta PROC FREQ ile TABLES ifadesinde FREQPLOT seçeneği ve R'da mosaicplot fonksiyonu

İki yönlü kategorik oranların mozaik grafiği

# bmigt25'i cinsiyete göre mozaik grafik yapın
mosaicplot(bmigt25 ~ sex,
           data = daviskeep,
           color = c("light blue",
                     "dark grey"),
           main =
             "Cinsiyete göre BMI Kategorileri")

daviskeep veri setinde bmigt25 ve cinsiyet için mozaik grafik

Hadi abalonlar için kategorik ilişkileri keşfedelim!

SAS Kullananlar İçin R