R语言summary函数的详解

在R语言中，summary()函数是一个重要的统计分析函数，用于对一维统计特征进行计算并作出摘要。在R语言统计分析的各种数据表中，summary() 函数经常用于数据预处理和探索性分析。

具体地说，summary() 函数用于将向量、因子和数据框中的数据计算指定的统计特征。这些统计特征包括最小值，最大值，中位数，平均值和四分位数等。summary()函数的结果通常呈现为一个表格或列表。

# 一个简单的例子：用summary函数统计向量的统计特征
vec <- rnorm(100)
summary(vec)

summary() 函数的第一个参数可以是向量，矩阵、因子或数据框。summary() 函数的行为因输入类型的不同而不同。

向量： 如果输入是向量，那么summary() 函数会计算它的最小值，最大值，中位数，平均值和四分位数等值。在这些值中，仅计算有意义的值，并且忽略非数值。如果向量中包含无效值（例如NaN或NA），那么这些值在计算中也不会考虑。
矩阵： 如果输入是矩阵，那么summary() 函数将每行都当作一个向量并计算每一列的统计特征。因此，输出结果通常为每一列的统计特征表格
因子： 如果输入是因子，那么summary() 函数将对因子级别进行计数，并将其呈现为表格。输出结果包含每个因子级别的计数。
数据框： 如果输入是数据框，那么summary() 函数将按列计算每个列的统计特征。因此，输出结果通常为每个列的统计特征表格。

在使用summary() 函数时可以添加names参数，以重命名输出结果中的变量。names（）函数与R语言中data.frame里面的列名类似，它可以用于给输出结果的每个变量赋予新的名称。这样给每一个变量命名或者给部分变量命名，会使R语言程序阅读和处理结果文件时更为容易。

#一个例子: 修改summary()函数输出结果的命名
vec <- rnorm(100)
summary(vec, name = "MyVector")

与R语言summary函数类似的是，sum()函数是另一个广泛使用的函数。尽管sum()函数也用于计算统计特征，但它的使用范围更少。sum()函数计算向量、矩阵和数组的元素和。而r语言summary函数计算各种统计特征。因此，它们在用途和输出结果上有很大的区别。

summary() 函数的输出结果有助于理解数据的范围和分布。输出结果包含了五条统计特征的值，这些特征用无色背景表示。除此之外，如果数据中有空的或不适当的值，这些值也可以用颜色表示。常用的统计指标及其含义如下：

Min（最小值）： 最小观测值，即最小的可用数据点。
1Q（下四分位数）：数据的下四分位数。四分位数是数据集的四个等分点，将数据集分为四个等分。在这种情况下，数据被分为四个部分，每个部分包含25%的数据。
Median（中位数）： 中位数是数据集的中心值。如果数据集有偶数个数据点，则中位数有两个。在这种情况下，两个中位数的平均值被认为是整个数据集的中位数。
Mean（平均数）： 平均值是数据集中所有值的总和除以值的数量。在统计分析和数据科学中，平均值通常用来表示数据集的一般趋势。
3Q（上四分位数）：数据的上四分位数。
Max（最大值）： 最大观测值，即可用数据所达到的最大值。
NA（无效值）： 无效值表示缺少值或无效值。它们会影响数据集的总和和其他统计信息。

在R语言中，summary()函数被广泛应用于统计分析和数据探索。它可以帮助研究人员快速分析和理解数据集的特征。summary() 函数的输出结果可以让研究人员快速了解数据的最小值、最大值、中位数等重要信息。

summary() 函数是一个强大的工具，它可以用来识别数据集中的异常值、探索数据集的分布、缩短数据预处理的时间等。summary() 函数还可以被用于比较不同数据集之间的差异，例如，它可以用于比较两个相同的变量的分布或数据集中的子集的分布。

在统计分析中，汇总结果和决策根据其决定系数的大小，选择汇总方法和根据决定系数的大小调整汇总结果的显示方式。

决定系数中参数的含义如下：

同步表中的R²：此项为最后公式的决定系数，它反映自变量与应变量之间的关系程度的强度。R²从0到1变化。R²为1时，所有观察值均在回归曲线上，表明自变量完全解释实变量的方差；当R²趋向于0时，自变量解释的实变量的方差极小。
同步表中的RSE：均方根误差是回归直线到各观察点的距离的平均值，RSE越小则回归直线更符合观察点数据。
同步表中的F值：是估计的回归方程的“合适性”指标，较大的F-值表示应该拒绝H0假设，即表明所有自变量的系数不是零。
同步表中的p值：是用于决定轻还是重要的关键，p-值很小（0.05以下）可能表示的是我们的结果具有显著差异。p-值较大的情况下，我们无法排除这样的假设：”我们观察到的结果只是由于原因纯粹是由于随机性/概率性”

R语言自带的统计分析包中就包括了summary()函数，无需额外的包安装，可以直接在命令行中调用。

在回归分析中，使用summary() 函数可以帮助研究人员选择最佳的回归方程。summary() 函数可以计算回归方程的统计指标，并计算决定系数以帮助确定最好的回归方程。

下面是一个示例，展示了如何在 R 中使用简单线性回归方程进行拟合，并使用 summary函数计算回归统计指标。

# 简单线性回归
model <- lm(y ~ x)
# 打印同步表
summary(model)

原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/194146.html