Categorische data: analyseren en visualiseren

R voor SAS-gebruikers

Melinda Higgins, PhD

Research Professor/Senior Biostatistician Emory University

Categorieën samenvoegen

# Gebruik table() binnen with() voor bmicat
daviskeep %>% with(table(bmicat))

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

Gecodeerde variabele bmigt25 toevoegen

# Voeg één categorische variabele toe: bmigt25
daviskeep <- daviskeep %>%
  mutate(bmigt25 = ifelse(bmi > 25,
                          "2. overwt/obese",
                          "1. underwt/norm"))

# Bekijk frequenties voor bmigt25-categorieën
daviskeep %>% with(table(bmigt25))

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

Contingentietabellen in SAS en R

sas proc freq en r-functie table en crosstable uit het gmodels-pakket

Chi-kwadraattoetsen in SAS en R

sas proc freq en r-code voor chisq.test en gmodels-pakket crosstable-opties

Contingentietabel en chi-kwadraattoets

# Sla tabeluitvoer van bmigt25 per sex op
tablebmisex <- daviskeep %>%
  with(table(bmigt25, sex))
tablebmisex

# Gebruik de tabel voor chisq.test
chisq.test(tablebmisex)

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

Pearson chi-kwadraattoets met Yates'
continuïteitscorrectie

data:  tablebmisex
X-squared = 36.759, df = 1, p-waarde = 1.336e-09

Chi-kwadraat met gmodels-package

# Laad gmodels-package
library(gmodels)

# Voer gmodels::CrossTabs uit, toon kolom-% en verwachte waarden
daviskeep %>%
  with(gmodels::CrossTable(bmigt25, sex,
                           chisq = TRUE,
                           prop.r = FALSE,
                           prop.t = FALSE,
                           prop.chisq = FALSE,
                           expected = TRUE))

CrossTable-uitvoer - deel 1

   Celinhoud
|-------------------------|
|                       N |
|              Verwachte N |
|           N / Kolomtotaal |
|-------------------------|

Totaal waarnemingen in tabel:  199

                | sex
        bmigt25 |         F |         M | Rijtotaal |
----------------|-----------|-----------|-----------|
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 |           |
----------------|-----------|-----------|-----------|
   Kolomtotaal  |       111 |        88 |       199 |
                |     0.558 |     0.442 |           |
----------------|-----------|-----------|-----------|

CrossTable-uitvoer - deel 2

gmodels::CrossTable()-uitvoer - vervolg...

Statistieken voor alle tabelvariabelen

Pearson chi-kwadraattoets
------------------------------------------------------------
Chi^2 =  38.99402     v.f. =  1     p =  4.251066e-10

Pearson chi-kwadraat met Yates-continuïteitscorrectie
------------------------------------------------------------
Chi^2 =  36.75936     v.f. =  1     p =  1.336475e-09

Mozaïekplots in SAS en R

sas proc freq freqplot-optie voor tables-statement en r-functie mosaicplot

Mozaïekplot van tweedelige categorische verhoudingen

# Maak mozaïekplot van bmigt25 per sex
mosaicplot(bmigt25 ~ sex,
           data = daviskeep,
           color = c("light blue",
                     "dark grey"),
           main =
             "BMI-categorieën per geslacht")

mozaïekplot van bmigt25 en sex in de daviskeep-dataset

Laten we categorische verbanden voor de abalones verkennen!

R voor SAS-gebruikers