Rでロジスティック回帰分析を行う方法を紹介します！ glm() ●glm(y ~ x + z, family(link), data) ＃ 回帰式の書き方 ＃ glmのファミリー分布とリンク関数を変更するglm(x ~ y + z, family=binomial(link="logit"), data=d) ＃ リンク関数を上記のように指定する●オッズ比の求め方＃ まず係数を取り出すgresult <- glm(x ~ y + z, family=binomial(li
Rで相関係数を算出する方法を紹介します！ cor.test()cor()corr.test() ●cor.test(x,y, method) ＃ 相関係数を一つだけ算出する方法＃ ピアソンの相関係数attach(d)cor.test(x,y, method="pearson")＃ スピアマンの順位相関係数attach(d)con.test(x,y, method="spearman")●cor() ＃ 複数の相関係数を同時に算出する（ただ無相関検定してくれない）Step1
Rで重回帰分析を実行する方法を紹介します！ １）重回帰分析の実行 glm() ＃ glm(y ~ x1 + x2, data)result <- glm(y~x1+x2, data=d) ＃ 重回帰分析の実行summary(result) ＃ 回帰係数の検定など詳細の表示＃ 回帰係数のみを表示summary(result)$coefficients＃ 係数の95%信頼区間を表示confint(result)＃ VIFの表示library(rms)vif(result)
１）t検定・順位和検定｜２群の比較 t.test()CreateTableOne()wilcox.test() 対応のないt検定 ●対応のないt検定＃ t.test(y ~ group, data) ＃t検定t.test(y ~ x, data=d)＃ CreateTableOne(vars, strata, data) ＃t検定CreatTableOne(vars = y, strata = x, data
１）クロス表の作り方 table(x,y)xtab(~x+y)CreateTableOne(vars, strata, factorVars, data) ＃ 度数の入った二つの列名を指定するtable(d$x, d$y)＃ 「d$」を何度も書くのはしんどいので、attach(d)で参照するデータフレームを固定し、省略attach(d)table(x, y)＃割合を出すときはprop.table(table())prop.table(table(x,y), margin
（１）データフレームのインポート1) read.csv() d <- read.csv("filename.csv", header=T)header = T ＃１行目を変数名に利用するheader = F ＃１行目を変数名に利用しない （変数名は自動で割り振られる＝X1, X2,・・, Xn） 2) read_csv() library(tidyverse)d <- read_csv("filename.csv", col_names=T)col_names = T
１）インポート時の行選択 ＃ 上から数行を読み込まない場合、skipが使えるd <- read_csv("filename.csv", skip=4) ２）分析時の行選択 d <- d %>% filter() ＃ gender=1の人だけ選ぶd <- d %>% filter (gender == 1)＃ gender=1の人だけ除外d <- d %>% filter (gender != 1)＃ gender=1 かつ class=1の人だけ選ぶd <- d %>
