用R进行描述性统计
来自OBHRM百科
频次分析
可以用descr包中的freq()函数来进行频次分析。
脚本与注释
datafilename <- "http://personality-project.org/r/datasets/maps.mixx.epi.bfi.data" # 指定文件名与路径 mydata <- read.table(datafilename,header=TRUE) # 读取数据到mydata attach(mydata) # 激活mydata library(descr) # 使用descr包中的freq来进行频次分析 freq(epiE) # 计算epiE变量的频次，得到频次分析结果和统计图
结果
> freq(epiE)
epiE
Frequency Percent
1 1 0.4329
2 2 0.8658
4 2 0.8658
5 4 1.7316
6 8 3.4632
7 5 2.1645
8 7 3.0303
9 8 3.4632
10 15 6.4935
11 16 6.9264
12 24 10.3896
13 23 9.9567
14 26 11.2554
15 21 9.0909
16 16 6.9264
17 16 6.9264
18 10 4.3290
19 14 6.0606
20 6 2.5974
21 4 1.7316
22 3 1.2987
Total 231 100.0000
计算平均数与标准差
脚本与注释
datafilename <- "http://personality-project.org/r/datasets/maps.mixx.epi.bfi.data" # 指定文件名与路径 mydata <- read.table(datafilename,header=TRUE) # 读取数据到mydata attach(mydata) # 激活mydata epi <- data.frame(epiE ,epiS ,epiImp ,epilie ,epiNeur) # 从mydata中提取数据子集，只包括要分析的变量 library(psych) # 使用psych包中的describe计算平均数与标准差 describe(epi) # 描述性统计 describe(epi,fast=TRUE) # 快速描述性统计，得到核心结果
结果
> describe(epi) #描述性统计结果。可以把结果复制到Editplus或notepad++，然后复制平均值与标准差两列到论文中
vars n mean sd median trimmed mad min max range skew kurtosis se
epiE 1 231 13.33 4.14 14 13.49 4.45 1 22 21 -0.33 -0.06 0.27
epiS 2 231 7.58 2.69 8 7.77 2.97 0 13 13 -0.57 -0.02 0.18
epiImp 3 231 4.37 1.88 4 4.36 1.48 0 9 9 0.06 -0.62 0.12
epilie 4 231 2.38 1.50 2 2.27 1.48 0 7 7 0.66 0.24 0.10
epiNeur 5 231 10.41 4.90 10 10.39 4.45 0 23 23 0.06 -0.50 0.32
> describe(epi,fast=TRUE) #快速描述性统计结果。可以把结果复制到Editplus或notepad++，然后复制平均值与标准差两列到论文中
vars n mean sd min max range se
epiE 1 231 13.33 4.14 1 22 21 0.27
epiS 2 231 7.58 2.69 0 13 13 0.18
epiImp 3 231 4.37 1.88 0 9 9 0.12
epilie 4 231 2.38 1.50 0 7 7 0.10
epiNeur 5 231 10.41 4.90 0 23 23 0.32
