列联图（交叉分析）的R代码实现

代码实现"/>

列联图（交叉分析）的R代码实现

一、简介

交叉分析  Cross-Analysis

适用场景：研究两个或多个分类变量之间的关系。通常使用二维列联表，行列各表示一个分类变量

意义：了解变量之间的相互依赖关系，计算关联度量（如卡方值）检验变量之间的独立性

二、R实现

        练习数据集采用NHANES包的NHANES数据集，这是一个规模较大的示例数据框，主题是个人的健康与营养方面的信息。

library(tidyverse) # Wickham的数据整理的整套工具
library(NHANES); data(NHANES)
dplyr::glimpse(NHANES) #用dplyr查看数据框内行数、列数、变量细节

        数据集有10000条数据，76个变量。部分结果展示：

        其中，各个参与者的生存结局日期不同，部分参与者有多个观测值，因此进行数据筛选。

d_nhsub <- NHANES |>dplyr::filter(SurveyYr == "2011_12") |>   #筛选其中SurveyYr为2011_12的观测group_by(ID) |>    #分组汇总slice_tail(n=1) |>   #选择（保留）多个观测中的最后一个ungroup()         #去除已分组数据的分组，避免影响下次运算
dim(d_nhsub)

        最终得到了3211条数据。

        本次练习，我们主要考察两个分类变量性别(Gender)和教育程度(Education)之间的关系。

        交叉分析可以用以下代码实现，不同代码有不同结果，可以按需选取

#计算交叉频数分布
d_gened <- d_nhsub |> count(Gender, Education) |>group_by(Gender) |> mutate(in_gend_pct = n / sum(n)) |>   #性别内部的学历比例ungroup()  
knitr::kable(d_gened)  #输出一个比较好看的数据框

                结果如下：

# 输出分类后数据框，但不计算比例
with(d_nhsub, table(Education, Gender
))

                结果如下：

#直接列联表
with(d_nhsub, gmodels::CrossTable(Education, Gender
))

                结果如下：

三、使用ggplot作图

        得出的结果我们可以用ggplot做出更美观的可视化结果。

#堆叠条形图
ggplot(d_gened, aes(x = Gender, fill = Education, y = n)) +geom_col(position = "stack") #垂直

#并列条形图，使用百分比比较
ggplot(d_gened, aes(x = Gender, fill = Education, y = in_gend_pct)) +geom_col(position = "dodge") #并列

         或许大家也注意到了两图中灰色的NA值，即数据缺失值，本次我们不进行数据补全，可以使用以下代码去除缺失值。

#不显示缺失值
ggplot(drop_na(d_gened), aes(x = Gender, fill = Education, y = in_gend_pct)) +geom_col(position = "dodge") +labs(y="")   #去除空值NA并删去相应的标签

        如有需要，我们也可以把图横过来。

#分两组比较
ggplot(drop_na(d_gened), aes(x = Education, y = in_gend_pct)) +facet_wrap(~ Gender, ncol=1) +   #按性别分组，成一列geom_col() +coord_flip() +  #横纵坐标位置转换labs(y="")