从带3个因素的平面5列数据框架在R中建立4-D列联表

我在R中有一个数据帧。 前两列是我的“是”和“否”频率总和 最后3列是分类因子，每列都有一个标签

我正试图用这种格式制作一个四维列联表，但我不知道从哪里开始这个过程

我的数据如下所示：

    Sold    Unsold  Label1                   Label2                 Label3
1   3330    32102   AdvancedShopper: Y       TERR_USED: Non-TREE    SPINOFF: N
2   2735    30691   HSEHLD_INCDT_BAND: 0     CLM_FREE_INCDT_CT: 0   SPINOFF: N
3   3350    29485   TERR_USED: Non-TREE      CLM_FREE_INCDT_CT: 0   SPINOFF: N
4   3864    28657   SingleMulti: N           TERR_USED: Non-TREE    SPINOFF: N
5   2691    26355   TERR_USED: Non-TREE      HSEHLD_INCDT_BAND: 0   CLM_FREE_INCDT_CT: 0
6   2396    25884   TERR_USED: Non-TREE      HSEHLD_INCDT_BAND: 0   SPINOFF: N
7   2738    25172   Channel: Owned Agency    TERR_USED: Non-TREE    SPINOFF: N
8   3203    24425   TERR_USED: Non-TREE      FULL_CVG_FLG: Y        SPINOFF: N
9   2781    24163   SingleMulti: N           CLM_FREE_INCDT_CT: 0   SPINOFF: N
10  1950    22371   AdvancedShopper: Y       CLM_FREE_INCDT_CT: 0   SPINOFF: N
11  2644    21528   TERR_USED: Non-TREE      FULL_CVG_FLG: N        SPINOFF: N
12  2278    21736   Channel: Owned Agency    SingleMulti: N         SPINOFF: N
13  2324    21648   SingleMulti: N           HSEHLD_INCDT_BAND: 0   CLM_FREE_INCDT_CT: 0
14  3108    20780   Channel: Prudent         TERR_USED: Non-TREE    SPINOFF: N
15  2491    21216   TERR_USED: Non-TREE      PRIOR_BI: High         SPINOFF: N

我从8列开始：3个类别+每个类别3个值+（1）编写的报价数量，（1）这些报价的销售数量=8。我连接了相应的类别和值字符串，以形成上面的三列。我有19个类别，每个类别都有自己的属性数，介于2到6之间。排序将按顺序排列各个列，但不一定形成3个类别的每个组合的4-D框，以及相应的是（已售出）和否（未售出）。平均销售率为11.4%，我想确定对这些四向偶然事件进行Chi2测试的频率，以确定从平均值中产生最强异常值的组合。我有80046个组合，基本上（19个选择3），这三个选择中的每一个都有各自的存储桶，例如，第1行来自16个单元格的四维表（2个attr x 2个attr x 2 attr x[Y，N]），第2行来自96个单元格的四维表（4个attr x 6个attr x 2 attr x[Y，N]）。。。等等

