R 分析3个不同分类变量之间相关性的最佳方法

我试图进行一些分析，但遇到了一个障碍（更像是一个心理障碍）

目标 我有3个不同的因素变量：

• 队列：

  分析师

  ，

  助理

  ，

  经理

  ，

  高级经理

  ，

  主管

  ，

  ED

  ，

  VP

• 性别：

  男性

  ，

  女性

• 时间范围：

  年中

  ，

  年终

  ，

  以后

我想检查一下

队列

和

时间段

之间的

性别

是否存在任何差异。也就是说，女性分析师比男性分析师更可能陷入

Timeframe=“Beyond”

代码 我最初的想法是这样做：

library(dplyr)
x <- df %>% 
    filter(Gender %in% c("Male","Female")) %>% 
    filter(!is.na("Timeframe")) %>% 
    group_by(Timeframe, Cohort, Gender) %>% 
    summarise(n = n()) %>% 
    mutate(freq = 100 * (n / sum(n)))

---

EJJ的评论是正确的-您需要在Summary函数之后解组。否则，您将计算组百分比，而不是整体百分比

x=df %>% filter(Gender %in% c('Male',"Female")) %>% 
filter(!is.na(`Promotion Timeframe`)) %>% 
group_by(`Promotion Timeframe`,Management_Level,Gender) %>% 
dplyr::summarise(n=n()) %>% 
ungroup() %>%
mutate(freq = 100* (n/sum(n)))

---

EJJ的评论是正确的-您需要在Summary函数之后解组。否则，您将计算组百分比，而不是整体百分比

x=df %>% filter(Gender %in% c('Male',"Female")) %>% 
filter(!is.na(`Promotion Timeframe`)) %>% 
group_by(`Promotion Timeframe`,Management_Level,Gender) %>% 
dplyr::summarise(n=n()) %>% 
ungroup() %>%
mutate(freq = 100* (n/sum(n)))

---

也许您可以检查频率矩阵，如下所示：

 table(df1[df1$V1=="Male",2:3])
 table(df1[df1$V1=="Female",2:3])

这让您对数据的分布方式有了第一印象。 为了进一步研究，您可以更精确地指定零假设，以便设置正确的测试。 看看皮尔逊卡方检验，比如：

cntTable <- table(df1[,c(1,3)])
chisq.test(cntTable)

---

cntTable也许您可以检查频率矩阵，如下所示：

 table(df1[df1$V1=="Male",2:3])
 table(df1[df1$V1=="Female",2:3])

这让您对数据的分布方式有了第一印象。
为了进一步研究，您可以更精确地指定零假设，以便设置正确的测试。
看看皮尔逊卡方检验，比如：

cntTable <- table(df1[,c(1,3)])
chisq.test(cntTable)

cntTable我非常喜欢
1picture==1000个单词
，所以这里有两种方法可以直观地看到R中可能的内容

1.先进方法

此方法使用
gganimate
和
ggplot2
包的累积百分比和累积总和。您可以使用参数（例如，
nframes
）根据自己的喜好进行调整

代码
第一行之后的所有内容都是可选的。显然，您可以使用
ggplot2
、
waffle
或类似工具使此绘图更漂亮

资料
我真的很喜欢
1picture==1000个单词
，所以这里有两种方法可以直观地看到R中的可能

1.先进方法

此方法使用
gganimate
和
ggplot2
包的累积百分比和累积总和。您可以使用参数（例如，
nframes
）根据自己的喜好进行调整

代码
第一行之后的所有内容都是可选的。显然，您可以使用
ggplot2
、
waffle
或类似工具使此绘图更漂亮

资料
我认为你需要在你的
summary（）
之后
ungroup（）
，然后
groupby（Gender）
来获得你想要的
Gender
比例。类似于
df1%%>%groupby（V1，V2，V3）%%>%summary（n=n（））%%>%ungroup（）%%>%groupby（V1）%%>%mutate（freq=100*n/sum（n））
这是您的全部数据还是只是一个小样本？您有42个类别组合，只有30个数据点。很难相信由此得出的统计数据会有多大意义。@g5w-只是一个样本。谢谢你@TedMosby，你是否有统计知识并想使用它（例如，使用
cor（）
），还是更多地是为了强调C级？如果不需要dplyr，什么也可以很好地工作：
as.data.frame（table（df1））
我想你需要在
summary（）
之后
解组（）
，然后
按性别分组
按
性别获得所需比例。类似于
df1%%>%groupby（V1，V2，V3）%%>%summary（n=n（））%%>%ungroup（）%%>%groupby（V1）%%>%mutate（freq=100*n/sum（n））
这是您的全部数据还是只是一个小样本？您有42个类别组合，只有30个数据点。很难相信由此得出的统计数据会有多大意义。@g5w-只是一个样本。谢谢你@TedMosby，你是否有统计知识并想使用它（例如，使用
cor（）
），或者更多的是为了强调C级？如果不需要dplyr，什么也可以很好地工作：
as.data.frame（table（df1））
，这难道不只是计算整个数据的百分比吗？难道我们不想再次按性别分组以获得性别内的百分比吗？这不只是计算整体的百分比吗？难道我们不想再次按性别分组以获得性别内的百分比吗？谢谢！如果上述解决方案对您的问题有所帮助，那么添加
gganimate
/
ggplot
/
dplyr
标记可能会有意义。谢谢！如果上述解决方案对您的问题有所帮助，那么添加
gganimate
/
ggplot
/
dplyr
标记可能是有意义的。
> head(dfcount)
# A tibble: 6 x 8
# Groups:   gender, cohort [2]
  gender cohort  timeframe     n     c   perc  cperc text  
  <fct>  <fct>   <fct>     <int> <int>  <dbl>  <dbl> <chr> 
1 Female Analyst Beyond       73   126 0.579  1      57.9 %
2 Female Analyst Year-End     48    53 0.381  0.421  38.1 %
3 Female Analyst Mid-Year      5     5 0.0397 0.0397 4 %   
4 Male   Analyst Beyond       95   172 0.552  1      55.2 %
5 Male   Analyst Year-End     70    77 0.407  0.448  40.7 %
6 Male   Analyst Mid-Year      7     7 0.0407 0.0407 4.1 % 

plot(table(df$gender, df$timeframe), 
     main = "Gender vs. Timeframe",
     sub = paste("A comparison of the careers of",
         count(subset(df, gender == "Female")), "women and",
         count(subset(df, gender == "Male")), "men"), 
     ylab = "Time of promotion")

set.seed(1701)

g <- c("Female", "Male")
c <- c("Analyst", "Associate", "Manager", "Senior Manager", "Director",
    "Executive Director", "Vice President")
t <- c("Mid-Year", "Year-End", "Beyond")

df <- data.frame(
    gender = factor(sample(g, 1000, c(0.39, 0.61),
        replace = TRUE), levels = g), 
    cohort = factor(sample(c, 1000, c(0.29, 0.34, 0.14, 0.11, 0.07, 0.04, 0.01), 
        replace = TRUE), levels = c),
    timeframe = factor(sample(t, 1000, c(0.05, 0.35, 0.6), 
        replace = TRUE), levels = t))

> head(df)
  gender    cohort timeframe
1   Male Associate  Year-End
2 Female   Analyst  Year-End
3   Male   Manager    Beyond
4   Male Associate    Beyond
5 Female Associate  Year-End
6   Male   Manager    Beyond