| R实战 | 您所在的位置：网站首页 › 卡方检验结果报告表 › R实战 |
R实战
|
R实战|卡方检验及其可视化
卡方检验
卡方检验是一种以 分布为基础的用途广泛的假设检验方法。是一种非参数检验方法。 检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。它的无效假设 为：观察频数与期望频数没有显著性差异。 检验主要有三个用途：单样本方差的同质性检验、独立性检验和适合性检验。 独立性检验 (Independence)独立性检验评估的是，在一个列联表中，不成对的观测对象中的两个变量是不是相互独立的。 适合度检验 (Goodness of fit)适合度检验展示了一个观察到的频率分布是否与一个理论分布不同。 可视化 # 安装并加载ggstatsplot包 install.packages('ggstatsplot') library(ggstatsplot) 饼图 ggpiestats该函数为类别变量创建饼图，图的副标题中包含列联表分析的结果(Pearson卡方检验用于受试者间设计，McNemar卡方检验用于受试者内设计)。如果只输入一个类别变量，则单样本比例检验(即卡方拟合优度检验)的结果将显示为副标题。 ## 设置种子可重复 set.seed(123) ## 绘制 ggpiestats( data = mtcars, x = am, y = cyl, package = "wesanderson", palette = "Royal1", title = "Dataset: Motor Trend Car Road Tests", ## title for the plot legend.title = "Transmission", ## title for the legend caption = "Source: 1974 Motor Trend US magazine" )
默认 结果 ✅ 描述(频率)✅ 推论统计 ✅ 效应量+置信区间 ✅ 适合度检验 ✅ 贝叶斯假设检验 ✅ 贝叶斯估计 grouped_ggpiestats ##单组内 set.seed(123) grouped_ggpiestats( data = mtcars, x = cyl, grouping.var = am, ##分组变量 label.repel = TRUE, package = "ggsci", palette = "default_ucscgb" )
柱状图
ggbarstats
# install.packages('hrbrthemes')
set.seed(123)
library(ggplot2)
## plot
ggbarstats(
data = mtcars,
x = am,
y = cyl,
title = "Dataset: Motor Trend Car Road Tests", ## title for the plot
legend.title = "Transmission",
xlab = "am",
ggtheme = hrbrthemes::theme_ipsum_pub(),
ggplot.component = list(ggplot2::scale_x_discrete(guide = ggplot2::guide_axis(n.dodge = 2))),
palette = "Set2"
)
grouped_ggbarstats
set.seed(123)
grouped_ggbarstats(
data = mtcars,
x = am,
y = cyl,
grouping.var = vs,
package = "wesanderson",
palette = "Darjeeling2",
ggtheme = ggthemes::theme_tufte(base_size = 12)
)
往期
跟着Nature学作图 | 配对哑铃图+分组拟合曲线+分类变量热图 (免费教程+代码领取)|跟着Cell学作图系列合集 跟着Nat Commun学作图 | 1.批量箱线图+散点+差异分析 跟着Nat Commun学作图 | 2.时间线图 跟着Nat Commun学作图 | 3.物种丰度堆积柱状图 跟着Nat Commun学作图 | 4.配对箱线图+差异分析
|
【本文地址】
公司简介
联系我们