記述統計

Rで記述統計を得る方法はいろいろある。たとえば、sapply関数を使ってmean, sd, var, min, max, med, range, and quantileを適用する。

sapply(mtcars, mean, na.rm=TRUE)

ほかにもいろいろ

# 平均値、中央値、25%・75%クォンタイル値、最小値、最大値
summary(mtcars)

# Tukey min,lower-hinge, median,upper-hinge,max
fivenum(mtcars$wt)

Hmiscパッケージのdesribe関数

library(Hmisc)
describe(mtcars)
# n, nmiss, unique, mean, 5,10,25,50,75,90,95th percentiles
# 5 lowest and 5 highest scores

pastecsパッケージのstat.desc関数

library(pastecs)
stat.desc(mtcars)
# nbr.val, nbr.null, nbr.na, min max, range, sum,
# median, mean, SE.mean, CI.mean, var, std.dev, coef.var

psychパッケージのdescribe関数。マジお勧め

library(psych)
describe(mtcars)
# item name ,item number, nvalid, mean, sd,
# median, mad, min, max, skew, kurtosis, se


グラフ

複数の数値変数があるデータフレームを変数ごとにプロットする

xd <- mtcars
ncx <- ncol(xd)
par(mfrow=c(floor(sqrt(ncx)), ceiling(sqrt(ncx))))
for (i in 1:ncx) {
a <- xd[,i]
nm <- names(xd[i])
plot(a, main=nm)
}


グループごとに記述統計量を求める

psychパッケージのdescribe.byを使うのががシンプルなやり方

library(psych)
describe.by(iris[1:4], list(iris[,5]))

The doBy パッケージは自分でいろいろカスタマイズできる。

library(doBy)
summaryBy(mpg + wt ~ cyl + vs, data = mtcars,
  FUN = function(x) { c(m = mean(x), s = sd(x)) } )
# produces mpg.m wt.m mpg.s wt.s for each
# combination of the levels of cyl and vs

データの集計も参照


データチェック

## サンプルデータ library(psych)
data(bfi) # psychパッケージ内のデータセット
dat <- bfi

library(psych)
# 各変数ごとに反応の種類を調べる
sapply(dat, function(x) levels(factor(x)))
# 変数ごとに反応や単位が違う場合に使う。データはデータフレームにしておくこと
# library(psych); data(sat.act); sapply(sat.act, function(x) levels(factor(x)))

# 全体の回答数
summary(factor(as.matrix(dat)))

# 一応プロットもしてみる
win.graph()
plot(as.vector(as.matrix(dat)))
win.graph()
hist(as.vector(as.matrix(dat)))

# 各項目ごとの反応数を集計する。
# 有効回答 (NA, Inf, NaN以外の反応) 種類をとりだす
(res <- names(table(as.matrix(dat)))) # table関数はNAとかは集計しないことを利用
resN <- length(res) # 反応の種類数
itemN <- ncol(dat) # 項目数
count.dat <- data.frame(matrix(NA, itemN, resN)) # 集計表用の行列。行が項目、列が反応
rownames(count.dat) <- names(dat)
colnames(count.dat) <- res
for (i in 1:resN){
count.dat[,i] <- sapply(dat, function(x) sum(na.omit(x)==res[i]))
}
count.dat

# NA, NaN, Infも調べる
na <- sapply(dat, function(x) sum(is.na(x))) # NAとNaNがカウントされる
inf <- sapply(dat, function(x) sum(is.infinite(x))) # Infをカウント

# 記述統計とかとくっつける。記述統計はpsychパッケージのdescribe関数で
descriptives <- cbind(data.frame(describe(dat)), count.dat, na, inf)
descriptives
# csvで保存
write.csv(descriptives, file=paste("descriptives.欠損除去", "_", Sys.Date(), ".csv", sep=""), quote=FALSE)