第29天 線性回歸分析的快速成文法

在第28講，我們介紹了利用tableone開展生存分析，快速形成文章，不知道看完之后有什么樣的感受？ R語言原來可以這么簡單地幫助我們。今天我們在我們貫穿始終的數(shù)據(jù)庫elder1、elder2進行線性分析。

一、準備工作

首先我們將導入數(shù)據(jù)

t1<-read.csv("elder1.csv")

t2<-read.csv("elder2.csv")

可以查看數(shù)據(jù)

str(t1)

str(t2)

再則我們啟動重要的數(shù)據(jù)包dplyr

library(dplyr)

現(xiàn)在我們通過dplyr的join函數(shù)把兩個數(shù)據(jù)庫進行合并

tt<-inner_join(t1,t2,by="ID")

str(tt)

合并產(chǎn)生的數(shù)據(jù)庫我們把它保存起來，這樣下次我們可以再利用。

write.csv(tt,file ="tt.csv")

然后，當然 要導入tableone與broom包備用

library(tableone)  

library(broom)

二、本講的案例

我們還是按照第25講的案例，分別探討影響自評健康的因素，自評健康在數(shù)據(jù)庫中的變量為health, 影響因素包括血壓、血糖、體重指數(shù)、性別、戶籍、文化程度、婚姻狀況、生活方式、睡眠。

雖然這個案例非常爛，但是很容易理解。到底對于老年而言，什么因素對健康自評影響最大呢？由于我們的結局health為定量數(shù)據(jù)，且研究因素很多，一般我們會開展線性回歸分析，而且是逐步回歸分析方法。當然在回歸分析之前，也要做一些其它工作，才能形成一片論文。

具體的統(tǒng)計分析策略包括

1） 開展統(tǒng)計描述 描述人群的基本特征

2） 進行差異性比較，篩選P值較小者納入回歸分析模型（P<0.2）

3）開展多因素線性回歸分析

三、進行數(shù)據(jù)整理

數(shù)據(jù)整理工作并非什么新鮮事，但是卻是最重要的

1.新變量產(chǎn)生

#利用dplyr包mutute語句產(chǎn)生新變量體重指數(shù)bmi

tt<-mutate(tt, bmi=weight/(height^2)*10000)

2.變量的轉換

變量轉換的內(nèi)容很多，對于 研究因素為定量的變量，可以直接作為定量納入回歸分析，也可以進行分組轉換，這里轉成二分類或者多分類。部分程序如下。

血糖的轉換

tt$sugar1<-ifelse(tt$sugar>7.0,1,0)

bmi的轉換

> tt$ bmi1 [tt$ bmi <=18.5]<-1

> tt$bmi1[is.na(tt$ bmi)==T]<-NA

> tt$bmi1[tt$ bmi >=28]<-4

> tt$ bmi1 [tt$ bmi >=24 & tt$ bmi <28]<-3

> tt$ bmi1 [tt$ bmi >=18.5 & tt$ bmi <24]<-2

> tt$ bmi1 [tt$ bmi <=18.5]<-1

> tt$bmi1[is.na(tt$ bmi)==T]<-NA

> table(tt$bmi1)

  1    2    3    4

血壓的轉換

> tt$pressure [tt$SBP>=140 | tt$DBP>=90]<-1

> tt$pressure [tt$SBP< 140 & tt$DBP< 90]<-0

> table(tt$pressure)

  0    1

2514 1517

分類變量的轉換

又比如我們對income的變量進行進一步的歸類，本例是8類的分組變成3組。

> tt$income1<-tt$income

> tt$income1[tt$income>=6]<-3

> tt$income1[tt$income>=3 & tt$income<=5]<-2

> tt$income1[tt$income<=2]<-1

> table(tt$income1)

  1    2    3

%1 1098  288

3.變量批量因子化

# 把所有該納為因子的但還沒有的統(tǒng)一轉為因子（分組變量）

varsToFactor <- c("sex","huji","education","marriage","income1","smoking","drinking","exercise","sleep","sugar1","pressure","bmi1")

tt[varsToFactor] <- lapply(tt[varsToFactor], factor)

str(tt)

4.部分變量需要對照組進行重新設置，bmi1、marriage

tt$marriage<-factor(tt$marriage, levels = c(2,1,3,4,5))

tt$bmi1<-factor(tt$bmi1, levels = c(2,1,3,4))

5.剔除缺失記錄

tt1<-na.omit(tt) # 剔除缺失值的記錄

注意：這是為了操作方便采用的簡單粗暴的方法，實際R語言運作中，可以采用更溫和的方法來處理。

四、影響自評的健康的影響因素研究

現(xiàn)在結合R語言、tableone包開展線性回歸三行成文章。

1. 不同人群自評健康得分的差異性比較

Tableone 目前無法直接有函數(shù)搞定定量數(shù)據(jù)的差異性，但鄭老師有辦法，我們先搞個自編函數(shù)吧

function1<-function(x,y,z){

 table2<-c(1:6)

 dim(table2)<-c(3,2)

 for (i in 1 :length(y)){

   tableOne <- CreateTableOne(vars = x, strata = y[i],data = z)

   table1<-print(tableOne,showAllLevels = TRUE)

   tx<-t(table1)

   table2<-rbind(table2,tx)

 }

 return(table2)

}

現(xiàn)在就可以了, 這結果是國內(nèi)首創(chuàng)哦！

tx<-function1(c("health"),c("sex","huji","education1","marriage","income1","smoking","drinking","exercise","sugar1","pressure","bmi1"),tt1)

write.csv(tx,file="tablexx.csv") #形成統(tǒng)計分析的excel表

2.線性回歸分析

我們構建tt1數(shù)據(jù)中有一個health變量，這是患者健康自評得分，為定量數(shù)據(jù)，我們可以開展健康自評的影響因素研究。多因素線性回歸利用自帶函數(shù)lm( )函數(shù)構建

lm.log<-lm(health~pressure+sugar1+bmi1+sex+huji+education1+marriage+income1+smoking+drinking+exercise ,data = tt1)

lm.step<-step(lm.log)

table31<-ShowRegTable(lm.step, exp = FALSE, digits = 2, pDigits = 3,

         printToggle = TRUE, quote = FALSE, ciFun = confint)

table32<-tidy(lm.step)

table3<-cbind(table31,table32) #table31 table32是兩個結果，現(xiàn)在合并成一個總表

write.csv(table3,file="table3.csv") # 數(shù)據(jù)導出

上述兩表就是利用tableone快速形成的表格，你看還不錯吧！

更多閱讀

1.給所有R語言初學者的幾點建議 | 寫在R語言公益培訓班順利結束后

2.“30天學會R語言”系列推文開啟：一起來關注學習吧

3.【資源**】精選R語言入門學習資源：視頻+文檔，初學者者必備！

相關知識

輕醫(yī)美市場快速增長，監(jiān)管下的醫(yī)療美容需回歸“醫(yī)療本質”
羊水監(jiān)測護墊法快速診斷胎膜早破的可行性分析研究
人體成分分析實驗報告.pptx
醫(yī)療美容市場快速擴容：回歸醫(yī)療本質，完善人才建設
1分鐘減肥法 快速恢復魔鬼曲線
2023 年全國健身市場回歸，健身行業(yè)發(fā)展?jié)摿薮?/a>
醫(yī)美消費應回歸理性
人體成分分析儀
雅思大作文范文分析
如何進行健康快速減肥？..

網(wǎng)址: 三行情書：線性回歸分析快速成文法 http://www.u1s5d6.cn/newsview215160.html