사용자 지정 빈도 테이블을 만드는 방법을 알아 내려고 노력하고 있습니다. 우리 그룹이 출판하는 대부분의 저널은 대부분의 R 패키지가 테이블을 생성하는 방식에 비해 테이블에 대해 이상한 형식을 요구합니다. 이 형식은 무슨 일이 일어 났는지 이해하는 데 특히 유용하지 않다고 생각하지만 이것은 일반적으로 보이는 것입니다.
내가 알고 sjplot
하고 stargazer
있지만 형식의이 종류에 적용 할 수있는 코드를 찾을 수 없습니다
이것이 유용한 경우를 대비하여 예제 데이터 프레임을 만들었습니다.
structure(list(gender = structure(c(2L, 1L, 2L, 1L), .Label = c("female",
"male"), class = "factor"), age = c(12, 65, 43, 22), treatment = structure(c(2L,
1L, 2L, 1L), .Label = c("control", "treatment"), class = "factor"),
hypertension = structure(c(2L, 1L, 2L, 1L), .Label = c("No",
"Yes"), class = "factor"), diabetes = structure(c(2L, 1L,
2L, 1L), .Label = c("No", "Yes"), class = "factor")), class = "data.frame", row.names = c(NA,
-4L))
p 값과 관련하여 때로는 DV가 왼쪽의 변수가 될 것이고 다른 경우에는 치료 대 제어 조건을 예측하는 것이 될 것입니다 (다시 말하지만이 형식이 유용하다고 생각하지는 않지만 필수입니다). 따라서 p 값은 때때로 다른 통계 모델에 의해 계산되어야합니다. 테이블의 각 변수에 사용되는 모델 유형에 대한 설명은 없습니다 (예 : 로지스틱 회귀 또는 mann whitney u). 색상은 전혀 필요하지 않습니다. 나는 일반적으로 이와 같이 보이고 여러 glm
및 table
함수 의 출력을 수동으로 작성하는 대신 코드로 생성 할 수있는 것을 찾고 있습니다.
간결한 코드가있는 이러한 종류의 테이블에 대한 근사치가 더 복잡한 코드보다 선호됩니다. 코드가 약간 복잡하면 특정 부분에 대한 설명을 크게 고맙게 생각합니다.
찾고있는 패키지는 tableone
( https://github.com/kaz-yos/tableone ) 이라고 생각합니다.
library(tableone)
sample_df <- structure(list(gender = structure(c(2L, 1L, 2L, 1L), .Label = c("female",
"male"), class = "factor"), age = c(12, 65, 43, 22), treatment = structure(c(2L,
1L, 2L, 1L), .Label = c("control", "treatment"), class = "factor"),
hypertension = structure(c(2L, 1L, 2L, 1L), .Label = c("No",
"Yes"), class = "factor"), diabetes = structure(c(2L, 1L,
2L, 1L), .Label = c("No", "Yes"), class = "factor")), class = "data.frame", row.names = c(NA,
-4L))
vars <- names(sample_df)
tableOne <- CreateTableOne(vars = vars,
strata = c("treatment"),
data = sample_df,
factorVars = c("gender","hypertension","diabetes"))
print(tableOne)
#> Stratified by treatment
#> control treatment p test
#> n 2 2
#> gender = male (%) 0 (0.0) 2 (100.0) 0.317
#> age (mean (SD)) 43.50 (30.41) 27.50 (21.92) 0.607
#> treatment = treatment (%) 0 (0.0) 2 (100.0) 0.317
#> hypertension = Yes (%) 0 (0.0) 2 (100.0) 0.317
#> diabetes = Yes (%) 0 (0.0) 2 (100.0) 0.317
Created on 2019-12-24 by the reprex package (v0.3.0)
변수를 정규 또는 비정규로 선언하여 p- 값 검사를 수행하는 검정을 조정할 수 있습니다. 비 네트에 꽤 잘 기록되어 있습니다.
이 기사는 인터넷에서 수집됩니다. 재 인쇄 할 때 출처를 알려주십시오.
침해가 발생한 경우 연락 주시기 바랍니다[email protected] 삭제
몇 마디 만하겠습니다