R语言：描述性统计分析

一、前言

学术论文中非常重要的一部分内容是 「结果与讨论」

结果与讨论的第一小节往往是 「描述性统计分析」

描述性统计分析主要回答以下几个问题：

1. 数据的集中趋势；
2. 数据的离散程度；
3. 数据的分布状态；
4. 数据有无离群值。

大部分学术论文在结果与讨论的第一小节，一般必须回答前两个问题，即「数据的集中趋势」和「数据的离散程度」。

1.1 示例文献

原始文献的表达方式：

1. 数据的集中趋势：算术平均值，中位数；
2. 数据的离散程度：标准差，四分位差；
3. 数据的分布状态：无；
4. 数据有无离群值：无。

二、R包

本期使用的R包主要有2个。

• gWQS包：提供示例数据集；
• dlookr包：进行描述性统计。

# load "tidyverse" package
library(tidyverse)
# load "gWQS" package
library(gWQS)
# load "dlookr" package
library(dlookr)

三、示例数据

「示例数据集简介：」gWQS包中有一个内置数据集，内置数据集的名称叫wqs_data，「wqs_data」数据集有「34种多环芳烃暴露数据」、25种邻苯二甲酸酯暴露数据和其他类型数据。

本期仅使用wqs_data数据集的「前5种多环芳烃暴露数据」和「性别」。

# PCBs name
PCBs_name <- c("LBX074LA","LBX099LA","LBX105LA","LBX118LA","LBX138LA")
# get the first 5 PCBs exposure data and sex
PCBs <- wqs_data[c(PCBs_name,"sex")]
# view PCBs data
head(PCBs)

四、描述性统计

本期想要获得的描述性统计量为

1. 集中趋势：算数平均值，中位数；
2. 离散趋势：标准差，四分位差；
3. 分布状态：偏度；
4. 离群值：本期不讨论。

4.1 R代码实现

PCBs[PCBs_name] %>%
 # use "describe" function from "dlookr" package
  describe(statistics=c("mean","sd","IQR","skewness","quantiles"),
           quantiles=c(0.05,0.25,0.50,0.75,0.95))

4.2 保存至本地

PCBs[PCBs_name] %>%
 # use "describe" function from "dlookr" package
  describe(statistics=c("mean","sd","IQR","skewness","quantiles"),
           quantiles=c(0.05,0.25,0.50,0.75,0.95)) %>% 
 # save statistics results to local
  write.csv(file="describe_statistics.csv")

4.3 分组统计

PCBs %>%
 # group PCBs data by sex
 group_by(sex) %>%
 # use "describe" function from "dlookr" package
  describe(statistics=c("mean","sd","IQR","skewness","quantiles"),
           quantiles=c(0.05,0.25,0.50,0.75,0.95)) %>% 
 # arrange statistics results by sex
 arrange(sex) %>%
 # save statistics results to local
  write.csv(file="group_describe_statistics.csv")