- 读入spss数据
#将SPSS数据放入工作目录设置中
library(foreign)
>satis<-read.spss("aftersale satisfactory.sav",use.value.labels = TRUE,to.data.frame = TRUE)
#说明：如果读入时设置use.value.labels = TRUE，则会将SPSS中的值属性和标签都会读入，但是为FALSE则不读入属性，因而需要在R中重新设置为因子或者数值型，否则无法使用相关函数
>str(satis)
'data.frame': 490 obs. of 10 variables:
$ Gender: Factor w/ 2 levels "男性","女性": 1 2 2 2 2 2 1 2 2 1 ...
$ Age : Factor w/ 2 levels "18～39岁","40～60岁": 1 2 1 1 1 1 2 2 1 1 ...
$ Q1 : atomic 5 7 10 9 10 10 10 6 5 8 ...
..- attr(*, "value.labels")= Named num 10 0
.. ..- attr(*, "names")= chr "肯定会推荐" "肯定不会推荐"
$ Q9 : Factor w/ 6 levels "每天都来","每周5-6次",..: 5 4 4 6 4 4 4 4 3 5 ...
$ Q10_1 : Factor w/ 13 levels "步行","公交车",..: 1 1 1 1 1 1 1 1 1 1 ...
$ Q10_2 : Factor w/ 13 levels "步行","公交车",..: 13 5 4 4 13 5 2 2 2 11 ...
$ Q10_3 : Factor w/ 13 levels "步行","公交车",..: 10 NA NA NA 4 NA NA 4 5 5 ...
$ S2n : num 50 28.5 50 50 50 50 28.5 28.5 50 50 ...
$ Q9n : num 0.6 1.5 1.5 0.1 1.5 1.5 1.5 1.5 3.5 0.6 ...
$ S2 : num 28.5 28.5 28.5 28.5 28.5 28.5 28.5 28.5 28.5 28.5 ...
- attr(*, "variable.labels")= Named chr "S3 记录顾客的性别 (单选)" "S2 请问您的年龄是 (单选)" "Q1 推荐倾向" "Q9 过去3个月的购物频次" ...
..- attr(*, "names")= chr "Gender" "Age" "Q1" "Q9" ...
- attr(*, "codepage")= int 936#解释：
#1、导入SPSS数据一共有490条记录，10个变量，其中最后3个变量对本次分析无作用，可以删除。
#2、Q1表示推荐意愿，导入后属性显示atomic（表示未定义），因而定义为numeric,如果不定义无法使用fix()
- 数据格式和值转换
>satis$Q1<-as.numeric(satis$Q1)
>satis<-satis[,-c(8:10)]#删除8：10列的变量数据
>fix(satis)#查看弹出的编辑框中“每周3-4次”前有空格，为避免后面麻烦，建议去掉。但是satis$Q9是因子变量，对其元素赋值出现错误，因而需先转化为字符型变量
>satis$Q9<-as.character(satis$Q9)
>satis$Q9[satis$Q9==" 每周3-4次"]<-"每周3-4次"
>satis$Age<-as.character(customer_satisfy$Age)#后面需要对将年龄段转化为对应的年龄数值，因而涉及赋值需将因子变量转化为字符变量
- 缺失值查看
>library(VIM)
>aggr(customer_satisfy,prop=FALSE,numbers=TRUE)
![41]ZD8S3{YSO@HC2%Q`IF3D.png](https://ask.hellobi.com/uploads/article/20170523/2e5941b8c65f6305a54ee73ffec4993e.png)
#解释：
#只有多项选择题Q10其中2个子选项有缺失值，Q10_1无缺失值，Q10_2和Q10_3都有缺失值的样本数有56个，只有Q10_3有缺失值的样本数有283个。
- 变量重编码
#将Q9和 Age进行重编码，并形成新数值型变量
>satis<-within(satis,{
Q9n<-NA
Q9n[Q9=="每天都来"]<-7
Q9n[Q9=="每周5-6次"]<-5.5
Q9n[Q9=="每周3-4次"]<-3.5
Q9n[Q9=="每周1-2次"]<-1.5
Q9n[Q9=="每月2-3次"]<-0.6
Q9n[Q9=="每月1次或以下"]<-0.1
Agen<-NA
Agen[Age=="18～39岁"]<-28.5
Agen[Age=="40～60岁"]<-50
})#注意“==”和{}中换行就不用“，”隔开。
- 分类变量描述性统计分析
#分类变量Gender、Age、Q1、Q9的频数及百分比统计,table()函数既可以对因子变量进行统计也可以对数值型变量统计
>descri<-function(x){freq=round(addmargins(table(x)),0)
prop=round(addmargins(prop.table(table(x)))*100,2)
return(c(freq=freq,prop=prop))
}#如何将每个变量的freq和prop分行显示
>apply(satis[,c("Gender","Age","Q1"，"Q9")],2,descri)#如何将每个变量的freq和prop分行显示
$Gender
freq.男性 freq.女性 freq.Sum prop.男性 prop.女性 prop.Sum
198.00 292.00 490.00 40.41 59.59 100.00
$Age
freq.18～39岁 freq.40～60岁 freq.Sum prop.18～39岁 prop.40～60岁
337.00 153.00 490.00 68.78 31.22
prop.Sum
100.00
$Q1
freq. 0 freq. 1 freq. 2 freq. 3 freq. 4 freq. 5 freq. 6 freq. 7
