scitb包1.5版本发布—增加了统计值的结果和自动判断数据是否正态分布的功能

目前，本人写的scitb包1.5版本已经正式在R语言官方CRAN上线，scitb包是一个为生成专业化统计表格而生的R包。目前只能绘制基线表一。
可以使用以下代码安装

install.packages("scitb")
1

安装过旧版本的从新安装一次就可以升级了
scitb包1.5版本修正了上个版本的一些小错误，根据粉丝的建议，增加了两个新功能，一个是返回了统计值的结果，因为咱们国内的论文投稿的时候经常需要上报一些卡方值，F值等什么的，其实scitb包计算的时候已经生成这个值了，只是没有列出来，这次增加了这个功能，还有一个是增加了自动判断数据是否是正态分布，然后根据是否是正态分布返回相应的结果，如果不是正态分布的话返回的是中位数和四分位数表示，P值也是使用秩和检验计算出来。
下面我来演示一下，scitb包生成结果需要stringi包和nortest包支持，这两个包你可以不导入，但要先安装好。

install.packages(stringi)
install.packages(nortest)
1
2

安装好需要的包后我们就可以开始了，先导入R包和数据，scitb包自带有我既往的早产数据，咱们直接从包调用

library(scitb)
bc<-prematurity
1
2

这是一个关于早产低体重儿的数据，低于2500g被认为是低体重儿。数据解释如下：low 是否是小于2500g早产低体重儿，age 母亲的年龄，lwt 末次月经体重，race 种族，smoke 孕期抽烟，ptl 早产史（计数），ht 有高血压病史，ui 子宫过敏，ftv 早孕时看医生的次数，bwt 新生儿体重数值
Sci包中绘制基线表的主要是scitb1函数（以后会有更多其他表格函数），咱们来看下它的函数体

scitb1(vars,fvars=NULL,strata,data,dec,num,nonnormal=NULL,type=NULL,
statistic=F,atotest=T,NormalTest=NULL)
1
2

咱们先来看一下，vars是变量的意思，你基线表中的变量放进去，fvars是分类变量，就是你vars变量中的分类变量，如果没有的话就留空。strata,就是分层的意思，这里填入你要研究的变量，data这里填入你的数据，dec就是你生成结果的小数点位数，默认是3位，其他的变量我在后面部分穿插来讲。
咱们先来个分类变量的
假设咱们想race为研究目标，因为它是分类变量，咱们最好把它转成因子，因为scitb包有一定对数据类型的判定能力，如果你的分类变量类别大于5个，而你不转成因子的话，它可能自动判定为连续变量，处理方式不一样的，所以这里最好自己设定一下

bc$race<-as.factor(bc$race)
1

接下来就是定义全部变量，分类变量和分层变量，这和tableone包一模一样，如果你会使用tableone包，使用scitb包起来完全无压力。

allVars <-c("age", "lwt",  "smoke", "ptl", "ht", "ui", "ftv", "bwt")
fvars<-c("smoke","ht","ui")
strata<-"race"
1
2
3

一键生成统计结果

out<-scitb1(vars=allVars,fvars=fvars,strata=strata,data=bc)
1

咱们看下上图，这里我要好好讲一下，“age”, “lwt”，“ptl”，“ftv”，这4个变量被函数判断成了非正态分布，bwt被判定成了正态分布。咱们先看"ptl"，"ftv"这两个的结果非常奇怪好像不怎么对，咱们从新看下数据

"ptl"只有两个分类应该是定义成分类变量，我们把它定义成连续变量搞错了，ftv是看医生的次数，1-6次，虽然看起来好像个连续变量，但是只有6个分类变量，我觉得该是定义为分类变量比较好，可以改成3次一下和3次以上的，咱们从新跑一下

fvars<-c("smoke","ht","ui","ptl","ftv")
out<-scitb1(vars=allVars,fvars=fvars,strata=strata,data=bc)
1
2

我们可以看到age，lwt这两个变量还是被判定为非正态分布，咱们来看下它算的对不对，画个直方图

hist(bc$age)
hist(bc$lwt)
hist(bc$bwt) 
1
2
3

我们可以看到前两个不是正态分布，而bwt是明显的正态分布，算得还是比较准的。我这里介绍一下我是怎么算正态分布的，我参照了SPSS的算法。

我们可以看到，SPSS对于正态分布提供2种算法Shapiro-Wilk 检验和Kolmogorov–Smirnov检验。Shapiro-Wilk 检验是用于样本量小于3500的。
而我在scitb包中提供了5种算法，默认的是：当样本量小于3500使用Shapiro-Wilk 检验，样本量大于3500使用Kolmogorov–Smirnov检验。你要是觉得这两种检验算得不准的话，我这里还提供有"ad", “cvm”, "pearson"3种检验，使用NormalTest参数控制，比如

out<-scitb1(vars=allVars,fvars=fvars,strata=strata,data=bc,NormalTest="ad")
1

近年来有文献表明"ad", "cvm"这两种方法优于前面两种，但前两种是经典算法，被大众接受，所以我默认了前两种。
自动计算正态分布受到atotest参数控制，默认是atotest=T，比如你不想使用函数自动帮你计算正态分布，你想自己定义你可以关了，通过nonnormal这个参数来定义非正态参数

out<-scitb1(vars=allVars,fvars=fvars,strata=strata,data=bc,nonnormal =c("lwt"),atotest = F)
1

我们可以看到就只有lwt定义为非正态分布。

我这里要重点说一下，如果你使用nonnormal这个参数来定义非正态分布的参数，一定要设置atotest = F，把自动判定关掉，不然是没有用的，还是会自动判定的。

接下来说一下统计值，默认是不返回统计值，统计值由参数statistic控制，默认是statistic=F，如果你的文章需要统计值，可以

out<-scitb1(vars=allVars,fvars=fvars,strata=strata,data=bc,statistic=T)
1

这里我解释一下，如果是分类变量这里的方法是卡方，一律是卡方值（χ2），如果是连续变量的，如果是正态分布的话就是使用单因素方差分析，它的值是F值，如果是非正态分布的话，使用的是秩和检验，也有叫克鲁斯卡尔-沃利斯检验（Kruskal-Wallis），在SPSS中叫做K检验，算出来的结果和tableone一模一样的，有兴趣可以自己取算一下。
下面我来介绍一下连续变量和上一篇差不多的（详细的可以翻看上一篇），这里我简单介绍一下。
我们这里假设研究年龄age这个连续变量，默认分层3组

allVars <-c("race", "lwt",  "smoke", "ptl", "ht", "ui", "ftv", "bwt")
fvars<-c("smoke","ht","ui","race")
strata<-"age"
1
2
3

一键生成结果

out<-scitb1(vars=allVars,fvars=fvars,strata=strata,data=bc)
1

在新版本中，除了介绍分割点外，还会出现红字温馨提醒你，分层变量也就是目标变量被当做一个连续变量来处理了

加入统计值也是一样的

out<-scitb1(vars=allVars,fvars=fvars,strata=strata,data=bc,statistic=TRUE)
1

其他的都和上一篇差不多，就不详细介绍了，有兴趣的看下上一篇。最后导出数据

write.csv(out,file = "1.csv",row.names = F)
1

这里要说一下，如果你导出的是乱码，可以使用如下代码纠正

write.csv(out,file = "1.csv",fileEncoding = "GB18030",row.names = F)
1

打开看一下

把它拷贝入word

把它整理一下,这样一个专业表格就做好啦。

如果你还是不会也没有关系，下周我再出个操作视频。