R语言基础培训常用统计分析.ppt

练习四 答案 df<-read.csv(file=stu.data.csv,header=T) # 问题 1 A <- table(cut(df$weight, breaks = 40 + 15 * (0:7))) round(prop.table(A) * 100,2) # 计算频数比例 hist(df$weight, breaks = 7, xlim = c(40,140), xlab = weight, main = Frequency chart of weight) # 问题 2 shapiro.test(df$height) # 问题 3 fit<-aov(weight ~ Sex,data=df) summary(fit) library(agricolae) duncan.test(fit, Sex, alpha=0.05)$groups # 问题 4 t.test(df$weight, mu = 60, alternative = wo.sided) wt.m<- subset(df$weight,df$Sex==‘ 男 ') wt.f<- subset(df$weight,df$Sex==‘ 女 ') var.test(wt.m,wt.f) # 等方差检验 t.test(wt.m,wt.f, paired=F) # 问题 5 summary(df$Sex) ct<-c(87, 33) pt <- c(1.2/2.2, 1.0/2.2) chisq.test(ct, p = pt) 线性回归 比如产量与施肥量有关，病虫害发生时期与气温有 关，小麦单位面积产量与单位面积穗数、千粒重有关， 等等。因此，还需要研究两个或多个变量之间的关系。 一个变量的变化受另一个或几个变量的影响，称为 因果关系。 利用回归分析 (regression analysis) 来研究呈因果关系 的变量之间的关系。表示原因的变量为自变量，表示结 果的变量为因变量。回归分析有一元和多元回归分析。 3.6.1 简单线性回归 35 计算校正 R 2 这里 n 是对象的数量（样点数量）， m 是解释变量的 数量（或更准确说，是模型的自由度）。只有模型 自由度（ m ）不要比观测值的数量（ n ）大（保证 n- m-1>0 ） , 公式是有效的。 多项式回归 fit <- lm( weight ~ N + I(N^2), data = df ) # 二次项回归模型 summary( fit ) # 回归分析结果 plot( df$N, df$weight ) # 绘制散点图 lines( df$N, fitted(fit) ) # 添加回归线 添加光滑曲线 require(graphics) plot(cars, main = lowess(cars)) lines(cars) lines(lowess(cars), col = 2) 多元线性逐步回归 最优线性回归方程为： y= -649.779 + 14.592 × x1 + 6.841 × x2 + 9.329 × x3 回归方程表明：对于川农 16 号小麦而言，当 x2 和 x3 固定时，穗数 x1 每增加 1 万 / 亩，产量 y 将平均增加 14.592Kg/ 亩；当 x1 和 x3 固定时，每穗粒数 x2 每增加 1 粒 ，产量 y 将平均增加 6.841Kg/ 亩；当 x1 和 x2 固定时，千 粒重 x3 每增加 1g ，产量 y 将平均增加 9.329 Kg/ 亩。 自变量的作用主次 第一种方法：计算通径系数 (path coefficient, p) 。 df.2 <- as.data.frame( scale(df) ) # 对数据集做标准化处理 lmfit <- lm(y ~ x1 + x2 + x3, data = df.2) round( coef ( lmfit ), 3) # 获取标准化回归系数 ####### 运行结果 ########## > round(coef(lmfit),3) (Intercept) x1 x2 x3 0.000 0.777 0.410 0.609 第二种方法：根据 x1 、 x2 、 x3 回归系数的 t 值大小，也可判断自变 量 x 的主次顺序，凡是 t 值较大者就是较重要的因子。 结论： 自变量 x 的主次顺序为：穗数 x1 > 千粒重 x3 > 每穗粒数 x2 。 交互作用多元线性回归 练习四 以数据 stu.data.csv 为例