6.00 2.00 7.00 5.00 4.00 51.00 36.00 53.00
freq. 8 freq. 9 freq.10 freq.Sum prop. 0 prop. 1 prop. 2 prop. 3
142.00 48.00 136.00 490.00 1.22 0.41 1.43 1.02
prop. 4 prop. 5 prop. 6 prop. 7 prop. 8 prop. 9 prop.10 prop.Sum
0.82 10.41 7.35 10.82 28.98 9.80 27.76 100.00
$Q9
freq.每天都来 freq.每月1次或以下 freq.每月2-3次
18.00 38.00 119.00
freq.每周1-2次 freq.每周3-4次 freq.每周5-6次
230.00 70.00 15.00
freq.Sum prop.每天都来 prop.每月1次或以下
490.00 3.67 7.76
prop.每月2-3次 prop.每周1-2次 prop.每周3-4次
24.29 46.94 14.29
prop.每周5-6次 prop.Sum
3.06 100.00
- 数值型变量的描述统计
>stats<-function(x){mean<-mean(x)
sd<-sd(x)
n<-length(x)
max<-max(x)
min<-min(x)
return(c(n=n,max=max,min=min,mean=mean,sd=sd))}#必须要有return
>t(round(apply(satis[,c("Q1","Agen","Q9n")],2,stats),2))#数值型变量可以用round对结果取小数位，然后转置。
n max min mean sd
Q1 490 10 0.0 7.79 2.10
Agen 490 50 28.5 35.21 9.97
Q9n 490 7 0.1 1.78 1.56- 多重响应变量的频率统计(频数、百分比、个案数占比)
>library(reshape)
>Q10<-satis[, c("Q10_1","Q10_2","Q10_3")]
>Q10melt<-melt(Q10,measure.vars = c("Q10_1","Q10_2","Q10_3"))#将三个自变量整合，形成两个变量，variable将3个列变量名转变为列元素值。将3个变量中的值整合在一起。
>head(Q10melt)
variable value
1 Q10_1 步行
2 Q10_1 步行
3 Q10_1 步行
4 Q10_1 步行
5 Q10_1 步行
6 Q10_1 步行>str(Q10melt)
'data.frame': 1470 obs. of 2 variables:
$ variable: Factor w/ 3 levels "Q10_1","Q10_2",..: 1 1 1 1 1 1 1 1 1 1 ...
$ value : Factor w/ 13 levels "步行","公交车",..: 1 1 1 1 1 1 1 1 1 1 ...>multi_descri<-function(x){freq=round(addmargins(table(x)),0)#计算频数
prop=round(addmargins(prop.table(table(x)))*100,2)#计算百分比占比
n=length(x)/3
caseprop=round(freq/n*100,2)#计算个案数占比
return(c(freq=freq,prop=prop,caseprop=caseprop))}
>multi<-sapply(Q10melt[,c("variable","value")],multi_descri)#使用数据框中单个字段如Q10melt$value，Q10melt[,c("value")]得出的结果并不是$value中出现的结果，为什么？
>multi$value<-as.data.frame(multi$value)#将列表中的value数据转化为数据表
>multi
$variable
freq.Q10_1 freq.Q10_2 freq.Q10_3 freq.Sum
490.00 490.00 490.00 1470.00
prop.Q10_1 prop.Q10_2 prop.Q10_3 prop.Sum
33.33 33.33 33.33 100.00
caseprop.Q10_1 caseprop.Q10_2 caseprop.Q10_3 caseprop.Sum
100.00 100.00 100.00 300.00
$value
multi$value
freq.步行 470.00
freq.公交车 197.00
freq.自行车 32.00
freq.自有摩托车 37.00
freq.自己开车 195.00
freq.出租车(打的) 35.00
freq.商场的免费购物班车 16.00
freq.出租摩托车 1.00
freq.人力三轮车 0.00
freq.电瓶车/电动车 52.00
freq.地铁 3.00
freq.轻轨 0.00
freq.其他 37.00
freq.Sum 1075.00
prop.步行 43.72
prop.公交车 18.33
prop.自行车 2.98
prop.自有摩托车 3.44
prop.自己开车 18.14
prop.出租车(打的) 3.26
prop.商场的免费购物班车 1.49
prop.出租摩托车 0.09
prop.人力三轮车 0.00
prop.电瓶车/电动车 4.84
prop.地铁 0.28
prop.轻轨 0.00
prop.其他 3.44
prop.Sum 100.00
caseprop.步行 95.92
caseprop.公交车 40.20
caseprop.自行车 6.53
caseprop.自有摩托车 7.55
caseprop.自己开车 39.80
caseprop.出租车(打的) 7.14
caseprop.商场的免费购物班车 3.27
caseprop.出租摩托车 0.20
caseprop.人力三轮车 0.00
caseprop.电瓶车/电动车 10.61
caseprop.地铁 0.61
caseprop.轻轨 0.00
caseprop.其他 7.55
caseprop.Sum 219.39问题：
1、R语言中多选题的多重响应变量如何设置
2、利用R进行数据的描述统计得出的结果呈现形式不如SPSS清晰，见下图。怎么将R的数据结果呈现形式弄成下图样式？
