Hmisc 包中的 describe()函数 ______包的_______函数可返回变量和观测的数量、info 值、缺失值和唯一值的数目、平均值、分位数，以及五个最大的值和五个最小的值
reshape 包/reshape2 包 ________包是一套重构和整合数据集的万能工具
vcd 包 Arthritis 数据集；
sm 包 sm.density.compare(x, factor) _______包中的_______函数可向图形叠加两组或更多的核密度图
pastecs 包中有一个名为 stat.desc()的函数
Hmisc 包中的 describe()函数 ______包的_______函数可返回变量和观测的数量、info 值、缺失值和唯一值的数目、平均值、分位数，以及五个最大的值和五个最小的值
psych 包的 describe()的函数 ______包的_______函数可以计算非缺失值的数量、平均数、标准差、中位数、截尾均值、绝对中位差、最小值、最大值、值域、偏度、峰度和平均值的标准误。
doBy 包 的summaryBy doBy 包中的_______函数可以分组计算概述统计量
psych 包 describe.by
vcd 包的 assocstats()函数 _______包中的_______函数可以用来计算二维列联表的 phi 系数、列联系数和 Cramer’s V 系数
ggm 包的 pcor()函数 _______包的________函数可以计算偏相关系数
psych 包的 corr.test() _______包的________函数可以为 Pearson、Spearman 或 Kendall 相关计算相关矩阵，同时报告显著性水平
利用Hmisc包中的rcorr.cens函数 局限： - 只能处理一个预测变量 - 对超过2分类的分类变量处理粗糙# 加载包及生成数据框,这里生成数据框主要是为了方便大家理解，因为大家通常都是将Excel的数据读进R，存储为数据框格式library(survival)library(Hmisc)age <- rnorm(200, 50, 10)bp <- rnorm(200,120, 15)d.time <- rexp(200)cens <- runif(200,.5,2)death <- d.time <= censos <- pmin(d.time, cens)sample.data <- data.frame(age = age,bp = bp,os = os,death = death)#让我们看一下生成的例子数据的前6行head(sample.data)##age bp os death## 1 33.18822 114.6965 1.106501 FALSE## 2 41.86970 123.2265 1.365944 FALSE## 3 50.41484 124.9522 0.867119 FALSE## 4 45.66936 127.3237 1.155765 TRUE## 5 39.79024 134.8846 1.257501 TRUE## 6 31.89088 140.9382 1.125504 FALSErcorr.cens的代码及结果，第一个值就是C指数，同时也有Dxy的值rcorr.cens(sample.data$age, Surv(sample.data$os, sample.data$death))##C IndexDxy S.D. nmissing ## 4.528492e-01 -9.430156e-02 5.565299e-02 2.000000e+02 0.000000e+00 ## uncensored Relevant Pairs Concordant Uncertain ## 1.290000e+02 3.172800e+04 1.436800e+04 8.072000e+03rcorrcens的代码及结果,注意rcorrcens的写法是写成formula（公式）的形式，较为方便；而rcorr.cens的 写法是只能在前面写上一个自变量,并且不支持data = ...的写法，有点繁琐。较为遗憾的是这两种方法得到的C指数的标准误需要通过S.D./2间接得到。r <- rcorrcens(Surv(os, death) ~ age + bp,data = sample.data)r## Somers' Rank Correlation for Censored DataResponse variable:Surv(os, death)## ## CDxy aDxySDZ P n## age 0.453 -0.094 0.094 0.056 1.69 0.0902 200## bp 0.498 -0.003 0.003 0.054 0.06 0.9517 200
