数据准备
频数表是数理统计中由于所观测的数据较多，为简化计算，将这些数据按等间隔分组，然后按选举唱票法数出落在每个组内观测值的个数，称为(组)频数。这样得到的表称“频数表”或“频数分布表”。
列联表（contingency table）是观测数据按两个或更多属性（定性变量）分类时所列出的频数表。它是由两个以上的变量进行交叉分类的频数分布表。列联表可以告诉你组成表格的各种变量组合的频数或比例。列联表分析的基本问题是：观察各属性之间是否独立，做简单的描述性统计。
按两个变量交叉分类的，该列联表称为两维列联表；若按3个变量交叉分类，所得的列联表称为3维列联表，依次类推。一维列联表就是频数分布表。频数就是各个分组中属性出现的次数。
1.一维列联表
2.二维列联表
table(A, B)
其中，A是行变量，B是列变量。
xtabs(~ A + B, data = mydata)
其中的mydata是一个矩阵或数据框。总的来说，要进行交叉分类的变量应出现在公式的右侧（即~符号的右方），以+作为分隔符。
gmodels包CrossTable()
3.多维列联表
参考资料：
可以用：
attach(weightBJ_data)
cor.test(first,second)
#或者
cor.test(weightBJ_data$first,weightBJ_data$second)
#或者
cor.test(weightBJ_data[,1],weightBJ_data[,2])
用过attach(weightBJ_data)之后。
first才能识别，但应该是没有逗号的。
扩展资料：
R语言中的基本运算函数：
1、log(1:3)：对于base未指定，默认为自然对数，取以自然对数为底，分别为1,2,3的对数
2、print(“Hello World!”)：打印
3、abs(x<–8)：取绝对值
4、log(x,base=2)：取对数
5、log(1:3)：对于base未指定，默认为自然对数，取以自然对数为底，分别为1,2,3的对数
6、exp(2)：自然对数e的2次方
今天我们将通过一个例子来说明如何分析两个定类变量。
文章背景：我们想研究CFPS2010和CFPS2012青少年对自身的职业期望。
如表1，我们将原始的职业期望编码整合成9类（职业编码的大类）和其他。由于我们想分析同一个人在跨轮次调查中职业期望的稳定性情况，故将分析对象定义为在CFPS2010和CFPS2012中都回答了自己对自己职业期望的受访者。如表2所示，进行重编码后的数据是宽数据，样本量是1920，数据集名字为expect。我们在进行后续分析时，要将其转换为绘图所需的其他形式。
⭐分析方式1——列联表、频数与频率
在表3中，我们展示了2010与2012年青少年职业期望的交叉统计情况。同时该表内，也附上了频数（落在各类别中的数据个数）、⽐例（某⼀类别数据占全部数据的⽐值）、百分⽐（将对⽐的基数作为100⽽计算的⽐值，包括百分比、行百分比和列百分比）。
⭐分析方式2——统计图表
分析前色彩讲解：预设渐变色，我们这里介绍2个色彩包。
1）专门生产系列颜色的RColorBrewer包，详见图1中的系列颜色。
library(RColorBrewer)
display.brewer.all()
2）色盲友好的配色方案viridis包，详见图2中的系列颜色。
library(viridis)
?viridis()#可以看到更多对这组包色彩的说明
接下来我们来画图吧~【注：图3-图6中的类目数字的含义：1）国家机关、党群组织、企业、事业单位负责人；2）医生；3）教师；4）专业技术人员（刨除教师和医生）；5）办事人员和有关人员；6）商业、服务业人员；7）农、林、牧、渔、水利业生产人员；8）生产、运输设备操作人员及有关人员；9）军人；10）其他。】
