利用Rstudio对考试成绩进行数据分析

利⽤Rstudio对考试成绩进⾏数据分析⾸先导⼊数据到Rstudio中使⽤read.csv()函数scoresnrow(scores)[1]599ncol(scores)[1]12在scores的所有列中，num和class两列与成绩没有太⼤的关系，我们可以将其去掉，也可以保留如果要去掉的话：⽣成⼀个新的数据框，把num和class去掉：scores1<-as.data.frame(scores[,c('chn','math','eng','phy','chem','politics','bio','history','geo','pe')])或：scores1<-as.data.frame(scores[,3:12])然后分别给scores和scores1两个数据框各添加⼀列，总分sum：scores$sum<-apply(scores[,3:12],1,sum)scores1$sum<-apply(scores1,1,sum)其中apply()函数中的1代表对⾏，2代表对列结果：可以发现原始数据其实是根据其中没有的总分来排列的看⼀下描述性统计量数据：summary(scores[,3:13])对于sum这个变量，可以看到极差为：attach(scores)max(sum)-min(sum)[1]495.3看⼀看sum值的分布情况：hist(scores$sum,freq=F,breaks=50)lines(density(scores$sum),col='red',lwd=2)上图在sum分布直⽅图上添加了其核密度曲线，可以看到sum的分布情况使⽤ggplot2实现：library(ggplot2)ggplot(scores,aes(sum,..density..))+geom_histogram(fill='darkgray')+geom_density(color='red')+ggtitle('HistogramwithDensityofSUM')接下来考察⼀下各科⽬间的相关性，以数学为例，在使⽤cor()函数计算相关系数之前，我先来猜测⼀下，数学与物理、化学和⽣物的相关性⽐较⼤cor(scores[,3:12])观察math的⼀列可以发现，相关系数超过0.8的科⽬有三个，分别是英语，物理和化学，和我的猜测有些出⼊。接下来使⽤lm()函数拟合线性回归模型mathfit<-lm(math~.,data=scores[,3:12])在拟合的模型中可以看到系数最⼤的是phy（0.760），其次是chem（0.428），第三是geo（0.408）所以可以从对这个样本的分析中得出⼀个初步的结论：在多元线性回归模型中，数学成绩与物理成绩的相关程度最⾼，也就是说对于多数学⽣⽽⾔，数学成绩⾼则物理成绩⾼，反之亦然。这与我们⽇常的认识是⼀致的。⽽对于其他科⽬，与数学成绩的相关性就没有那么⾼，尽管可能有联系，但是相⽐于物理成绩⽽⾔要稍微弱⼀些。有了⼀个回归模型之后，就需要对回归模型进⾏评价⾸先使⽤confint()函数查看置信区间confint(mathfit,level=0.95)在结论中可以看到：1、chn和history成绩的置信区间包含0，则可以得出结论：当其他变量不变时，chn和history成绩的改变与math成绩⽆关2、其余变量每改变1%，math成绩就在95%的置信区间⾥变化例：eng成绩每改变1%，math成绩就在95%的置信区间[0.057,0.198]中变化回归诊断的⼀个标准⽅法是使⽤基本包中的plot()函数⽣成评价模型拟合情况的四幅图形plot(mathfit)就得到了以下的四幅图：1,Residuals&Fitted（残差与拟合图）：若变量与⾃变量线性相关，那么残差值与预测值就没有任何系统关联2,NormalQ-Q（正态Q-Q图）：在正态分布对应的值下，标准化残差的概率图。若满⾜正态假设，那么图上的点应落在呈45°⾓的直线上，否则不满⾜正态假设。（正态假设：当预测变量固定式，因变量成正态分布，则残差值也应该是⼀个均值为零的正态分布）3,Scale-LocationGraph（位置尺度图）：表⽰标准化残差的开⽅与拟合值的残差图。若