如何用R對連續數據做描述統計

# 如何用R對連續數據做描述統計

描述統計是數據分析的基礎步驟，它能幫助我們快速理解數據的分布特征、集中趨勢和離散程度。R語言作為強大的統計分析工具，提供了多種函數和包來實現高效的描述統計分析。本文將詳細介紹如何使用R對連續型數據進行描述統計。

## 一、數據準備與查看

### 1.1 數據導入
首先需要將數據導入R環境中。假設我們有一個名為`data.csv`的數據文件：

```r
# 讀取CSV文件
data <- read.csv("data.csv")

# 查看數據結構
str(data)

# 顯示前6行
head(data)

1.2 數據清洗

檢查缺失值并處理：

# 檢查缺失值
sum(is.na(data$variable))

# 刪除缺失值
clean_data <- na.omit(data$variable)

二、基礎描述統計量

R內置函數summary()可快速獲取主要統計量：

summary(clean_data)

輸出包含： - 最小值（Min） - 第一四分位數（1st Qu） - 中位數（Median） - 均值（Mean） - 第三四分位數（3rd Qu） - 最大值（Max）

三、詳細統計量計算

3.1 集中趨勢度量

mean_val <- mean(clean_data)    # 均值
median_val <- median(clean_data) # 中位數
mode <- function(x) {           # 眾數自定義函數
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}
mode_val <- mode(clean_data)

3.2 離散程度度量

sd_val <- sd(clean_data)        # 標準差
var_val <- var(clean_data)      # 方差
range_val <- range(clean_data)  # 極值
IQR_val <- IQR(clean_data)      # 四分位距

3.3 分布形態度量

library(moments)
skewness(clean_data)  # 偏度
kurtosis(clean_data)  # 峰度

四、分組描述統計

4.1 使用tapply函數

按分組變量計算統計量：

tapply(data$continuous_var, data$group_var, mean)

4.2 使用dplyr包

library(dplyr)
data %>%
  group_by(group_var) %>%
  summarise(
    Mean = mean(continuous_var, na.rm = TRUE),
    SD = sd(continuous_var, na.rm = TRUE),
    N = n()
  )

五、高級描述統計工具

5.1 psych包

library(psych)
describe(clean_data)  # 返回包括偏度、峰度在內的16個統計量
describeBy(data$continuous_var, group = data$group_var)

5.2 skimr包

library(skimr)
skim(data)  # 生成美觀的匯總統計表

六、可視化描述統計

6.1 直方圖

hist(clean_data, breaks = 30, col = "skyblue",
     main = "數據分布直方圖", xlab = "數值")

6.2 箱線圖

boxplot(clean_data, horizontal = TRUE, col = "lightgreen",
        main = "數據箱線圖")

6.3 密度曲線

plot(density(clean_data), main = "密度曲線")

七、結果輸出與報告

7.1 控制臺輸出格式化

cat("均值:", round(mean_val, 2), 
    "\n標準差:", round(sd_val, 2),
    "\n樣本量:", length(clean_data))

7.2 使用stargazer包生成表格

library(stargazer)
stargazer(as.data.frame(clean_data), type = "text")

八、完整示例代碼

# 完整工作流程示例
library(psych)
library(dplyr)

data <- read.csv("data.csv")
clean_data <- na.omit(data$continuous_var)

# 基礎統計
summary_stats <- summary(clean_data)
desc_stats <- describe(clean_data)

# 分組統計
group_stats <- data %>%
  group_by(category) %>%
  summarise(
    Mean = mean(value),
    SD = sd(value),
    N = n()
  )

# 可視化
par(mfrow = c(1,2))
hist(clean_data)
boxplot(clean_data)

結語

通過R語言進行描述統計分析，研究人員可以快速掌握數據的基本特征。本文介紹的方法從基礎統計量到高級可視化工具，涵蓋了實際分析中的常見需求。建議讀者根據具體數據特點選擇合適的統計指標和可視化方法，并始終結合領域知識進行結果解讀。

注意：實際分析時應考慮數據是否符合正態分布等假設條件，必要時進行數據轉換或使用穩健統計量。 “`