我不确定如何将这些数据转换成某种格式，以便开始使用

table（）

和

xtabs（）

函数，从而使用

chi2.test

。（我是否应该在连接类别和值之前返回到步骤？）

我不熟悉R，但我知道它应该更擅长为这些大型阵列编程。我没有访问SPSS的权限，但如果有更容易尝试的东西，我确实可以访问SAS（这也是新的）

任何方向都是很大的帮助

-------------------期望输出？答复:--------------------- 嗯，

table

命令从

Category 1       Category 2       Category 3       Y/N

…转换成列联表格式，对吗？但我已经有我的是和否的频率格式与三个类别列为这样

---

我是否需要更改为这种单实例格式并将80046行表分解为数百万行？或者，是否有一种方法可以启动

table

命令，其中“是”和“否”的频率已列在两列中？

在这种情况下，您可以创建一个变量，给出“是”相对于“是+否”的百分比：看看这是否适用于您（假设您的数据是样本数据）

mytab mytab
，Label3=CLM\u FREE\u INCDT\u CT:0
标签2
Label1 CLM_FREE_INCDT_CT:0 FULL_CVG_FLG:N FULL_CVG_FLG:Y HSEHLD_INCDT_BAND:0 PRIOR_BI:High SingleMulti:N
高级购物者：Y 0.0000000.0000000.0000000.0000000.0000000.0000000.000000
渠道：自有代理0.0000000.0000000.0000000.0000000.0000000.0000000.000000
渠道：审慎0.0000000.0000000.0000000.0000000.0000000.0000000.000000
HSEHLD\u增量带：0.0000000.0000000.0000000.0000000.0000000.0000000.000000
SingleMulti:N 0.0000000.0000000.0000009.694644 0.0000000.000000
使用的TERR_:非树0.0000000.0000000.0000009.264615 0.0000000.000000
标签2
Label1所用土壤：非树木
高级购物者：Y 0.000000
渠道：自有机构0.000000
频道：0.000000
HSEHLD_增量段：0.000000
SingleMulti:N 0.000000
使用的土地：非树0.000000
，Label3=衍生产品：N
标签2
Label1 CLM_FREE_INCDT_CT:0 FULL_CVG_FLG:N FULL_CVG_FLG:Y HSEHLD_INCDT_BAND:0 PRIOR_BI:High SingleMulti:N
高级购物者：Y 8.017762 0.0000000.0000000.0000000.0000000.0000000.000000
渠道：自有代理0.0000000.0000000.0000000.0000009.486133
渠道：审慎0.0000000.0000000.0000000.0000000.0000000.0000000.000000
HSEHLD_增量带：0 8.182253 0.0000000.0000000.0000000.0000000.0000000.000000
SingleMulti:N 10.321407 0.0000000.0000000.0000000.0000000.0000000.000000
使用的土地：非树木10.202528 10.938276 11.593311 8.472419 10.507445 0.000000
标签2
Label1所用土壤：非树木
高级购物者：Y 9.398284
渠道：自有机构9.810104
频道：13.010717
HSEHLD_增量段：0.000000
单件多件：N 11.881553
使用的土地：非树0.000000
调用：xtabs（公式=（100*售出/（售出+未售出））~Label1+Label2+
标签3，数据=l）
表中的病例数：150.7815
因素数量：3
测试所有因素的独立性：
Chisq=412.2，df=71，p值=1.48e-49
卡方近似可能不正确

请将示例数据的预期输出发布到

表中

函数的执行情况。。。但现在我必须与79x97x160表中的结果值进行交互。。。我还不知道该怎么做，如果卖出和未卖出报价的数量可以通过其他方式加权到这些Chi2值中……我不明白你在说什么；你们怎么有79*97*160张桌子？

mytab <- xtabs((100*Sold/(Sold+Unsold))~Label1+Label2+Label3, data=sample)

  > mytab
, , Label3 = CLM_FREE_INCDT_CT: 0

                       Label2
Label1                  CLM_FREE_INCDT_CT: 0 FULL_CVG_FLG: N FULL_CVG_FLG: Y HSEHLD_INCDT_BAND: 0 PRIOR_BI: High SingleMulti: N
  AdvancedShopper: Y                0.000000        0.000000        0.000000             0.000000       0.000000       0.000000
  Channel: Owned Agency             0.000000        0.000000        0.000000             0.000000       0.000000       0.000000
  Channel: Prudent                  0.000000        0.000000        0.000000             0.000000       0.000000       0.000000
  HSEHLD_INCDT_BAND: 0              0.000000        0.000000        0.000000             0.000000       0.000000       0.000000
  SingleMulti: N                    0.000000        0.000000        0.000000             9.694644       0.000000       0.000000
  TERR_USED: Non-TREE               0.000000        0.000000        0.000000             9.264615       0.000000       0.000000
                       Label2
Label1                  TERR_USED: Non-TREE
  AdvancedShopper: Y               0.000000
  Channel: Owned Agency            0.000000
  Channel: Prudent                 0.000000
  HSEHLD_INCDT_BAND: 0             0.000000
  SingleMulti: N                   0.000000
  TERR_USED: Non-TREE              0.000000

, , Label3 = SPINOFF: N

                       Label2
Label1                  CLM_FREE_INCDT_CT: 0 FULL_CVG_FLG: N FULL_CVG_FLG: Y HSEHLD_INCDT_BAND: 0 PRIOR_BI: High SingleMulti: N
  AdvancedShopper: Y                8.017762        0.000000        0.000000             0.000000       0.000000       0.000000
  Channel: Owned Agency             0.000000        0.000000        0.000000             0.000000       0.000000       9.486133
  Channel: Prudent                  0.000000        0.000000        0.000000             0.000000       0.000000       0.000000
  HSEHLD_INCDT_BAND: 0              8.182253        0.000000        0.000000             0.000000       0.000000       0.000000
  SingleMulti: N                   10.321407        0.000000        0.000000             0.000000       0.000000       0.000000
  TERR_USED: Non-TREE              10.202528       10.938276       11.593311             8.472419      10.507445       0.000000
                       Label2
Label1                  TERR_USED: Non-TREE
  AdvancedShopper: Y               9.398284
  Channel: Owned Agency            9.810104
  Channel: Prudent                13.010717
  HSEHLD_INCDT_BAND: 0             0.000000
  SingleMulti: N                  11.881553
  TERR_USED: Non-TREE              0.000000

Call: xtabs(formula = (100 * Sold/(Sold + Unsold)) ~ Label1 + Label2 + 
    Label3, data = l)
Number of cases in table: 150.7815 
Number of factors: 3 
Test for independence of all factors:
    Chisq = 412.2, df = 71, p-value = 1.48e-49
    Chi-squared approximation may be incorrect