使用 R 进行多变量统计分析。当行和列都是组时如何查看显着差异（按类别排序）

Question

我的数据如下所示其中 DFD 是我的数据框。

DFD
  Names  BP  jobcode bp_Category
1     A 100   Doctor      low_BP
2     B 150   Doctor   Medium_BP
3     C 200 Engineer     High_BP
4     D 110 Engineer      low_BP
5     E 160  Student   Medium_BP

以下是我如何获得患有低、高和中 BP 的每个工作代码的百分比。

tabLE<-table(DFD$bp_Category,DFD$jobcode)
> prop.table(tabLE,2)*100

            Doctor Engineer Student
  low_BP        50       50       0
  Medium_BP     50        0     100
  High_BP        0       50       0

我想问一下，对于所有三个 bp_categories，我如何以及通过哪个统计测试可以分别看到三个工作代码之间的显着差异。例如，我想看看工程师在博士和学生中的 Medium_BP 百分比是否显着最高？

Data 

Names<-c("A","B","C","D","E")
BP<-c(100,150,200,110,160)
jobcode<-c("Doctor","Doctor","Engineer","Engineer","Student")
jobcode<-ordered(jobcode)
DFD<-data.frame(Names,BP,jobcode)
DFD$bp_Category[DFD$BP<140]<-"low_BP"
DFD$bp_Category[DFD$BP<170 & DFD$BP>140]<-"Medium_BP"
DFD$bp_Category[DFD$BP<201 & DFD$BP>170]<-"High_BP"
DFD$bp_Category<-ordered(DFD$bp_Category, levels = c("low_BP","Medium_BP","High_BP"))
tabDFD <- with(DFD, table(DFD$bp_Category,DFD$jobcode))
tabLE<-table(DFD$bp_Category,DFD$jobcode)
prop.table(tabLE,2)*100

Answer 1

使用模拟数据集，其中BP和职业的比例大致相等：

set.seed(111)
DFD = data.frame(jobcode = sample(c("Doctor","Engineer","Student"),10000,replace=TRUE),
bp_Category = sample(c("low_BP","Medium_BP","High_BP"),10000,replace=TRUE)
)

由于这是在 null 下模拟的，您会看到它大约为 33%：

tabDFD <- with(DFD, table(DFD$bp_Category,DFD$jobcode))
tabLE<-table(DFD$bp_Category,DFD$jobcode)
prop.table(tabLE,2)*100

              Doctor Engineer  Student
  High_BP   32.81156 33.89058 32.96930
  low_BP    33.68453 32.73556 33.82527
  Medium_BP 33.50391 33.37386 33.20543

我们可以对每一行进行卡方检验，但我们需要知道博士、工程师、学生的预期比例，所以我们得到：

probs = colSums(tabLE)/sum(tabLE)

然后对于每一行，我们测试每个单元格偏离我们预期的程度：

library(broom)
library(purrr)

results = split(as.matrix(tabLE),rownames(tabLE)) %>% 
map_dfr(~tidy(chisq.test(.x,p=probs)),.id="BP") 

 results
# A tibble: 3 x 5
  BP        statistic p.value parameter method                                  
  <chr>         <dbl>   <dbl>     <dbl> <chr>                                   
1 High_BP      0.676    0.713         2 Chi-squared test for given probabilities
2 low_BP       0.697    0.706         2 Chi-squared test for given probabilities
3 Medium_BP    0.0451   0.978         2 Chi-squared test for given probabilities

使用 R 进行多变量统计分析。当行和列都是组时如何查看显着差异（按类别排序）

Multivariate statistical analysis using R.. How to see significant difference when rows and columns both are groups (Categories-Ordered)

r

dataframe

statistics

bioinformatics

statistical-test