文档介绍：Revised as of 23 November 2020
R语言方法总结
计算描述性统计量:
1、summary():
例： summary(mtcars[vars])
summary()函数提供了最小- with(Arthritis, table(Improved))
Mytable
2、()：频数转化为比例值
(mytable)
3、()*100：转化为百分比
(mytable)*100
二维列联表
4、table(A,B)/xtabs(~A+b,data=mydata)
例：mytable <- xtabs(~ Treatment+Improved, data=Arthritis)
5、()和()：函数分别生成边际频数和比例
(1:行，2：列)
行和与行比例
(mytable, 1)
(mytable, 1)
列和与列比例
(mytable, 2)
(mytable, 2)
(mytable)
6、addmargins()：函数为这些表格添加边际和
addmargins(mytable)
admargins(mytable))
addmargins(mytable, 1), 2)
addmargins(mytable, 2, 1)
()：gmodels包
例：library(gmodels)
CrossTable(Arthritis$Treatment, Arthritis$Improved)
多维列联表
1、table()和xtabs()：都可以基于三个或更多的类别型变量生成多维列联表。
2、ftable():
例：mytable <- xtabs(~ Treatment+Sex+Improved, data=Arthritis)
mytable
ftable(mytable)
(mytable, 1)
(mytable, 2)
(mytable, 3)
(mytable, c(1,3))
ftable(mytable, c(1, 2)))
ftable(addmargins(mytable, c(1, 2)), 3))
gtable(addmargins(mytable, c(1, 2)), 3)) * 100
独立检验
1、卡方独立性检验 ：()
例：library(vcd)
mytable <- xtabs(~Treatment+Improved, data=Arthritis)
(mytable)
mytable <- xtabs(~Improved+Sex, data=Arthritis)
(mytable)
2、Fisher精确检验：()
例：mytable <- xtabs(~Treatment+Improved, data=Arthritis)
(mytable)
3、Cochran-Mantel—Haenszel检验：()
例：mytable <- xtabs(~Treatment+Improved+Sex, data=Arthritis)
(mytable)
相关性度量
1、assocstats()：
例：library(vcd)
mytable <- xtabs(~Treatment+Improved, data=Arthritis)
assocstats(mytable)
2、cor()：函数可以计算这三种相关系数，
3、cov()：函数可用来计算协方差
例：states <- [, 1:6]
cov(states)
cor(states)
cor(states, method="spearman")
x <- states[, c("Population", "Income", "Illiteracy", "HS Grad")]
y <- states[, c("Life Exp", "Murder")]
cor(x, y)
4、pcor()：偏相关 ggm包
例：library(ggm)
pcor(c(1, 5, 2, 3, 6), cov(states))
相关性的显着性检验
1、()
其中的x和y为要检验相关性的变量， alternative则用来指定进行双侧检验或单侧检验（取值为""、 "less"或"greater"） ，而method用以指定要计算的相关类型（"pearson"、
"kendall"或"spearman"）当研究的假设为总体的相关系数小于0时，请使用alternative=
"less"。在研究的假设为总体的相关系数大于0时